📚 الرئيسية

مسابقة دكتوراه 2025Université Dr Moulay Tahar - Saïda — الموضوع 01

مسابقة تخصص · Probabilités & Statistiques · المعامل: 3 · المدة: 2سا

Concours d'accès à la formation de troisième cycle — Domaine Mathématiques et Informatique, Filière Mathématiques Appliquées, Épreuve de spécialité, Sujet n°4, Université de Saïda - Dr. Moulay Tahar, Faculté des Sciences, Département de Mathématiques — 23 février 2025 (Coefficient 03, Durée 02h00, année universitaire 2024-2025).

التمرين 1

Exercice 1 — Lois Gamma : loi conjointe de U=X+Y et V=X/(X+Y), indépendance

#probability#gamma-distribution#beta-distribution#change-of-variables

Soient XX et YY deux variables aléatoires indépendantes de loi Γ(α,λ)\Gamma(\alpha,\lambda) et Γ(β,λ)\Gamma(\beta,\lambda), respectivement.

  1. (2,5 pts) Déterminer la loi conjointe du couple U=X+YU=X+Y et V=X/(X+Y)V=X/(X+Y).
  2. (2,5 pts) Les variables aléatoires UU et VV sont-elles indépendantes ? Si oui, déterminer la loi de probabilité de chacune.
الحل

1.

Densité conjointe de (X,Y)(X,Y) : f(x,y)=λα+βΓ(α)Γ(β)xα1yβ1eλ(x+y)f(x,y)=\dfrac{\lambda^{\alpha+\beta}}{\Gamma(\alpha)\Gamma(\beta)}x^{\alpha-1}y^{\beta-1}e^{-\lambda(x+y)}, x,y>0x,y\gt 0.

Changement u=x+yu=x+y, v=xx+yv=\dfrac{x}{x+y}, soit x=uvx=uv, y=u(1v)y=u(1-v), jacobien J=u|J|=u. Alors

g(u,v)=λα+βΓ(α)Γ(β)(uv)α1(u(1v))β1eλuu.g(u,v)=\frac{\lambda^{\alpha+\beta}}{\Gamma(\alpha)\Gamma(\beta)}(uv)^{\alpha-1}(u(1-v))^{\beta-1}e^{-\lambda u}\cdot u.

g(u,v)=λα+βΓ(α+β)uα+β1eλuΓ(α+β,λ)Γ(α+β)Γ(α)Γ(β)vα1(1v)β1Beta(α,β),u>0, v(0,1).g(u,v)=\underbrace{\frac{\lambda^{\alpha+\beta}}{\Gamma(\alpha+\beta)}u^{\alpha+\beta-1}e^{-\lambda u}}_{\Gamma(\alpha+\beta,\lambda)}\cdot\underbrace{\frac{\Gamma(\alpha+\beta)}{\Gamma(\alpha)\Gamma(\beta)}v^{\alpha-1}(1-v)^{\beta-1}}_{\text{Beta}(\alpha,\beta)},\quad u\gt 0,\ v\in(0,1).

2.

La densité se factorise en un produit d'une fonction de uu seule et d'une fonction de vv seule : UU et VV sont indépendantes, avec

UΓ(α+β,λ),VBeta(α,β).\boxed{U\sim\Gamma(\alpha+\beta,\lambda),\qquad V\sim\text{Beta}(\alpha,\beta).}

التمرين 2

Exercice 2 — Test non-paramétrique à deux échantillons (Mann-Whitney-Wilcoxon)

#statistics#mann-whitney-test#rank-test#two-sample-test

Le tableau suivant donne les observations de deux échantillons indépendants d'une variable aléatoire XX dont la loi de probabilité est inconnue. Soit F1F_1 la fonction de répartition de XX dans le premier groupe, et F2F_2 celle dans le deuxième groupe.

groupe G1G_111212125527179
groupe G2G_222437291100
  1. (7 pts) Tester si les deux échantillons conduisent à rejeter H0H_0 selon laquelle F1(x)=F2(x)F_1(x)=F_2(x), au risque α=5%\alpha=5\% :

{H0: F1(x)=F2(x) H1: F1(x)<F2(x).\begin{cases} H_0:\ F_1(x)=F_2(x) \\\ H_1:\ F_1(x)\lt F_2(x). \end{cases}

الحل

1. Test de Mann-Whitney-Wilcoxon

On a n=7n=7 (groupe G1G_1), m=5m=5 (groupe G2G_2). On classe les n+m=12n+m=12 valeurs par ordre croissant et on attribue les rangs (moyens en cas d'exæquo) :

11(1), 21(2,5), 21(2,5), 22(4), 25(5), 43(6), 52(7), 71(8), 72(9), 79(10), 91(11), 100(12).11_{(1)},\ 21_{(2{,}5)},\ 21_{(2{,}5)},\ 22_{(4)},\ 25_{(5)},\ 43_{(6)},\ 52_{(7)},\ 71_{(8)},\ 72_{(9)},\ 79_{(10)},\ 91_{(11)},\ 100_{(12)}.

Somme des rangs de G1G_1 : R1=1+2,5+2,5+5+7+8+10=36R_1=1+2{,}5+2{,}5+5+7+8+10=36.

Statistique de Mann-Whitney :

U1=R1n(n+1)2=3628=8,U2=nmU1=358=27.U_1=R_1-\frac{n(n+1)}{2}=36-28=8,\qquad U_2=nm-U_1=35-8=27.

Le nombre de paires (xiG1, yjG2)(x_i\in G_1,\ y_j\in G_2) avec xi>yjx_i\gt y_j vaut 88. Sous H1:F1<F2H_1:F_1\lt F_2 (le groupe 1 stochastiquement plus grand), on rejette H0H_0 pour de grandes valeurs de ce compte. La valeur critique unilatérale au seuil 5% pour (n,m)=(7,5)(n,m)=(7,5) est nmUcrit=356=29nm-U_{crit}=35-6=29.

Comme 8<298\lt 29, on ne rejette pas H0H_0. Au contraire, les valeurs de G1G_1 tendent à être plus petites que celles de G2G_2 : les données ne soutiennent pas H1H_1.

Au seuil 5%, on ne rejette pas H0:F1=F2.\boxed{\text{Au seuil }5\%,\text{ on ne rejette pas }H_0:F_1=F_2.}

التمرين 3

Exercice 3 — Chaîne de renouvellement : durée de vie résiduelle et théorème de renouvellement

#stochastic-processes#markov-chain#renewal-theory#irreducibility

Soit (Yn)n1(Y_n)_{n\geq 1} une suite de variables i.i.d. à valeurs dans N\mathbb{N}^* vérifiant :

  • μ=E[Y1]<+\mu=\mathbb{E}[Y_1]\lt+\infty,
  • pgcd{n1:P(Y1=n)>0}=1\operatorname{pgcd}\{n\geq 1:\mathbb{P}(Y_1=n)\gt 0\}=1.

On définit le processus (Xn)n0(X_n)_{n\geq 0} par X0=0X_0=0 et pour tout n1n\geq 1,

Xn=inf{mnk1, Y1++Yk=m}n.X_n=\inf\{m\geq n\mid\exists k\geq 1,\ Y_1+\cdots+Y_k=m\}-n.

  1. (4 pts) Montrer que (Xn)nN(X_n)_{n\in\mathbb{N}} est une chaîne de Markov irréductible et apériodique.
  2. (4 pts) En déduire

limn+P(k1, Y1++Yk=n)=1μ.\lim_{n\to+\infty}\mathbb{P}(\exists k\geq 1,\ Y_1+\cdots+Y_k=n)=\frac{1}{\mu}.

الحل

1.

XnX_n est le temps résiduel jusqu'au prochain instant de renouvellement (les instants Sk=Y1++YkS_k=Y_1+\cdots+Y_k). Dynamique : si Xn=j>0X_n=j\gt 0, alors Xn+1=j1X_{n+1}=j-1 (on se rapproche d'un pas). Si Xn=0X_n=0 (renouvellement en nn), alors Xn+1=Y1X_{n+1}=Y-1YY est un nouveau temps inter-renouvellement, de loi celle de Y1Y_1.

Donc les transitions sont : p(j,j1)=1p(j,j-1)=1 pour j1j\geq 1, et p(0,j1)=P(Y1=j)p(0,j-1)=\mathbb{P}(Y_1=j) pour j1j\geq 1. Comme le futur ne dépend que de l'état présent, (Xn)(X_n) est une chaîne de Markov.

Irréductibilité : depuis 0 on atteint tout état j1j-1 tel que P(Y1=j)>0\mathbb{P}(Y_1=j)\gt 0, puis on descend jusqu'à 0 ; l'ensemble des états accessibles communique. Apériodicité : l'état 0 est atteignable en nn pas pour tout nn appartenant au semi-groupe engendré par le support de Y1Y_1 ; comme le pgcd vaut 1, la période de 0 est 1.

2.

La loi stationnaire de la chaîne de temps résiduel est πj=P(Y1>j)μ\pi_j=\dfrac{\mathbb{P}(Y_1\gt j)}{\mu}, j0j\geq 0, en particulier π0=P(Y11)μ=1μ\pi_0=\dfrac{\mathbb{P}(Y_1\geq 1)}{\mu}=\dfrac{1}{\mu}.

Or {Xn=0}={k: Y1++Yk=n}\{X_n=0\}=\{\exists k:\ Y_1+\cdots+Y_k=n\} (renouvellement à l'instant nn). Par le théorème ergodique pour les chaînes irréductibles apériodiques récurrentes positives (μ<\mu\lt\infty) :

limn+P(Xn=0)=π0=1μ.\lim_{n\to+\infty}\mathbb{P}(X_n=0)=\pi_0=\frac{1}{\mu}.

limn+P(k1, Y1++Yk=n)=1μ.\boxed{\lim_{n\to+\infty}\mathbb{P}(\exists k\geq 1,\ Y_1+\cdots+Y_k=n)=\frac{1}{\mu}.}

C'est le théorème de renouvellement discret.