Une méthode d'estimation optimale à tout point de vue
Réponses
-
1.
Partons de $S_n(\theta)=\sum_{k=1}^n [f(Y_k)-g(\theta)]^2$
Et dérivons $S_n'(\theta)=\sum_{k=1}^n -2.g'(\theta).f(Y_k) + 2.g'(\theta).g(\theta)$
Bon dans l'énoncé $g$ n'est pas donnée comme dérivable ... on va se débarrasser de la dérivée dans les calculs mais pour moi c'est une grosse omission ...
$S_n(\theta)=0$ ssi lorsque $g'(\theta) \neq 0$, et c'est le cas vu que g est bijective (donc monotone) $\sum_{k=1}^n f(Y_k) = n.g(\theta)$.
Donc $g(\hat{\theta_n)}=\frac{1}{n}.\sum_{k=1}^n f(Y_k)$ puis $\hat{\theta_n}=g^{-1}(\frac{1}{n}.\sum_{k=1}^n f(Y_k))$ -
2a. Ici ce n'est pas clair
On va supposer que $\hat{\theta_n}$ cvg en proba vers $\theta$.Après on veut montrer que $\forall \epsilon > 0$, $\mathbb{P}(|\hat{\theta_n}-\theta| \geq \epsilon)$ tend vers 0 qd $n \mapsto +\infty$.
Ou alors en caractérisant avec la variance $\lim_{n \mapsto +\infty} \mathbb{V}(\hat{\theta_n}) = 0$. -
Pour la 1., ce n'est pas une omission, tu vois bien que la dérivée est inutile pour le calcul. La vraie omission est l'ensemble d'arrivée de $g$ qui doit être convexe et être le même que celui de $f$. Ensuite, le TVI suffit à résoudre la question si $g$ est homéomorphe. On peut aussi résoudre sans dérivation en développant : $$\sum_{k = 1}^n (f(Y_k) - g(\theta))^2 = n g(\theta)^2 - 2 \sum_{k = 1}^n f(Y_k) g(\theta) + \sum_{k = 1}^n f(Y_k)^2 = n \left(g(\theta) - \frac{1}{n} \sum_{k = 1}^n f(Y_k)\right)^2 + \sum_{k = 1}^n \left(f(Y_k) - \frac{1}{n} \sum_{i = 1}^n f(Y_i)\right)^2,$$ ce qui donne $g(\hat{\theta}_n)$.
-
Ok donc mieux vaut faire ta méthode, qui dispense de l'utilisation de la dérivation.
Une idée pour la question 2.?
Je patauge. -
Si les $f(Y_i)$ sont intégrables, il y a la loi des grands nombres. La continuité de $g^{-1}$ fournit aussi un certain $\delta(\varepsilon, \theta)$ tel que $$\mathbb{P}(|\hat{\theta}_n - \theta| \geqslant \varepsilon) \leqslant \mathbb{P}(|g(\hat{\theta}_n) - g(\theta)| \geqslant \delta(\varepsilon, \theta)).$$
Avec ça la question 2 est pliée. -
Oui en fait tu exploites la continuité de $g^{-1}$ plutôt $g$ pour moi , tout simplement ! Mais bon il faut qd même détailler.$g$ est continue au voisinage de $a$ lorsque $\forall \epsilon > 0, \exists \alpha > 0, |x-a| < \alpha, |g(x)-g(a)| < \epsilon$.On prend la contraposée : $|g(x)-g(a)| \geq \epsilon$ alors $|x-a| \geq \alpha$.On a donc $|g(g^{-1}(\frac{1}{n}.\sum_{k=1}^n f(Y_k)))) -g(g^{-1}(\mathbb{E}(f(Y))))| \geq \epsilon$ alors $|\hat{\theta_n}-\theta)| \geq \alpha$.On utilise la loi des grands nombres ici, justifiée par l'existence du moment d'ordre 1 des $Y_i$.$\frac{1}{n}.\sum_{k=1}^n f(Y_k)) \mapsto_{n -> +\infty} \mathbb{E}(f(Y))$ ps.En passant aux probas, (la cvg ps donne la cvg en probas) d'où $\mathbb{P}(|\hat{\theta_n}-\theta)| \geq \alpha) \mapsto_{n -> +\infty} 0$Je n'aime pas ma rédaction, c'est trop artificiel. D'un autre côté ce que propose Bibix n'est pas détaillé et je veux bien rédiger.Qui fait mieux ?
Connectez-vous ou Inscrivez-vous pour répondre.
Bonjour!
Catégories
- 163.1K Toutes les catégories
- 8 Collège/Lycée
- 21.9K Algèbre
- 37.1K Analyse
- 6.2K Arithmétique
- 53 Catégories et structures
- 1K Combinatoire et Graphes
- 11 Sciences des données
- 5K Concours et Examens
- 11 CultureMath
- 47 Enseignement à distance
- 2.9K Fondements et Logique
- 10.3K Géométrie
- 62 Géométrie différentielle
- 1.1K Histoire des Mathématiques
- 68 Informatique théorique
- 3.8K LaTeX
- 39K Les-mathématiques
- 3.5K Livres, articles, revues, (...)
- 2.7K Logiciels pour les mathématiques
- 24 Mathématiques et finance
- 312 Mathématiques et Physique
- 4.9K Mathématiques et Société
- 3.3K Pédagogie, enseignement, orientation
- 10K Probabilités, théorie de la mesure
- 772 Shtam
- 4.2K Statistiques
- 3.7K Topologie
- 1.4K Vie du Forum et de ses membres
In this Discussion
Qui est en ligne 3
3 Invités