الرئيسية

مسابقة دكتوراه 2018Université des Sciences et de la Technologie Houari Boumediène (USTHB) — الموضوع 01

مسابقة تخصص · Probabilités & Statistiques · المدة: 3سا

JSON import — USTHB - Université des Sciences et de la Technologie Houari Boumediene 2018 — Faculté des Mathématiques USTHB — Concours d'accès à la formation doctorale Mathématiques Appliquées — Option Probabilités et Statistiques Appliquées — Épreuve de Spécialité — le 30 octobre 2018 — مصد

التمرين 1

Exercice 1 — File d'attente M/M/1 avec arrivées par groupes

#files d'attente#chaînes de Markov à temps continu#fonction génératrice#régime stationnaire

Considérons une file d'attente M/M/1M/M/1 de paramètres λ\lambda et μ\mu où les clients arrivent par groupes de 2.

Soit le processus (Xt)t0(X_t)_{t \ge 0} défini, pour tout t0t \ge 0, par

Xt=X_t = le nombre de clients dans le système à l'instant tt.

1- Montrer que (Xt)t0(X_t)_{t \ge 0} est une chaîne de Markov à temps continu. Déterminer son générateur infinitésimal.

2- (Xt)t0(X_t)_{t \ge 0} est-il un processus de naissance et de mort ? Justifiez votre réponse.

3- Soit Pn(t)=P(Xt=n)P_n(t) = P(X_t = n), n0n \ge 0 et t0t \ge 0. Écrire les équations de Chapman-Kolmogorov.

4- Si Pn=limt+Pn(t)P_n = \lim_{t \to +\infty} P_n(t). Écrire les équations d'équilibre en régime stationnaire.

5- Déterminer la fonction génératrice G(z)=n0znPnG(z) = \sum_{n \ge 0} z^n P_n associée à la distribution stationnaire PnP_n et donner la condition de stabilité.

6- En déduire la moyenne et la variance du nombre de clients dans le système en régime stationnaire.

التمرين 2

Exercice 2 — Estimation paramétrique

#maximum de vraisemblance#statistique exhaustive#estimateur efficace#loi exponentielle

Soit XX une v.a. de densité de probabilité

fθ(x)=θ(1+x)(θ+1)1x0f_\theta(x) = \theta (1 + x)^{-(\theta + 1)}\, \mathbf{1}_{x \ge 0}

avec θ\theta un paramètre positif.

1- Déterminer la loi de la v.a. Y=Log(1+X)Y = \operatorname{Log}(1 + X).

Soit (X1,X2,,Xn)(X_1, X_2, \ldots, X_n) un nn-échantillon de XX.

2- Déterminer une statistique SnS_n exhaustive et complète pour θ\theta. Donner sa loi de probabilité.

3- Trouver l'estimateur θ^\hat{\theta} de θ\theta obtenu par la méthode du maximum de vraisemblance.

4- θ^\hat{\theta} est-il sans biais ? est-il convergent ?

5- Déterminer l'estimateur sans biais de variance minimum pour θ\theta. Cet estimateur est-il efficace pour θ\theta ?

6- On veut estimer g(θ)=1θg(\theta) = \dfrac{1}{\theta}.

Déterminer l'estimateur du maximum de vraisemblance de g(θ)g(\theta). Montrer qu'il est efficace pour g(θ)g(\theta).

تحذير طفيف: صيغة الكثافة fθf_\theta باهتة في المسح — القراءة المثبتة متسقة مع السؤال 1 (YExp(θ)Y \sim \mathcal{E}xp(\theta)).