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.
2) (C.S.) Si X = (X1, . . . , Xn) est <strong>un</strong> vecteur aléatoire de fonction de caractéristique φX(t) =<br />
exp(− 1<br />
2 σ2 ||t|| 2 ) (t = (t1, . . . , tn) ∈ R n ), alors pout tout k = 1, . . . , n, on a<br />
φXk (tk)<br />
σ2<br />
−<br />
= φX(0, . . . , 0, tk, 0, . . . , 0) = e 2 t2 k.<br />
Ce qui montre que Xk est de loi N (0, σ 2 ). De plus comme pour tout t ∈ R n , φX(t) =<br />
n<br />
k=1 φXk (tk), les variables aléatoires Xk sont indépendantes. <br />
Remarque : Si X est <strong>un</strong> n-échantillon de la loi normale N (0, σ 2 ), alors pour tout t ∈ R n ,<br />
la variable aléatoire réelle < t|X > (produit scalaire de t <strong>et</strong> X) est de loi N (0, σ 2 ||t|| 2 ) car<br />
pour u ∈ R,<br />
(8) φ(u) = E(e iu ) = E(e i σ2<br />
−<br />
) = e 2 ||ut||2<br />
= e − σ2 ||t|| 2<br />
u 2<br />
2<br />
est la fonction caractéristique de la loi N (0, σ 2 ||t|| 2 ). <br />
Théorème 1.8 (de Cochran) : Soit X = (X1, . . . , Xn) <strong>un</strong> n-échantillon de la loi normale<br />
N (0, σ 2 ). Alors :<br />
1) les composantes de X dans toute base orthonormale de R n , forment aussi <strong>un</strong> n-échantillon<br />
de la loi N (0, σ 2 ).<br />
2) Le transformé du vecteur X par <strong>un</strong>e transformation orthogonale de R n , est toujours <strong>un</strong><br />
n-échantillon de la loi N (0, σ 2 ).<br />
3) Soit E1 ⊕· · ·⊕Ep <strong>un</strong>e décomposition de R n en p sous espaces vectoriels deux à deux orthogonaux<br />
<strong>et</strong> de dimensions respectives r1, . . . , rp. Alors les vecteurs aléatoires XE1, . . . , XEp projections<br />
orthogonales respectives de X <strong>sur</strong> E1, . . . , Ep, sont indépendants. De plus les variables<br />
aléatoires ||XE1|| 2 , . . . , ||XEp|| 2 sont indépendantes <strong>et</strong> de lois respectives σ 2 χ 2 r1 , . . . , σ2 χ 2 rp .<br />
démonstration : Soit v1, . . . , vn <strong>un</strong>e base orthonormale de R n . On a évidemment X =<br />
n<br />
k=1 < X|vk > vk. Le vecteur X ′ = (< X|v1 >, . . . , < X|vn >) a pour fonction caractéris-<br />
tique<br />
φX ′(t) = E(ei n k=1 tk i<br />
= φX(<br />
n<br />
k=1<br />
tkvk) = exp − 1<br />
2 σ2 ||<br />
n<br />
k=1<br />
tkvk|| 2 = exp − 1<br />
2 σ2 ||t|| 2 ,<br />
d’après le théorème 1.5 <strong>et</strong> en utilisant le fait que (vk) est <strong>un</strong>e base orthonormale pour affirmer<br />
que || n k=1 tkvk|| 2 = n k=1 t2k = ||t||2 . Du théorème 1.5, on obtient alors que X ′ est <strong>un</strong><br />
n-échantillon de la loi N (0, σ2 ). <br />
2) C<strong>et</strong>te assertion n’est qu’<strong>un</strong>e formulation équivalente de 1). En eff<strong>et</strong> soit A <strong>un</strong>e matrice<br />
orthogonale n × n. Par définition ses vecteurs lignes v1, . . . , vn, forment <strong>un</strong>e base orthonormale<br />
de Rn . Le vecteur AX transformé de X par l’action de la matrice A est le vecteur de<br />
Rn de coordonnées < X|v1 >, . . . , < X|vn > (dans la base canonique) donc c’est encore <strong>un</strong><br />
n-échantillon de la loi N (0, σ2 ) d’après le 1). <br />
3) Choisissons dans chaque sous espace Ej <strong>un</strong>e base orthonormale {vj,1, . . . , vj,rj } <strong>et</strong> m<strong>un</strong>issons<br />
Rn de la base orthonormale B obtenue en ré<strong>un</strong>issant toutes ces bases. La projection<br />
orthogonale XEj du vecteur aléatoire X <strong>sur</strong> Ej, est alors égale à<br />
XEj =<br />
rj<br />
< X|vj,k > vj,k<br />
k=1<br />
4