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.
4.3.2 Espérance <strong>et</strong> variance de la loi de Fisher-Snedecor<br />
Supposons n2 ≥ 3. La formule (39) avec g(u) = u, nous donne<br />
E(F ) = 2−(n1+n2)<br />
Γ( n1 n2 )Γ( 2 2 )<br />
Γ( n1<br />
2<br />
n2 )Γ( 2 )<br />
n2<br />
n1<br />
<br />
x n 1<br />
2 y n 2<br />
2 −2 e −(x+y)/2 dxdy<br />
n1 R+×R+<br />
= 2−(n1+n2)<br />
Γ( n1 n2 )Γ( 2 2 )<br />
+∞<br />
n2<br />
x<br />
n1 0<br />
n1 2 e −x/2 +∞<br />
dx y<br />
0<br />
n2 −2 −y/2 2 e dy<br />
= 2−(n1+n2)<br />
Γ( n1 n2 )Γ( 2 2 )<br />
+∞<br />
n2<br />
x<br />
n1 0<br />
n1 +2<br />
2 −1 e −x/2 +∞<br />
dx y<br />
0<br />
n2−2 2 −1 e −y/2 dy<br />
= 2−(n1+n2) n2<br />
2 n1+2 n1 + 2<br />
Γ( )2<br />
2<br />
n2−2 n2 − 2<br />
Γ( )<br />
2<br />
d’après l’expression de la densité du chi-deux à n1 + 2 (resp. n2 − 2) degrés de liberté pour<br />
la valeur de l’intégrale ci-dessus en dx (resp. en dy). Mais puisque Γ( n1+2<br />
) = 2 n1 n1 Γ( ) <strong>et</strong><br />
2 2<br />
Γ( n2<br />
2 = n2<br />
2 − 1 Γ n2<br />
2 − 1 , l’expression précédente se simplifie <strong>et</strong> on obtient<br />
E(F ) = n2<br />
n2 − 2<br />
Remarque : 1) Pour n2 ≤ 2, E(F ) n’existe pas.<br />
(si n2 ≥ 3).<br />
2) E(F ) ne dépend pas de n1 (nombre de degrés de liberté du numérateur de F ).<br />
Calculons maintenant le moment d’ordre 2 de F . Supposons n2 ≥ 5. En prenant la fonction<br />
g(u) = u 2 dans la formule (39), on obtient<br />
E(F 2 ) = 2−(n1+n2)<br />
Γ( n1<br />
2<br />
)Γ( n2<br />
2 )<br />
= 2−(n1+n2)<br />
Γ( n1<br />
2<br />
)Γ( n2<br />
2 )<br />
= 2−(n1+n2)<br />
Γ( n1<br />
2<br />
)Γ( n2<br />
2 )<br />
= 2−(n1+n2)<br />
Γ( n1<br />
2<br />
)Γ( n2<br />
2 )<br />
n2<br />
n1<br />
n2<br />
n1<br />
n2<br />
n1<br />
2 n2<br />
n1<br />
2 <br />
2 +∞<br />
0<br />
2 +∞<br />
0<br />
x n 1<br />
2 +1 y n 2<br />
2 −3 e −(x+y)/2 dxdy<br />
R+×R+<br />
x n +∞<br />
1 +1 −x/2 2 e dx y<br />
0<br />
n2 −3 −y/2 2 e dy<br />
x n1 +4<br />
2 −1 e −x/2 +∞<br />
dx y<br />
0<br />
n2−4 2 −1 e −y/2 dy<br />
2 n1+4 Γ( n1 + 4<br />
2<br />
)2 n2−4 n2 − 4<br />
Γ( )<br />
2<br />
Après simplification des fonctions Γ comme dans le point 1), on obtient<br />
D’où on déduit<br />
E(F 2 ) =<br />
Var(F ) = E(F 2 ) − (E(F )) 2 = 2<br />
On notera que si n2 ≤ 4, E(F 2 ) = +∞.<br />
n 2 2(n1 + 2)<br />
n1(n2 − 2)(n2 − 4)<br />
(si n2 ≥ 5).<br />
<br />
n2<br />
2 (2n1 + n2 − 2)<br />
n2 − 2 n1(n2 − 4)<br />
20<br />
(si n2 ≥ 5).