Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
100 Chapitre 2. Variables aléatoires discrètes<br />
Figure 2.14 – Loi empirique du nombre de buts par équipe et par match (à gauche) et son<br />
approximation par une loi de Poisson P(1.04) (à droite).<br />
rend cet ensemble d’observations le plus vraisemblable, c’est-à-dire tel que la fonction du<br />
paramètre λ définie par<br />
L(λ) =È(Y1 = y1,...,Y760 = y760)<br />
soit maximale pour λ = λmax. Ce calcul se fait facilement si on suppose que les Yi sont des<br />
variables indépendantes. En effet, cette vraisemblance devient alors<br />
760<br />
L(λ) =È(Y1 = y1)...È(Y760 = y760) = e −λλyi<br />
i=1<br />
yi! = e−760λ λ 760<br />
i=1 yi<br />
760 i=1 yi!<br />
Puisque la fonction logarithmique est croissante, il est équivalent de chercher la valeur de λ<br />
pour laquelle le logarithme de L(λ) est maximal. Nous passons donc à la log-vraisemblance<br />
760<br />
lnL(λ) = −760λ+ln(λ)<br />
i=1<br />
760<br />
yi −<br />
<br />
ln(yi!)<br />
Pour trouver en quel point cette log-vraisemblance atteint son maximum, il suffit de la dériver<br />
(lnL(λ)) ′ = −760+<br />
i=1<br />
760<br />
i=1 yi<br />
λ<br />
d’où l’on déduit que l’estimateur au maximum de vraisemblance de λ est<br />
λmax =<br />
760<br />
i=1 yi<br />
760<br />
824<br />
= ≈ 1.08.<br />
760<br />
L’estimateur au maximum de vraisemblance est donc tout simplement la moyenne empirique<br />
des yi, souvent notée ¯y. Ceci n’a rien de choquant intuitivement : le paramètre λ correspondant<br />
à la moyenne d’une loi de Poisson P(λ), il est naturel de l’estimer par la moyenne<br />
empirique de l’échantillon. Cette fois, les 8 premiers termes d’une loi de Poisson P(1.08)<br />
sont :<br />
[È(Y = 0),...,È(Y = 8)] ≈ [0.340,0.367,0.198,0.071,0.019,0.004,0.001,0.000,0.000],<br />
qui constitue également une très bonne approximation des données réelles.<br />
Remarque. La principale critique vis-à-vis de l’estimation au maximum de vraisemblance<br />
est qu’elle suppose l’indépendance des variables Yi, laquelle semble peu réaliste dans une<br />
compétition sportive.<br />
Arnaud Guyader - <strong>Rennes</strong> 2 <strong>Probabilités</strong>