Corrige td5

MDI 220 Statistiques
Corrigé : Feuille de travaux dirigés 5

Solution Exercice 1
1. Le rapport de vraisemblance s’écrivant

v
u det(Σ0 ) 1
u
φ(Y ) = t exp − Y t (Σ−1 −1
1 − Σ0 )Y ,
det(Σ1 ) 2
le test de Neyman Pearson est
1{φ(Y )≥tα } = 1nY t (Σ−1 −Σ−1 )Y ≤2 log(√det(Σ )/det(Σ )/t o,
1 0 0 1 α)
au niveau α (le seuil tα étant choisi de façon tel que PY ∼N (0,Σ0 ) {φ(Y ) ≥ tα } = α).
2
2. L’absence de signal correspondant au cas où σX = 0, il s’agit de tester l’hypothèse
2
nulle H0 : σX = 0 contre l’alternative H1 : σX > 0. En désignant par In la matrice
n × n unité, on se trouve dans le cadre de la question précédente avec Σ0 = σV2 In et
Σ1 = (σV2 + σX2
)In et le test de Neyman-Pearson au niveau α sécrit
1{Pni=1 Yi2 ≥sα } ,
Pn
où le seuil sα est tel que PY ∼N (0,σV2 ) { i=1 Yi2 ≥ sα } = α.
3. Sous H0 , la loi de Yi /σV étant N (0, 1), le seuil est donc sα = σV2 q1−α où q1−α désigne
le quantile de niveau 1 − α de la loi du chi-deux à n degrés de liberté.
Solution Exercice 2 1. Dans le cas général, la variable aléatoire T (X) est gaus-
sienne, en tant que combinaison linéaire de gaussiennes. Son espérance est E(X̄A ) −
E(X̄B ) = µA − µB = ∆. Sa variance est (par indépendance) :
1 1

Var(T (X)) = Var(X̄A ) + Var(X̄B ) = + σ 2 := σT2 .
nA nB

1 1 2
Sous l’hypothèse nulle, on a donc T (X) ∼ N 0, nA
+ nB
σ = N (0, σT2 ).
2. L’argument de la question 1) montre que sous H̃1 , avec ∆ = µA − µB > 0 ; T (X) ∼
N (∆, σT2 ) et sous H0 , T (X) ∼ N (0, σT2 ). L’observation étant T (X), le rapport de
vraisemblance s’écrit donc
−(T (X)−∆)2

p1 (T (X) exp 2
2σT
Z= =
−T (X)2

p0 (T (X)) exp 2
2σT
!
−(T (X) − ∆)2 + T (X)2
= exp
2σT2
!
2∆T (X) − 2∆2
= exp
2σT2
= Ψ(∆, T (X))
—1—
où t 7→ Ψ(∆, t) est une fonction strictement croissante. Le test de Neyman-Pearson

basé sur l’observation T (X) est, d’après le cours, de type

1 si Z > c
δ(T (X)) =
0 sinon
où c est tel que P∆=0 (Z > c) = α = 0.05. Or, t 7→ Ψ(∆, t) étant strictement
croissante, pour tout c ∈ R, il existe C ∈ R tel que
Z > c ⇐⇒ Ψ(T (X), ∆) > c ⇐⇒ T (X) > C.
Le test de Neyman-Pearson revient donc à comparer T (X) à un seuil C. On déter-

mine C en se souvenant que le test doit satisfaire, sous H0 , P(δ(T (X)
= 1)) = α,q
c’est-à-dire P(T (X) > C) = α, avec T (X) ∼ N (0, σT2 ) ; ou encore P T (X)/ σT2 >
q
C/σT2 = α avec T (X)/ σT2 ∼ N (0, 1). Cette dernière condition est équivalente à
q
C/ σT2 = qN (1 − α) avec qN (1 − α) le quantile d’ordre 1 − α de la loi normale, d’où
s
q 1 1 2
C= σT2 qN (1 − α) = ( + )σ × qN (1 − α).
nA nB
3. avec les données de l’énoncé,
s s
1 1 7
q
C= + × 1.645 = × 1.645 > 1/2 × 1.645 ' 1.645/1.414 > 1.
4 3 12
D’autre part,
T (x) = 13 − 12 = 1,
d’où T (x) < C, et δ(T (x)) = 0. On ne rejette pas H0 contre H̃1 .
4. On considère maintenant H0 : ∆ = 0 contre H1 : ∆ > 0. Le modèle pour l’observa-
tion T (X) est P = {Pθ , θ ≥ 0} avec θ = ∆, et Pθ = N (θ, σT2 ) avec θ ≥ 0 inconnu,
σT2 connu. On peut écrire les deux hypothèses :
H0 : θ ∈ Θ0 = {0}
et
H1 : θ ∈ Θ1 =]0, ∞[.
la région d’acceptation construite à la question 2) ne dépend pas de la valeur de ∆
et le risque de première espèce est
sup Pθ (δ(T (X)) = 1) = Pθ=0 (δ(T (X)) = 1) = α

θ∈Θ0
le test a donc un risque de première espèce égal à α : c’est un test de niveau α de

H0 contre H1 .
—2—
5. Il reste à montrer que δ est uniformément plus puissant, c’est-à-dire : pour tout
autre test δ 0 de niveau α, pour tout θ ∈ Θ1 ,
R(θ, δ 0 ) ≥ R(θ, δ).
Soit δ 0 un autre test de niveau α. Pour tout θ ∈ Θ1 , le test δ construit au 2 est le

test de Neyman-Pearson pour les hypothèses simples H0 , H̃1 = {∆ = θ}. D’après le
théorème de Neyman-Pearson, on a bien R(θ, δ 0 ) ≥ R(θ, δ), ce qu’il fallait démontrer.
Solution Exercice 3
1. Puisque l’on donne s > u, g(θ) = Pθ (X1 > s) = 1 − Fθ (s) = (u/s)θ .
2. d’après le point précédent
log ρ0
g(θ) ≤ ρ0 ⇐⇒ θ log(u/s) ≤ log ρ0 ⇐⇒ θ ≥ θ0 =
log(u/s)
(puisque log(u/s) < 0)

A.N : θ0 = log(1/1000)/ log(1/10) = 3/1 = 3. g(θ) = 10−θ .
3. d’après la question 1, en notant p1 = p⊗n ⊗n
θ1 et p0 = pθ0 , le rapport de vraisemblance
est
p1 (X)
Φθ0 ,θ1 (X) = = exp(log p1 (X) − log p0 (X))
p0 (X)
n
!
X
= exp Cn (θ0 , θ1 ) + (θ0 − θ1 ) log(Xi /u)
i=1
où Cn (θ0 , θ1 ) est une constante ne dépendant pas de X. Le test de Neyman-Pearson,

d’après le cours, est de type δ(X) = 1Φθ0 ,θ1 (X)≥c0 . Or, θ0 > θ1 , donc le rapport de
P
vraisemblance est une fonction strictement croissante de W = log(Xi /u). Il existe
donc c ∈ R tel que Φθ0 ,θ1 (X) ≥ c0 ⇐⇒ W ≥ c, d’où le résultat.
4. D’après la question 3., sous H̃0 , θ0 W ∼ Gamma(n, 1). On a donc
Pθ0 (θ0 W > qn (1 − α)) = α.
i.e.
qn (1 − α)
Pθ0 (W > ) = α.
θ0
qn (1−α)
d’où c = θ0
. Ce test est U.P.P. de niveau α d’après le cours.
5. Pour t > θ0 , on a, sous H0 (t), tW ∼ Gamma(n, 1), d’où
t
Pt (W > c) = Pt (tW > qn (1 − α)) < Pt (tW > qn (1 − α))
θ0
car t/θ0 > 1, et car la densité de la loi Gamma ne s’annulant pas sur ]0, ∞[, Pt (tW ∈
[qn (1 − α), θt0 qn (1 − α)]) > 0.
—3—
6. D’après le point précédent, avec Θ0 = [θ0 , ∞[, on a
sup R(θ, δ) = sup Pθ (W > c) = Pθ0 (W > c) = α.

θ∈Θ0 θ≥θ
Le niveau du test δ pour l’hypothèse composite H0 est donc bien α. Soit δ 0 un autre
test de niveau α pour H0 . en particulier, R(θ0 , δ 0 ) ≤ α donc δ 0 est de niveau α pour
H̃0 . Mais on sait que δ est U.P.P. pour H̃0 donc β(θ1 , δ 0 ) ≤ β(θ1 , δ). Ceci étant vrai
pour tout autre test δ 0 de niveau α pour H0 , le test δ et bien U.P.P. pour H0 contre
H̃1 .
7. Le raisonnement ci-dessus étant valide pour tout θ1 < θ0 , on a bien, pour tout autre
test δ 0 , pour tout θ1 ∈ Θ1 , β(θ1 , δ 0 ) ≤ β(θ1 , δ). Le test δ est donc U.P.P de niveau α
pour tester H0 contre H1 .
—4—

Corrige td5

Transféré par

Droits d'auteur :

Formats disponibles

Corrige td5

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Corrige td5

Transféré par

Droits d'auteur :

Formats disponibles

MDI 220 Statistiques

Corrigé : Feuille de travaux dirigés 5

1. Le rapport de vraisemblance s’écrivant

où t 7→ Ψ(∆, t) est une fonction strictement croissante. Le test de Neyman-Pearson

Z > c ⇐⇒ Ψ(T (X), ∆) > c ⇐⇒ T (X) > C.

Le test de Neyman-Pearson revient donc à comparer T (X) à un seuil C. On déter-

sup Pθ (δ(T (X)) = 1) = Pθ=0 (δ(T (X)) = 1) = α

le test a donc un risque de première espèce égal à α : c’est un test de niveau α de

R(θ, δ 0 ) ≥ R(θ, δ).

Soit δ 0 un autre test de niveau α. Pour tout θ ∈ Θ1 , le test δ construit au 2 est le

(puisque log(u/s) < 0)

où Cn (θ0 , θ1 ) est une constante ne dépendant pas de X. Le test de Neyman-Pearson,

Pθ0 (θ0 W > qn (1 − α)) = α.

6. D’après le point précédent, avec Θ0 = [θ0 , ∞[, on a

sup R(θ, δ) = sup Pθ (W > c) = Pθ0 (W > c) = α.

Vous aimerez peut-être aussi

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.