Vous êtes sur la page 1sur 6

Variance (statistiques et probabilits)

Un article de Wikipdia, l'encyclopdie libre. Aller : Navigation, rechercher Pour les articles homonymes, voir Variance. En statistique et probabilit, la variance est une mesure arbitraire servant caractriser la dispersion d'une distribution ou d'un chantillon.

Sommaire
[masquer] 1 Dfinition 2 Proprits

3 Ecart type 4 Cas discret


o o

4.1 Simplification 4.2 quiprobabilit

5 Cas continu 6 Variance d'un vecteur alatoire 7 Estimation


o

7.1 Proprits

7.1.1 Biais

7.1.1.1 Pourquoi n-1?

o o o

7.2 Convergence 7.3 Distribution des estimateurs 7.4 Mthodes de calcul

8 Voir aussi

Dfinition [modifier]
Soit X une variable alatoire relle dont le moment d'ordre 2, savoir Dfinition , existe.

tant l'esprance mathmatique ; l'existence du moment d'ordre 2 implique celle de

On peut interprter la variance comme la moyenne des carrs des carts la moyenne (rigoureusement: l'esprance des carrs des carts l'esprance, vulgairement: Moyenne des carrs moins le carr des moyennes). Elle permet de caractriser la dispersion des valeurs par rapport la moyenne. Ainsi, une distribution avec une mme esprance et une variance plus grande apparatra comme plus tale. Le fait que l'on prenne le carr de ces carts la moyenne vite que des carts positifs et ngatifs ne s'annulent. Notation On note souvent:

Proprits [modifier]

La variance est toujours positive ou nulle. Lorsque la variance est nulle, cela signifie que la variable alatoire correspond une constante (toutes les ralisations sont identiques). Formule alternative de calcul de la variance:

Proprit Cette formule s'nonce ainsi : la variance est gale l'esprance du carr de X moins le carr de l'esprance de X. La formule permet souvent un calcul plus simple de la variance que la dfinition. Sa dmonstration est faite dans le thorme de Knig-Huyghens. Variance d'une transformation affine:

Proprit [Drouler] Dmonstration On remarque travers cette proprit que le fait de dplacer simplement une distribution (ajouter +b) ne modifie pas sa variance. Par contre, changer l'chelle (multiplier par a) modifie la variance quadratiquement. Cette proprit permet galement de confirmer la remarque tablie prcdemment que la variance d'une

constante est nulle, en effet, . Variance de la somme de deux variables dsigne la covariance des variables alatoires X et Y, alors:

Si Proprit

Variance de la somme de deux variables indpendantes (et plus gnralement non corrles)

Proprit

Il faut faire attention au fait que les variables sont soustraites, leur variances s'additionnent. Bilinarit

! Mme si

Proprit Cette formule est classique pour une forme quadratique associe une forme bilinaire symtrique. Dans ce cas particulier, cela traduit le fait que la covariance est une forme bilinaire symtrique positive (sur l'espace vectoriel des variables alatoires de carr intgrable), et que la forme quadratique associe est la variance. On a plus gnralement

Proprit

Variance de la moyenne de variables indpendantes (ou 2 2 non corrles) et de mme variance 2

En dfinissant

Proprit [Drouler] Dmonstration

Ecart type [modifier]


Article dtaill : cart type. L'cart type est la racine carre de la variance:

Cas discret [modifier]


La variance V(X) reprsente la moyenne des carrs des carts la moyenne : elle permet de caractriser, tout comme l'cart type, la dispersion des valeurs xi par rapport la moyenne, note ou encore E(X).

Soit une srie statistique et ).

de moyenne

et d'effectif total n (cest--dire

La variance de cette srie est alors :

Simplification [modifier]
La moyenne peut tre considre comme le barycentre de la srie.

D'aprs le thorme de Knig , on a : [Drouler] Dmonstration

quiprobabilit [modifier]
Dans le cas d'quiprobabilit,

Remarque: galit toujours vraie, mme s'il n'y a pas quiprobabilit! (cf dvelopper le calcul et sortir la moyenne de la somme dans le terme crois)

Cas continu [modifier]


Dans le cas continu, la variance se calcule de la faon suivante :

Variance d'un vecteur alatoire [modifier]


Si l'on dfinit comme un vecteur alatoire qui comporte k variables et comme le vecteur des k esprances de X, on dfinit alors la variance comme: Dfinition

Il s'agit alors d'une matrice carre de taille k, appele matrice de variance-covariance, qui comporte sur sa diagonale les variances de chaque composante du vecteur alatoire et en dehors de la diagonale les covariances. Cette matrice est symtrique et semi-dfinie positive ; elle est dfinie positive si et seulement si la seule combinaison linaire certaine (c'est--dire presque srement constante) des composantes du vecteur alatoire est celle dont tous les coefficients sont nuls. On a les proprits suivantes: Proprit Si V est une matrice carre de taille

Estimation [modifier]
Deux estimateurs sont gnralement utiliss pour la variance:

et

Proprits [modifier]
Biais [modifier]

L'estimateur

est biais:

[Drouler] Dmonstration

L'estimateur

est sans biais.

Dmonstration En effet, il suffit de corriger l'estimateur pour avoir un estimateur

en le multipliant par sans

biais:

Pourquoi n-1? [modifier]

Le fait que l'estimateur de la variance doive tre divis par n-1 (et donc dans un certain sens moins prcis) pour tre sans biais provient du fait que l'estimation de la variance implique l'estimation d'un paramtre en plus, l'esprance. Cette correction tient compte donc du fait que l'estimation de l'esprance induit une incertitude de plus. En effet:

Thorme si l'on suppose que l'esprance est connue, l'estimateur [Drouler] Dmonstration

est sans biais

Convergence [modifier]
Les estimateurs Thorme [Drouler] Dmonstration et et sont convergents en probabilit. si les observations sont iid (,2).

Distribution des estimateurs [modifier]


En tant que fonction de variables alatoires, l'estimateur de la variance est galement une variable alatoire. Sous l'hypothse que les yi sont des observations indpendantes d'une loi normale, le thorme de Cochran (en) montre que suit une loi du :

En consquence, il suit que . Cette proprit d'absence de biais peut cependant tre dmontre mme sans l'hypothse de normalit des observations.

Mthodes de calcul [modifier]


Le calcul par ordinateur de la variance empirique peut poser certains problmes, notamment cause de la somme des carrs. La page anglaise: Algorithms for calculating variance dcrit le problme ainsi que des algorithmes proposs.