Chapitre 5 Classification des statistiques - ENS de Cachan ...
Chapitre 5 Classification des statistiques - ENS de Cachan ...
Chapitre 5 Classification des statistiques - ENS de Cachan ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
56 CHAPITRE 5. CLASSIFICATION DES STATISTIQUESComme le montre le résultat qui suit, le risque quadratique est uniformémentminoré dans la famille <strong><strong>de</strong>s</strong> estimateurs réguliers et sans biais, nous donnantainsi une vitesse plancher.Théorème 5.1.1. [CRAMER-RAO] Si ĝ est un estimateur régulier et sansbiais, alors pour tout θ ∈ Θ :R(θ;ĝ) ≥ ∇g(θ) I n (θ) −1 ∇g(θ).Le minorant ∇g(θ) I n (θ) −1 ∇g(θ) s’appelle borne <strong>de</strong> Cramer-Rao.Exemple. Dans le modèle statistique ({0,1} n ,{B(θ) ⊗n } θ∈]0,1[ ) du jeu <strong>de</strong> pileou face <strong>de</strong> la section 1.1, l’estimateur ¯X n construit à partir d’un échantillon(X 1 ,···,X n ) <strong>de</strong> la loi B(θ) ⊗n vérifie (cf section 2.3) :R(θ; ¯X n )=θ(1 − θ).nPar ailleurs, l’information <strong>de</strong> Fisher I n <strong>de</strong> ce modèle a été calculée dans lasection 4.5 :nI n (θ)=θ(1 − θ) .Ainsi, le risque quadratique <strong>de</strong> l’estimateur ¯X n atteint la borne <strong>de</strong> Cramer-Rao du modèle. Par ailleurs, on vérifie sans peine que tout estimateur ˆθ duparamètre <strong>de</strong> ce modèle est régulier. En conséquence,R(θ; ˆθ) ≥R(θ; ¯X n ) ∀θ ∈ Θ,i.e. ¯X n est VUMSB, une propriété déjà obtenue dans la section 2.3.Preuve du théorème 5.1.1. Soit θ ∈ Θ. L’estimateur ĝ étant régulier et sansbiais,∇g(θ)=∇E θ ĝ = ĝ∇L n(.;θ)dµ.H nComme ∇lnL n (.;θ)=∇L n (.;θ)/L n (.;θ) et E θ ∇lnL n (.;θ)=0 par régularitédu modèle, il vient :∇g(θ) = E θ ĝ∇lnL n (.;θ)= E θĝ− g(θ)∇lnLn (.;θ).