Upload
nguyenhuong
View
221
Download
4
Embed Size (px)
Citation preview
STT 3220: Méthodes de prévision
Travail pratique 2
Hiver 2017
(1) Dans le numéro 3 du t.p. 1, trouver le meilleur préviseur et le meilleur préviseur linéaire
de Y sachant X. Calculer les EQM de ces deux préviseurs.
(2) Considérons deux variables aléatoires indépendantes. Montrer que E(X|Y = y) =
E(X), quelque soit y, aussi bien dans le cas continu que dans le cas discret.
(3) Montrer que si E(Y |X = x) = E(Y ), quelque soit x, alors X et Y sont non-correlés.
Donner un contre-exemple montrant que la réciproque n'est pas vraie.
(4) Montrer que cov(X, E(Y |X)) = cov(X, Y ).
(5) On considère X et Y deux variables aléatoires conjointement normales de densité:
f(x, y) =1
2πσxσy
√1− ρ2
exp
{− 1
2(1− ρ2)
[(x− µx
σx
)2
+
(y − µu
σy
)2
− 2ρ(x− µx)(y − µy)
σxσy
]}
• Montrer que la loi conditionelle de Y lorsque X = x est normale d'espérance
µy + ρ(σy/σx)(x− µx) et de variance σ2y(1− ρ2).
• Discuter des implications de ce résultat dans la recherche du meilleur préviseur et
du meilleur préviseur linéaire.
• Montrer que la corrélation entre X et Y est ρ.
• Montrer que X et Y sont indépendantes si et seulement si ρ = 0.
(6) Supposons que Y admette une loi normale N(µ, σ2).
• Montrer que E|Y − c| = σQ{(c − µ)/σ}, où Q(t) = 2{φ(t) + tΦ(t)} − t. Les
fonctions φ(t) et Φ(t) sont les fonctions de densité et de distribution d'une normale,
respectivement.
• Montrer que µ minimise E|Y − c| comme fonction de c.
(7) Supposons que (X, Y ) est une normale bivariée. Montrer que le meilleur prédicteur,
dans le sens de l'erreur quadratique moyenne, coincide avec le meilleur prédicteur dans
le sens de l'erreur absolue moyenne.1
2
(8) Le meilleur préviseur linéaire de Y basé sur X est donné par µy + ρ(σy/σx)(X − µx).
Ainsi, si E(Y |X) = a + bX, alors montrer qu'il découle que a = µy − ρ(σy/σx)µx et
b = ρσy/σx.
(9) On considère deux stations A et B. On suppose que la station émettrice est A et que
B est donc la station qui reçoit le signal. Le signal d'intensité s émis par A et perçu
par B est une variable aléatoire normale N (s, 1). Cependant, le signal émis par A est
lui-même une variable aléatoire N (µ, σ2), que l'on note S. Le signal observé par B est
noté R.
a) Trouver la loi conjointe de (S, R). Indication: Pour aider l'intuition, vous pouvez
calculer les moments de R et S, et même la covariance entre R et S. Il semble y
avoir beaucoup de normalité dans le problème! Pourquoi ne pas tenter de voir si la
conjointe ne peut pas s'écrire comme en 5)?
b) Trouver la loi conditionnelle de S|R = r.
c) Trouver la meilleure estimation de l'intensité d'émission si l'on enregistre R = r.
(10) (Question 1; examen intra; hiver 2013) Soient X et Y deux variables aléatoires ayant la
fonction de densité suivante:
fXY (x, y) =e−x/ye−y
y, 0 < x < ∞; 0 < y < ∞.
a) Trouver la distribution marginale de Y et la distribution conditionnelle de X
sachant Y .
b) Trouver l'espérance conditionnelle E(X|Y = y).
c) Trouver la covariance entre X et Y .
d) Déterminer la meilleure prévision linéaire a�n de prévoir X à partir de Y = y, ainsi
que l'erreur quadratique moyenne associée.
e) A�n de prévoir X, comparer la réduction en erreur quadratique moyenne lorsque
Y est utilisée a�n de prévoir X, utilisant la meilleure prévision linéaire, compara-
tivement à la situation où Y est ignorée a�n de prévoir X.