c- Lois Usuelles - Institut De Mathématiques De Marseille...
Transcript of c- Lois Usuelles - Institut De Mathématiques De Marseille...
C- Lois usuelles
C.1- Lois discrètes- Loi uniforme
Ex : E=« lancer d’un dé régulier »
X=numéro apparaissant sur le dé
X suit une loi uniforme de probabilité 1/6
• Loi d’une variable aléatoire X prenant ses valeurs dans {1,…,n} avec la même probabilité:
1( ) {1,2,... }P X x x n= = ∀ ∈
Eléments de calcul pour l’espérance et la variance :
• Moments :
1( ) {1,2,... }P X x x n
n= = ∀ ∈
21 1( ) ; ( )
2 12
n nE X V X
+ −= =
( 1) ( 1)(2 1); ²
2 61 1
n nn n n n ni i
i i
+ + += =∑ ∑= =
C.1- Lois discrètes- Loi de Bernoulli
• Loi :
• Moments
E: Tirage dans une urne de
Bernoulli ayant une proportion p de boules rouges. q=1-p1( ) , {0,1}x xP X x p q x−= = ∈
( )X p ⇔∼ B
p• Moments
X=nombre de boules rouges
Rq :
( ) ; ( )E X p V X pq= =
A
1Fonction indicatrice de A : 1 ( )
0
1 ( ( ))A
x Ax
x A
X P A
∈= ∉
= ∼ B
C.1- Lois discrètes- Loi Binomiale
• Loi :
Moments :
E: n tirages avec remise dans une
urne de Bernoulli ayant une proportion p de boules rouges( ) {0,..., }
x x n x
nP X x p q x nC −= = ∀ ∈
( , )X n p ⇔∼ B
n
• Propriétés
Si n>50 et p<0.1
Si n>50 et p>0.1
X=nombre de boules rouges
Outils :
( ) ; ( )E X np V X npq= =
( )X np≈P
( ),X N np npq≈
1 1
2 2 1 2 1 2
1 2
( , )
( , ) ( , )
X n p
X n p X X n n p
X X
⇒ + +
⊥
∼
∼ ∼
B
B B 0
1
1
!
!( )!
1
x
n
nx x n x
nx
x x
n n
n
x n x
p q
n
x
C
C
C C
−
=
−
−
=−
=
=
∑
C.1- Lois discrètes- Loi de Poisson
• Loi : • Ex : nombre de personnes se présentant à l’arrêt de bus après une durée λ.
( ), 0X λ λ > ⇔∼P
( ) ,!
x
P X x e xx
λ λ−= = ∀ ∈N
• Moments
• Propriétés :
Si λ grand, • Outils :
( ) ( )E X V X λ= =
( , )X λ λ≈ N
1 1
2 2 1 2 1 2
1 2
( )
( ) ( )
X
X X X
X X
λλ λ λ
⇒ + +
⊥
∼
∼ ∼
P
P P0 !
x
x
ex
λλ+∞
=
=∑
C.1- Lois discrètes- Loi Binomiale négative
• Loi : E: tirages avec remise dans une
urne de Bernoulli ayant une proportion p de boules rouges
1( )
x r x
x rP X x p q xC + −
= = ∀ ∈N
( , )X r p ⇔∼
�BN
• Moments :
X=nombre de boules blanches précédent la r° boule rouge
Outils:
( ) ; ( )²
rq rqE X V X
p p= =
10
1x r x
x rx
p qC∞
+ −=
=∑
C.1- Lois discrètes- Loi Géométrique
• Loi :
• Moments :
E: tirages avec remise dans une urne de Bernoulli ayant une proportion p de boules rouges
1( ) xP X x pq x−= = ∀ ∈N
( )X p ⇔∼ G
• Moments :
• Outils
X=rang de la 1° boule rouge
très utilisé en durée de vie et en biologie.
1( ) ; ( )
²
qE X V X
p p= =
0
1
1x
x
pp
∞
=
=−∑
C.1- Lois discrètes- Loi Hypergéométrique
• Loi : E: n tirages sans remise dans une
urne de Bernoulli ayant une proportion p de boules rouges
( ) {0,..., }
x n x
Np N Npn
N
P X x x nC C
C
−
−= = ∀ ∈
( ,N, )X n p ⇔∼H
nN
• Moments :
• Propriétés
Si N>>n (N>10n)
X=nombre de boules rouges ( ) ; ( )1
N nE X np V X npq
N
−= =−
( , )X n p≈ B
C.2- Lois continues- Loi uniforme
• Loi : • Propriétés
[ , ]
11
( ) 10 sinon
a x b
X a b
a x bf x b a
b a ≤ ≤
⇔
≤ ≤= = −−
∼ U[ , ] [0,1]
X aX a b
b a
−⇔−
∼ ∼U U
f
• Moments
• Fonction de répartition
0 sinonb a−
( )²( ) ; ( )
2 12
a b b aE X V X
+ −= =
0
( )
1
x a
x aF x a x b
b ax b
< −= ≤ ≤ −
>
a b
1/(b-a)
a b
F
C.2- Lois continues- Loi normale
• Loi ( , )X N µ σ ⇔∼
21
21( ) ,
2
x
f x e xµ
σ
σ π
− − = ∀ ∈R
m=0S=1
m=1,S=1
• Moments
• Propriétés :
( ) ; ( ) ²E X V Xµ σ= =
1 1 12 2
2 2 2 1 2 1 2 1 2
1 2
( , )
( , ) ( , )
X N
X N X X N
X X
µ σµ σ µ µ σ σ
⇒ + + +
⊥
∼
∼ ∼
( , ) (0,1)X m
X N m U Nσσ−⇔ =∼ ∼
m
m
C.2- Lois continues- Loi normale
• Propriétés d’une v.a. U de loi normale N(0,1)
1-Ф(x)Ф(-x)
On note la fdr de U
1 1(0) ; ( ) 0
2 2( ) 1 ( )
(| | ) 2 ( ) 1
x x
x x
P X x x
Φ
Φ = Φ < ⇔ <
Φ − = − Φ< = Φ −
-x x
C.2- Lois continues- Loi log-normale
• Loi
1-F(x)F(-x)( , ) ln( ) ( , )
X LN Y X Nµ σ µ σ⇔ =∼ ∼
• Moments
( )2
2
2 22
( )
( ) 1
E X e
V X e e
σµ
σ µ σ
+
+
=
= −
C.2- Lois continues- Loi exponentielle
• Loi ( ), 0X λ λ > ⇔∼ ε
0
0 0( ) 1
0x
x x
xf x e
e xλ
λλλ
−≥ −
<= = ≥
�
Loi souvent utilisée en fiabilité : durée de vie d’un composant
λ=4λ=3
• Moments
• Fonction de répartition :
1 1( ) ; ( )
²E X V X
λ λ= =
0 0( )
1 0x
xF x
e xλ−
<= − ≥
λ=1
C.2- Lois continues- Loi gamma
• Loi
• Moments
( , ), 0, 0X k kθ θΓ > > ⇔∼
1
0( ) 1( )
xk
xk
x ef x
k
θ
θ
−−
≥=Γ
�
• Moments
• Propriétés
Si k=1,
Si θ=2,
Si k entier, la loi de X s’appelle loi d’Erlang
Si
2( ) ; ( )E X k V X kθ θ= =
(1/ )X ε θ∼
²(2 )X kχ∼
1
i.i.d. (1/ ) ( , )n
i ii
X Y X nε θ θ=
⇒ = Γ∑∼ ∼
1
0( ) ; ( 1) ( )k tk t e dt k k k
∞ − −Γ = Γ + = Γ∫
C.2- Lois continues- Loi du chi2
• Loi : la loi du chi2 à k ddl est la loi de la somme de n variables de loi N(0,1):
k2i i
i=1
²( ), * a même loi que
Z = U , U . . . (0,1)
X k k X
i i d N
χ ∈ ⇔
∑
∼
∼
N
• Moments
• Propriétés :
X à valeurs positives.
La loi de X/2 est une loi gamma(n)
Lorsque k=2 X suit E(1/2)
Si k>50,
i=1
( ) ; ( ) 2E X k V X k= =
( , 2 )X N k k≈( )
2 2
2
10
2
1( ) 1
2
k x
k xk
f x x e− −≥=
Γ�
C.2- Lois continues- Loi de Student
• Loi :
( ), * a même loi que
UT = , U Z, U (0,1), ²( )
Z/k
X k k X
N Z kχ
∈ ⇔
⊥
∼
∼ ∼
T N
• Moments
• Propriétés :
Si k>30 alors
T = , U Z, U (0,1), ²( )Z/k
N Z kχ⊥ ∼ ∼
(0,1)X N≈
( ) 0, 1 ( ) , 22
kE X k V X k
k= > = >
−
C.2- Lois continues- Loi de Fisher
• Loi :
1 2
1 11 2 1 1 2 2
2 2
( , ), * a même loi que
Z /F = , Z Z , Z ²( ), ²( )
Z /
iX F n n n X
nn Z n
nχ χ
∈ ⇔
⊥
∼
∼ ∼
N
• Moments
• Propriété
22
2
2 1 222
1 2 2
( ) , 22
2 ( 2)( ) , 4
( 2) ( 4)
nE X n
n
n n nV X n
n n n
= >−
+ −= >− −
2
22
(1, ) a même loi que
F = , ( )
X F n X
T T n
⇔∼
∼T
C-3 Simulations de lois
� Théorème d’inversion
Soit F une fonction de répartition sur R. On note
l’inverse généralisé de F (vaut l’inverse habituelle lorsque F est continue
1( ) inf{ / ( ) }F y x F x y− = ∈ ≥R
l’inverse généralisé de F (vaut l’inverse habituelle lorsque F est continue
est strictement croissante). Soit U deloi uniforme sur [0,1]. Alors,
1. a pour fonction de répartition F
2. Si F est continue sur R et X de fdr F, U=F(X) suit une loi uniforme
sur [0,1].
1( )X F U−=
C-3 Simulations de lois
� Simulation d’une loi continue
Simulation de n réalisations X de loi F:
– on simule n réalisations d’une loi uniforme sur [0,1] (tirage au hasard de n nombres sur cet intervalle) : u1,…,un
– On calcule . Ce sont n réalisations de X de loi F.
11,...., , ( )i ii n x F u−∀ = =
C-3 Simulations de lois
� Simulation d’une loi discrète
Soit la loi de probabilité discrète d’une variable
aléatoire à valeurs dans On note
et la fonction de répartition de cette loi en tout point. 1
( )k
k k ii
s P X x p=
= ≤ =∑( )
1( )i i i n
p P X x≤ ≤
= =
1{ ,..., }.nx xn
=∑et la fonction de répartition de cette loi en tout point.
Soient n réalisations d’une variable de loi uniforme sur [0,1].
Alors
Sont n réalisations d’une variable aléatoire
discrète de loi F.
1i=
1,..., nu u11
1
( ) 1k k
n
k x u xk
F u s−− ≤ <
=
=∑
1
* 1
1
1,..., , ( ) 1k i k
n
k i k s u sk
i n x F u x−
−≤ <
=
∀ = = =∑