Université de Manouba Principes et méthodes 2eme année Ecole Nationale des Sciences statistiques A.U: 2016-2017 de l'Informatique Sem: I A. Alleli, F. Kadhi et O.Queslati TD:4 Octobre 2016 The FoR ating Exercice 1 Soit X une variable aléatoire positive. On suppose que E[X] <0 et V[X] < 1. Montrer que Wa > 0, P(X > a) < 222, 2. Montrer que P(X > u) < inf(e“™Mx(s)). 9. (Chebyshev’s inequality) Montrer que Ya > 0, P(|X — E[X}| > a) < “. Montrer que Ya > 0, P(|X — E[X}] 1— “A Pat > V/x/X1 — 1/2”) ). En déduire que Wx > of 5 Exereice 2 Let X be the mean of a random sample of size n = 15 from a distribution with mean m = 80 and variance a? = 60. Find a lower bound for P(75 < X < 85). Exercice 3 1. Montrer que si Xq et Yq convergent en probabilité, respectivement, vers X et ¥ alors (Xx + ¥,,) converge en probabilité vers (X + Y). 2. Montrer que si Xq converge en loi vers une constante ¢ alors Xq converye en prob- abilité vers c. Exercice 4 Soit (X1,...,X,) un échantillon aléatoire d'une v.a X définte sur une pop- ‘ulation de moyenne m et de variance 0”. On pose 1. Montrer que Xq, converge en probabilité vers m. Comment s’appelle ce résultat? gaisxa_x 2. Mont St=-) x?- Xx fontrer que Sh = YX? — X2 9. Calculer E[S2] et E[S? 4. Montrer que S2 converge en probabilité vers 0” 5. Montrer que S2_, converge en probabilité vers 0”. Exercice 5 En appliquant le théoréme de Paul Levy, Cover 1. montrer que si Xp ~» B(n, 4) alors Xq converge en loi vers X ~ P(A). x 2. montrer que si Xq~ P(3n) alors converge en loi, vers N(0,1)Cours Exercice 6 Soit (X1,...,Xn) un échantillon aléatoire d'une v.a X de moyenne m et de variance o*. On pose Xn = 4 1, Xi 1. Montrer que la f.g.m de ¥ 18 écrit: My(t) = 14 ie +o(l) Xs 2 Soit Zy = Anse, ¥, = XC™. Montrer que ie nek n= = % 3. En déduire que Z, converge en loi vers N(0,1). Comment s’appelle ce résultat? Exercice 7 En appliquant le TCL, Lours = 1. montrer que si Xq ~+ B(n,p) alors “5-3 converge en loi vers N(0,1). 2, montrer que si Xn ~+ x%(n) alors 92" converge en loi vers N(0,1). 3. montrer que si Xp ~+ U(n) alors Xq converge en loi vers N(0,1). Exercice 8 Dans une population de 20000 habitants, 40% demandent a étre vaccinés contre la grippe. De combien de vaccins doit-on disposer pour que la probabilité qu'on vienne den manguer soit inférieur & 0.1 Exercice 9 Un fournisseur d’accés ad Internet met en place un point local d'accés, qui dessert 5000 abonnés. A instant donné, chaque abonné a une probabilité égale @ 20% d'étre connecté. Les comportements des abonnés sont supposés indépendants les uns des autres, 1. On note X la variable aléatoire égale au nombre d'abonnés connectés d un instant t. Quelle est la loi de X? Quelle est son espérance, son écart-type? 2. On pose Y = oe. Justifier précisément qu'on peut approcher la loi de Y par la loi normale N(0, 1) 3. Le fournisseur d'accés souhaite savoir combien de connexions simultances le point @accés doit pouvoir gérer pour que sa probabilité d’étre saturé a un instant donné soit inférieure é2,5%. En utilisant Vapproximation précédente, proposer une valeur approchée de ce nombre de connezions (on pourra utiliser une table de la loi nor- male). Exercice 10 A random sample of size n = 18 is taken from the distribution with pdf I(x) =1-2/2,0<¢2<2 Find P(2/3 < Xiy < 5/6), approximately. Exercice 11 Let X1,X2,X3,X« represent the random times in days needed to complete Jour steps of a project. These times are independent and have gamma distributions with common{X = 1/2\and far = 3h = 36, = es= 3 respectively. One step must be completed before the nezt can be started. Let Y equal the total time needed to complete the project.1. Find an integral that represents P(Y < 25). 2. Using a normal distribution, approximate P(Y < 25). 3. Using "Mathematica", compute the exact value of P(Y < 25) Exercice 12 Let Xi, X2,...Xso be a random sample of size 30 from a Poisson distribu- tion with a mean of 2/3. Approrimate P(15 <)> Xi < 22). Exercice 13_On dit gy'une variable aléatoire Y suit une loi de Gumbe) si elle admet pour 1. Vérifier que J est une densité. 2. Calculer ta fonction de répartition de Y 3. Soit (X;) une suite de variables aléatoires indépendantes identiquement distibuées de loi exponentielle de paramétre 1. On pose My = max(X;,...,X,). Dénontrer que la suite (My —Inn) converge en loi vers Y suivant une loi de Gumbel Exercice 14 The R Project for Statistical Computing: Risa free software environment for statistical computing and graphics. It comgiles and runs on a wide variety of UNIX platforms, Windows and MacOS. To download 8, please visit https://www.r-project.org The aim of this exercise is to use R to study the approrimation B(n, p) = N(np, np(1 — p)) for n sufficiently large. Using R, execute and analyze the following commands: 1. plot(0:100, dbinom(0:100, 100, 0.5), type = "h”) 2. eurve(dnorm(, 100 * 0.5, sqrt(100 * 0.5 * (1 - 0.5))), col = "red", add + T)TDu: Converge n Ce n x s | A) wos a Wy P(xya) <= u>e® oa o P(X Sv)= G des Swhe deve of (2° Hy () e(e”*) p( 4x 24) VU ADO a Veo ce) YAse a A (Merkov ) => = e (eo) wu Ade toe ae g say ( oi mxl)) A>e 3) ceors 4) pr (It. eo) <*) = t—p(k-E@\>~) > AL v(x) ( ehebyshev ) > are ma 5) jyre ede e VE Ca-h) A pydccpaem X a» Not) luenageehé peceedente. peer rT e(x) “eo VOxjy2 4 q1Exe. A apede Adak geht 2 PC \x-eba) Ex! nom by ee + ; den rands nom 4) boi farble 5 z ? a he xe a) +124 Z a a aX n . 4 ZX» 5 ne Cxe BM Cos n n i ae ane woe" ac ec 2 Xp a Es Xe 4 Xn 7 “ psa ae u in ay ae=- nw _ 2 E(se) = SE ( E(x - %*) @ cra A — « L 40 e&h — €(%*) =: rv or e (x0?) = o™ 4m = 2 Lv & OG) = = 7” 2 ot e(sa) 7 em AS a Vv ~ NA - - . mm Ss cs L nan n Sy, 7 nua 5 au ve TVOM one E ( San) - * oon coreg = . 2 v 2 W) ymty 8 5’ n as _ x ne . notes U2 LA ox e Rose soa nw C=N Lor table de a _ jranvd mombre Ls O + XeSs < ne Sp ————> © ne EExd >? Pig Lory <2 Xstia quo vepisenle Lenombre devacetes >. demands’ De nombre devace'’n 5 Prep oa Pox b) ®(eeovo, CD) Pursqure nn ok 29863 gran d ators pet cl On pertapproche ta Lev de x por: Nl e(y,vind) = N (toes Ures) PC XSd) Lert gp P(x ~ 3e00 b_ 3a \ = -k& n -(-©°) n St) F ye PC Mae Ma -lain) ~e¢ Uns *e >) bE Ran ™ e(4- Sic ? pe Onn) nba (ace ) L 2 + : gE - Pe (my) ae = Fy lt) x= Q More “tb Pata) Ininy -# 2am) a - Le Lk > e