Chapitre 3: Méthodes d'estimation et tests classiques sur un ... - lmpt
Chapitre 3: Méthodes d'estimation et tests classiques sur un ... - lmpt
Chapitre 3: Méthodes d'estimation et tests classiques sur un ... - lmpt
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
4 Annexe<br />
4.1 Théorème limite central dans R k , loi multinomiale <strong>et</strong> convergence<br />
vers la loi du Chi-deux<br />
A. Le théorème limite central dans R k :<br />
Soit X1, . . . , Xn <strong>un</strong> n-échantillon issu d’<strong>un</strong>e loi F <strong>sur</strong> R k de moyenne m <strong>et</strong> de matrice de<br />
covariance Γ. On rappelle (cf. le cours de Probabilités) que :<br />
(31)<br />
1<br />
√ n (X1 + · · · + Xn − nm) → Nk(0, Γ) en loi (n → ∞),<br />
où Nk(0, Γ) est <strong>un</strong>e loi gaussienne <strong>sur</strong> Rk , centrée <strong>et</strong> de matrice de covariance Γ. Si Y est <strong>un</strong><br />
vecteur aléatoire de loi Nk(0, Γ), il a <strong>un</strong>e fonction caractéristique φ(t) = E(ei ) (t ∈ Rk )<br />
donnée par<br />
(32) φ(t) = exp<br />
<br />
− 1<br />
2<br />
<br />
< t|Γt > ,<br />
<strong>et</strong> lorsque Γ est inversible, <strong>un</strong>e densité donnée par<br />
1<br />
(33) f(x) =<br />
(2π) k/2 |Γ| exp<br />
<br />
− 1<br />
2 < x|Γ−1 <br />
x > ,<br />
où |Γ| désigne le déterminant de la matrice Γ.<br />
B. La loi multinomiale (Rappel) :<br />
Notation : Toute me<strong>sur</strong>e de probabilité concentrée <strong>sur</strong> l’ensemble {1, 2, . . . , k} des entiers<br />
entre 1 <strong>et</strong> k, est représentée par <strong>un</strong> vecteur ligne<br />
(34) p = (p1, . . . , pk).<br />
Soit n ≥ 1 <strong>un</strong> entier fixé <strong>et</strong> (X1, . . . , Xn) <strong>un</strong> n-échantillon d’<strong>un</strong>e loi p = (p1, . . . , pk) portée<br />
par {1, 2, . . . , k}. Pour chaque 1 ≤ i ≤ k, on considère la variable aléatoire<br />
(35) Ni =<br />
n<br />
j=1<br />
1[Xj=i].<br />
La loi du vecteur aléatoire N = (N1, . . . , Nk) est la loi multinomiale de paramètres (n; p1, . . . , pk)<br />
(voir le chapitre 2).<br />
Théorème 4.1 :<br />
<br />
N1 − np1<br />
(36) lim √ , . . . ,<br />
n→∞ np1<br />
Nk<br />
<br />
− npk L=<br />
√ Nk(0, Γ),<br />
npk<br />
où Γ = Ik− √ <br />
pipj<br />
1≤i,j≤k . De plus Nk(0, Γ) est <strong>un</strong>e loi gaussienne dégénérée qui est la projection<br />
d’<strong>un</strong> vecteur Nk(0, Ik) <strong>sur</strong> l’hyperplan de Rk orthogonal au vecteur √ p = ( √ p1, . . . , √ pk).<br />
16