---
title: "PRSTA: TD 2"
date: 2021-09-29 14:30
categories: [Image S9, PRSTA]
tags: [Image, S9, PRSTA]
description: TD 2
---
Lien de la [note Hackmd](https://hackmd.io/@lemasymasa/B1HfQyzNF)

# Exercice 9

On etudie une grandeur suivant une loi normale $\mathcal N (m, 1)$. Nous disposons de deux observations issues de variables aleatoires independantes $X_1$ et $X_2$ et souhaitons tester $H_0 : m = 0$ contre $H_1 : m = 1$ et prendre une decision avec un risque de premiere espece $\alpha = 5\%$.

1. Considerons la regle de de decision : *Rejeter $H_0$ si $X_1 + X_2 \gt k$*.
1. Quelle loi suit $X_1 + X_2$ sous l’hypothese $H_0$ ?
2. En deduire la valeur de $k$ sachant que $\alpha = 5\%$.
3. Determiner la region critique du test et representer la graphiquement.
4. Calculer le risque de seconde espece $\beta$ et la puissance du test.
2. Considerons un autre test defini par la regle de decision : Rejeter $H_0$ si $\min(X_1, X_2) \gt l$.
1. D´eterminer la valeur l sachant que $\alpha = 5\%$.
2. D´eterminer la region critique et representer la graphiquement.
3. Calculer le risque de seconde espece $\beta$ et la puissance du test.

:::spoiler Solution
1.

$X_1$ suit $\mathcal N(m,1)$ et $X_2$ suit $\mathcal N(m,1)$, on a $X_1$ indépendant à $X_2$ donc $X_1 + X_2$ suit $\mathcal N(2m,2)$.

2.

$$
\alpha=P(\underbrace{\text{rejeter } H_0}_{\color{red}{X_1+X_2\gt k}} \vert \underbrace{H_{0} \text{ vraie}}_{\color{red}{X_1+X_2\sim\mathcal N(2m,2)}})\\
\color{red}{\begin{aligned}
V(X_1+X_2) &= E((X_1+X_2)^2)\\
&= E(X_1^2)+E(X_2^2) + 2E(X_1X_2)\\
&= \color{black}{\boxed{\color{red}{2}}} + \underbrace{2E(X_1)E(X_2)}_{\color{black}{=0}}
\end{aligned}}
$$


$$
\color{red}{
\begin{aligned}
\alpha&= P(\text{rejeter } H_0\vert H_1\text{ vraie})\\
&= P(X_1+X_2\gt k\vert X_1+X_2\sim\mathcal N(0,2))\\
&= P(\frac{X_1+X_2}{\sqrt{2}}\gt\frac{k}{\sqrt{2}}\vert X_1+X_2\sim\mathcal N(0,2))
\end{aligned}
}
$$

Sous l'hypothese $(H_0)$

$$
\frac{X_1+X_2}{\sqrt{2}}\sim\mathcal N(0,1)\\
0,05 =\alpha=P(U\gt\frac{k}{\sqrt{2}})
$$

$$\frac{k}{\sqrt(2)} = 1.64 \text{ (par la table normale on cherche 0.95)} \\
\text{Donc, } k = 2.32$$

3.

On cherche la région critique tq on rejette $H_0$ soit $X_1 + X_2 \gt 2.32$

$$
\{(x_1,x_2)\in\mathbb R^2\vert x_1+x_2\gt 2.32\}
$$

*Qu'est-ce qu'on fait en premier ?*
> On ouvre Geogebra xdd

Comme en ocvx, on trace eq1: $x_1 + x_2 - 2.32 = 0$


4.

*Rappel : **Risque de second espece** : $H_1$ soit vrai alors qu'on garde $H_0$*
On veut donc $X_1 + X_2 \le k = 2.32$ et $X_1$ et $X_2$ suivent $\mathcal N(m=1,1)$
On cherche donc $\beta = P(\text{accepter} H_0 | H_1 vraie)$

$$
\beta = P(X_1+X_2\le k\vert m=1)\\
\frac{X_1+X_2-2}{\sqrt{2}}\sim\mathcal N(0,1)\quad\text{sou l'hypothese } H_1$$
$$
\begin{aligned}
\beta&=P(U\le\frac{k-2}{\sqrt{2}})\\
&=P(U\le0.23)\\
&=0.59
\end{aligned}\\
\color{green}{\boxed{\beta\simeq 0.59}}
$$

On a fait une erreur majeure du point de vue modelisation: on a prit un $\alpha$ trop petit

La puissance de test est $1-0.59=\boxed{0.41}$

## 2ème partie

1.
$$
\begin{aligned}
\alpha&=P(\text{rejeter } H_0\vert H_0\text{ vraie})\\
&= P(\min(X_1,X_2)\gt l\vert m=0)\\
&= P(\{X_1\gt l\}\cap\{X_1\gt l\}\vert m=0)\\
&= P(U\gt l)^2 \quad\text{ou } U\sim\mathcal N(0,1)\text{ car } X_1 \text{ et } X_2\sim\mathcal N(0,1)
\end{aligned}\\
\color{red}{0.05 = P(U\gt l)^2\\
P(U\gt l)=\sqrt{0.05}\simeq 0.22
}
$$

Donc, d'apres la table:

$$
l\simeq0.77
$$

2.

$$
\{(X_1,X_2)\in\mathbb R^2\vert\min(X_1,X_2)\gt 0.77\}
$$


3.

On a un probleme: $P(\min(X_1,X_2)\le l)$

$$
\begin{aligned}
\beta&= P(\text{Accepter }H_0\vert H_1\text{ vraie})\\
&= P(\min(X_1,X_2)\le l\vert H_1\text{ vraie})\\
&= 1-P(\min(X_1,X_2)\gt l\vert H_1\text{ vraie})
\end{aligned}
$$

$$
color{red}{
\begin{aligned}
\beta&= 1-P(\{X_1\gt l\}\cap \{X_2\gt l\}\vert H_1\text{ vraie})\\
&= 1-P(X_1\gt l\vert H_1\text{ vraie})^2\quad X_1\text{ et } X_2 \sim\mathcal N(1,1)
\end{aligned}
}
$$

Sous $(H_1)$, $X_1$ et $X_2$ suivent une loi $\mathcal N(1,1)$

Donc $U=X_1-1\sim\mathcal N(0,1)$ sous $(H_1)$

$$
\begin{aligned}
\beta &=1-P(X_1-1\gt 0.77-1)^2\\
&= 1-P(U\gt -0.23)^2\\
&\simeq 1-0.59^2\\
&\simeq 0.65
\end{aligned}
$$
La puissance du test est $1-\beta = 1 - 0.65 = \boxed{0.35}$

:::