Vous êtes sur la page 1sur 99

Les distributions de Meijer et

leurs proprits en statistiques de Mellin








Jean-Marie Nicolas














janvier 2011






Dpartement Traitement du Signal et des Images
Groupe TII : Traitement et Interprtation des Images










2011D002










Les distributions de Meijer
et leurs proprietes en statistiques de Mellin
Jean Marie Nicolas
Institut Telecom, Telecom ParisTech, CNRS LTCI
46 rue Barrault, 75634 PARIS Cedex 13
jean-marie.nicolas@telecom-paristech.fr
Resume
C.S.Meijer a introduit les fonctions de Meijer comme une generalisation des fonctions
hypergeometriques. Or certaines fonctions de Meijer sexpriment comme des transformees inverse
de Mellin. Aussi est-il tentant daborder ces fonctions sous langle des statistiques de Mellin, ce
qui conduit naturellement `a la denition des distributions de Meijer. Ces distributions, denies
sur IR
+
, sont idealement adaptees au concept de bruit multiplicatif et generalisent la quasi
totalite des lois utilisees en imagerie coherente. Elles forment une classe stable par convolution
de Mellin et pour loperation loi inverse. De plus, derivee et primitive sexpriment aussi sous
la forme de fonction de Meijer, ce qui permet en particulier davoir une expression analytique
de la fonction de repartition.
Abstract
C.S. Meijer proposed a generalisation of hypergeometrical functions : the Meijers functions.
Yet, some of Meijers functions can be dened as an inverse Mellin transform so that it is possible
to deal with these functions in the Mellin statistics framework. By this way, it is possible to dene
Meijers distributions. As they are dened on IR
+
, they match well with multiplicative noise
and they generalize almost all the probability density functions used in coherent imagery. More,
they dene a stable set for the Mellin convolution and for the inverse transform. Their derivative
and their primitive can be also expressed as Meijers functions. By this way, cumulative functions
of Meijers distributions can always be analytically dened.
1
Table des mati`eres
1 Introduction 6
2 Denitions et proprietes fondamentales 7
2.1 Denition des fonctions de Meijer denies sur IR
+
. . . . . . . . . . . . . . . . . 7
2.2 Notation des fonctions de Meijer . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Proprietes de base : reduction/augmentation du nombre de param`etres . . . . . . 8
2.4 Relations fondamentales fondees sur la transformee de Mellin et la convolution
de Mellin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.4.1 Multiplication par la variable x . . . . . . . . . . . . . . . . . . . . . . . . 9
2.4.2 Convolutions de Mellin de deux fonctions de Meijer . . . . . . . . . . . . 9
2.5 Propriete fondamentale de la fonction inverse . . . . . . . . . . . . . . . . . . . 9
2.6 Cas particuliers de fonctions de Meijer denies sur IR
+
. . . . . . . . . . . . . . . 10
2.6.1 Distribution Mellin-Dirac
M
. . . . . . . . . . . . . . . . . . . . . . . . 10
2.6.2 Exponentielle decroissante . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.6.3 Exponentielle decroissante inverse . . . . . . . . . . . . . . . . . . . . . 11
2.6.4 Fonction de Bessel modiee de seconde esp`ece K . . . . . . . . . . . . . . 12
2.6.5 Fonction de Fisher . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.6.6 Fonction Beta et fonction Beta inverse . . . . . . . . . . . . . . . . . . . . 13
2.6.7 Fonction de Whittaker . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.6.8 Fonctions hypergeometrique . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.7 Une nouvelle propriete de permutation des param`etres . . . . . . . . . . . . . . . 15
2.8 Programmation en Maple V13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3 Derivation de fonctions de Meijer 16
3.1 Expressions generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.3 Nouvelles formulations de la derivation . . . . . . . . . . . . . . . . . . . . . . . . 17
3.3.1 Cas general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.3.2 Cas particulier de fonction de Meijer G
m,n
p,q
: a
1
= 1 et b
m+1
= 0 . . . . . . 19
3.3.3 Cas particulier de fonction de Meijer G
m,n
p,q
: a
n+1
= 1 et b
1
= 0 . . . . . . 19
3.3.4 Cas particulier : b
1
= 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.4 Autre formulation de la derivation : utilisation de la transformee de Mellin . . . . 20
3.5 Exemples de derivation de fonctions de Meijer . . . . . . . . . . . . . . . . . . . . 22
3.5.1 Exponentielle decroissante . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.5.2 Exponentielle decroissante inverse . . . . . . . . . . . . . . . . . . . . . 23
3.5.3 Derivation des fonctions de Bessel modiees de seconde esp`ere K . . . . . 24
3.5.4 Derivation des fonctions de Fisher . . . . . . . . . . . . . . . . . . . . . . 24
3.5.5 Derivation des fonctions Beta . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.5.6 Derivation des fonctions de Whittaker . . . . . . . . . . . . . . . . . . . . 25
3.5.7 Derivation des fonctions hypergeometriques : cas
1
F
1
. . . . . . . . . . . . 25
3.5.8 Derivation des fonctions hypergeometriques : cas general . . . . . . . . . . 26
4 Integration des fonctions de Meijer 26
4.1 Premi`ere expression de la primitive dune fonction de Meijer . . . . . . . . . . . . 26
4.2 Seconde expression de la primitive dune fonction de Meijer . . . . . . . . . . . . 27
4.3 Exemples dintegration de fonctions de Meijer . . . . . . . . . . . . . . . . . . . . 28
4.3.1 Integration de lexponentielle decroissante . . . . . . . . . . . . . . . . . . 28
4.3.2 Integration de lexponentielle decroissante inverse . . . . . . . . . . . . 29
4.3.3 Integration des fonctions de Bessel modiees de seconde esp`ece K . . . . 30
2
4.3.4 Integration des fonctions de Fisher . . . . . . . . . . . . . . . . . . . . . . 30
4.3.5 Integration des fonctions Beta . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.3.6 Integration des fonctions hypergeometriques (cas general) . . . . . . . . . 31
5 Recapitulatifs 32
5.1 Proprietes essentielles des fonctions de Meijer . . . . . . . . . . . . . . . . . . . . 32
5.2 Tableau recapitulatif des fonctions usuelles . . . . . . . . . . . . . . . . . . . . . 34
5.3 Taxonomie des fonctions usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.4 Tableau recapitulatifs des derivees de fonctions usuelles . . . . . . . . . . . . . . 37
5.5 Tableaux recapitulatifs des primitives des fonctions usuelles . . . . . . . . . . . . 39
6 Les lois de Meijer 41
6.1 Fonctions de Meijer et lois de probabilites . . . . . . . . . . . . . . . . . . . . . . 41
6.2 Les lois de Meijer LM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6.2.1 Cas particulier : lois Gamma et Gamma Inverse . . . . . . . . . . . . . . . 43
6.2.2 Cas general des lois de Meijer . . . . . . . . . . . . . . . . . . . . . . . . . 44
6.2.3 Proprietes des lois de Meijer . . . . . . . . . . . . . . . . . . . . . . . . . . 45
6.2.4 Fonction caracteristique de deuxi`emes esp`ece des lois de Meijer . . . . . . 45
6.2.5 Moments et mode des lois de Meijer . . . . . . . . . . . . . . . . . . . . . 45
6.2.6 log-moments et log-cumulants des lois de Meijer . . . . . . . . . . . . . . 46
6.2.7 Lois de Meijer et lois de Meijer inverse . . . . . . . . . . . . . . . . . . . . 46
6.3 Lois de Meijer generalisees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
6.3.1 Denition des lois generalisees [11] . . . . . . . . . . . . . . . . . . . . . . 46
6.3.2 Exemples de lois generalisees . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.3.3 Denition des lois de Meijer generalisees LMG . . . . . . . . . . . . . . . 48
6.3.4 Fonction caracteristique de deuxi`eme esp`ece des lois de Meijer generalisees 48
6.3.5 Proprietes des lois de Meijer generalisees . . . . . . . . . . . . . . . . . . . 49
6.4 Tableau recapitulatif des lois usuelles exprimees comme lois de Meijer . . . . . . 50
6.4.1 Lois `a deux param`etres . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
6.4.2 Lois `a trois param`etres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.4.3 Lois `a quatre param`etres . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
6.4.4 Lois en amplitude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.4.5 Lois generalisees usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
7 Fonctions de repartition des lois de Meijer 55
7.1 Cas general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
7.2 Fonctions de repartition des lois usuelles . . . . . . . . . . . . . . . . . . . . . . . 56
7.3 Exemples de fonction de repartition . . . . . . . . . . . . . . . . . . . . . . . . . 57
8 Applications : produits, quotient et moyenne geometrique 59
8.1 Produit de variables aleatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
8.1.1 Cas general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
8.1.2 Produits de variables aleatoires suivant la meme loi de distribution . . . . 60
8.1.3 Produits de variables aleatoires suivant des lois de Meijer . . . . . . . . . 60
8.1.4 Produits de deux variables aleatoires suivant la meme loi de distribution . 62
8.2 Rapport de deux variables aleatoires . . . . . . . . . . . . . . . . . . . . . . . . . 63
8.2.1 Cas general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
8.2.2 Rapport de deux variables aleatoires suivant une loi de Fisher . . . . . . . 63
8.3 Moyenne geometrique de variables aleatoires suivant la meme loi de distribution 64
8.3.1 Exemple de la loi log-normale . . . . . . . . . . . . . . . . . . . . . . . . . 65
8.3.2 Exemple de la loi Gamma . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3
9 Generalisation dans IR : les exp-lois 68
9.1 Lois denies sur IR : passage en echelle exponentielle . . . . . . . . . . . . . . . . 68
9.1.1 Denition et propriete . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
9.1.2 Un exemple : la loi lognormale . . . . . . . . . . . . . . . . . . . . . . . . 69
9.1.3 Les log-lois . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
9.2 Lois denies sur IR
+
: passage en echelle logarithmique . . . . . . . . . . . . . . . 70
9.2.1 Denition et proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
9.2.2 Les exp-lois . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
9.2.3 Exp-lois fondamentale : la loi de Fisher Tipett . . . . . . . . . . . . . . . 71
9.2.4 Denition (`a partir de la loi Gamma Inverse) de la loi de Fisher Tipett
opposee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
9.2.5 Convolution de lois de Fisher-Tipett : la loi z de Fisher . . . . . . . . . . 73
9.3 Les lois Meijer-z denies sur IR . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
A Distribution de Mellin-Dirac 78
A.1 Analyse de lintegrale de Barnes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
A.2 Analyse generale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
A.3 Recherche de
M
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
B Moyenne arithmetique 81
B.1 Somme de variables aleatoires suivant la meme loi de distribution . . . . . . . . . 81
B.2 Moyenne arithmetique de variables aleatoires suivant la meme loi de distribution 81
B.3 Exemple de la loi normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
B.4 Exemple de la loi Gamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
C Correspondances avec dautres lois classiques 85
C.1 Prolegom`ene . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
C.2 Diverses lois rencontrees dans la litterature . . . . . . . . . . . . . . . . . . . . . 85
C.2.1 La distribution dAmoroso . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
C.2.2 La loi Beta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
C.2.3 La loi Beta Inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
C.2.4 La loi Beta Generalisee . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
C.2.5 La distribution Beta Prime . . . . . . . . . . . . . . . . . . . . . . . . . . 86
C.2.6 Loi de Burr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
C.2.7 Distribution Chi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
C.2.8 Distribution Chi-2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
C.2.9 Distribution de Dagum . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
C.2.10 Distribution dErlang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
C.2.11 F-distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
C.2.12 La loi de Fisher . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
C.2.13 La loi de Fisher Generalisee . . . . . . . . . . . . . . . . . . . . . . . . . . 89
C.2.14 La distribution de Frechet . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
C.2.15 La loi Gamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
C.2.16 La loi Gamma Generalisee . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
C.2.17 La loi Gamma Inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
C.2.18 La loi K . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
C.2.19 La loi K Inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
C.2.20 La distribution de Kumaraswany . . . . . . . . . . . . . . . . . . . . . . . 91
C.2.21 La distribution de Levy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
C.2.22 La distribution Log-Logistique . . . . . . . . . . . . . . . . . . . . . . . . 91
4
C.2.23 La distribution de Maxwell . . . . . . . . . . . . . . . . . . . . . . . . . . 91
C.2.24 La loi de Nakagami . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
C.2.25 La loi de Nakagami Inverse . . . . . . . . . . . . . . . . . . . . . . . . . . 92
C.2.26 La distribution de Pareto-2 . . . . . . . . . . . . . . . . . . . . . . . . . . 92
C.2.27 La distribution de Rayleigh . . . . . . . . . . . . . . . . . . . . . . . . . . 92
C.2.28 La distribution de Singh Maddala . . . . . . . . . . . . . . . . . . . . . . 92
C.2.29 La distribution Student-t . . . . . . . . . . . . . . . . . . . . . . . . . . 93
C.2.30 La loi de Weibull . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
C.3 Tableau recapitulatif des lois usuelles denies sur IR
+
et exprimees comme lois de
Meijer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5
1 Introduction
Cornelis Simon Meijer propose en 1936 la denition des G-fonctions [2], qui se veulent etre
la forme la plus generale possible des integrales de Barnes et qui peuvent etre vues comme une
generalisation des fonctions hypergeometriques. Elle sont denies dans le plan complexe sur un
parcours L par la relation :
G
m,n
p,q
_
x

a
1
, . . . , a
p
b
1
, . . . , b
q
_
=
1
2i
_
L

m
j=1
(b
j
s)

n
j=1
(1 a
j
+s)

q
j=m+1
(1 b
j
+s)

p
j=n+1
(a
j
s)
x
s
ds
Ce parcours L doit etre bien evidemment precise. Meijer propose trois types de parcours dans
le plan complexe : deux qui sont constitues par des boucles dans le plan complexe, le troisi`eme
qui consiste en une droite du plan complexe parall`ele `a laxe des ordonnees.
Cest ce troisi`eme type de fonctions de Meijer qui fait lobjet de ce rapport. Les fonctions de
Meijer de ce type, notees G
m,n
p,q
dans ce document, sont denies par :
G
m,n
p,q
_
x

a
1
, . . . , a
p
b
1
, . . . , b
q
_
=
1
2i
_
c+i
ci

m
j=1
(b
j
s)

n
j=1
(1 a
j
+s)

q
j=m+1
(1 b
j
+s)

p
j=n+1
(a
j
s)
x
s
ds
la valeur de c devant verier des conditions dexistence speciques.
Il est interessant de remarquer que cette derni`ere expression sapparente, comme nous le
verrons, `a une transformee de Mellin : une consequence immediate de cette propriete est que
ces fonctions de Meijer G
m,n
p,q
sont denies sur IR
+
. Or il semble quil nexiste aucune trace
ecrite sur les liens entre les fonctions de Meijer et les approches de type Mellin : transformee
de Mellin, convolution de Mellin, distribution de Mellin-Dirac,. . .Cest pourquoi ce document
a tout dabord pour objectif de montrer comment les outils de type transformee de Mellin
et convolution de Mellin apportent un eclairage nouveau `a lutilisation et linterpretation des
fonctions de Meijer. Outre les denitions de fonctions usuelles sous forme de fonction de Meijer,
les aspects de derivation et dintegration seront abordees par le biais de la transformee de Mellin.
Un paragraphe specique tentera de resumer lessentiel sous forme de tableaux recapitulatifs
(section 5).
Cette analyse nouvelle sera ensuite appliquee aux lois de probabilites denies sur IR
+
dans le
cadre des statistiques de Mellin
1
: dans ce cadre, nous verrons quil est possible de denir les lois de
Meijer `a partir des fonctions de Meijer et montrerons comment elles sont bien adaptees `a letude
des lois denies sur IR
+
et plus particuli`erement aux lois speciques `a limagerie coherente.
En particulier, pratiquement toutes les lois de probabilites utilisees pour traiter le chatoiement
et prenant en compte la notion de bruit multiplicatif sexpriment comme des lois de Meijer.
De part les liens extremement etroits entre fonction de Meijer et transformee de Mellin, nous
verrons que, meme si lexpression des lois de Meijer est fondee sur les fonctions de Meijer (dont
lexpression analytique explicite nest pas triviale), les moments et les log-moments ont des
expressions analytiques assez faciles `a ecrire et `a comprendre, et simples `a utiliser. Un dernier
point interessant des lois de Meijer est quil est alors possible, gr ace aux proprietes des fonctions
de Meijer, de trouver lexpression analytique de leur fonction de repartition (ce qui peut saverer
utile en simulation).
Enn nous montrerons comment les lois de Meijer apportent des solutions simples `a trois
probl`emes ouverts : la determination de la loi suivie par un produit ou un rapport de va-
riables aleatoires suivant des lois de Meijer, et lanalyse de la moyenne geometrique de variables
aleatoires suivant des lois de Meijer.
1
appelees originellement log-statistiques ou statistiques de deuxi`eme esp`ece.
6
Lobjectif de ce document est donc de proposer un cadre formel pour ce nouveau formalisme
que sont les lois de Meijer. Ces derni`eres sont denies par un certain nombre de param`etres qui
peuvent conditionner lexistence de ces lois. Precisons tout de suite que, pour alleger la lecture,
ces conditions ne seront pratiquement jamais explicitees.
Un certain nombre de demonstrations (aboutissant parfois `a des resultats identiques) sont
donc proposees tout au long du document, qui est de ce fait assez rebarbatif. Aussi, pour per-
mettre une relecture rapide, un paragraphe specique tentera de resumer lessentiel des proprietes
des fonctions de Meijer, principalement sous forme de tableaux recapitulatifs (section 5). Un ta-
bleau resumant les expressions analytiques des lois de Meijer fera lobjet du paragraphe 6.4.
Enn lannexe C proposera une menagerie
2
des lois usuelles converties en lois de Meijer.
Signalons que cette approche, issue principalement de travaux autour de limagerie coherente
(echographie medicale, sonar, radar `a synth`ese douverture), pourrait apporter un nouvel eclairage
`a des probl`emes actuels lies `a la propagation des ondes puisque, par exemple, Vikas et al. ont
recemment utilise les fonctions de Meijer pour resoudre leur probl`eme de fading [15].
2 Denitions et proprietes fondamentales
2.1 Denition des fonctions de Meijer denies sur IR
+
Soit la fonction de Meijer denie dans le plan complexe par lintegrale de Barnes suivante :
G
m,n
p,q
_
x

a
1
, . . . , a
p
b
1
, . . . , b
q
_
=
1
2i
_
c+i
ci

m
j=1
(b
j
s)

n
j=1
(1 a
j
+s)

q
j=m+1
(1 b
j
+s)

p
j=n+1
(a
j
s)
x
s
ds
En eectuant le changement de variable s s, on obtient :
G
m,n
p,q
_
x

a
1
, . . . , a
p
b
1
, . . . , b
q
_
=
1
2i
_
c+i
ci

m
j=1
(b
j
+s)

n
j=1
(1 a
j
s)

q
j=m+1
(1 b
j
s)

p
j=n+1
(a
j
+s)
x
s
ds (1)
expression qui montre que la fonction G
m,n
p,q
_
x

a
1
, . . . , a
p
b
1
, . . . , b
q
_
est la transformee de Mellin inverse
de la fonction

m
j=1
(b
j
+s)

n
j=1
(1 a
j
s)

q
j=m+1
(1 b
j
s)

p
j=n+1
(a
j
+s)
(2)
On retrouve ainsi la relation des tables de transformee de Mellin inverse du Bateman[3].
On a donc la relation fondamentale suivante denissant les fonctions de Meijer G
m,n
p,q
:
G
m,n
p,q
_
x

a
1
, . . . , a
p
b
1
, . . . , b
q
_
= M
1
_

m
j=1
(b
j
+s)

n
j=1
(1 a
j
s)

q
j=m+1
(1 b
j
s)

p
j=n+1
(a
j
+s)
_
(3)
2.2 Notation des fonctions de Meijer
Dans ce document, nous proposons une leg`ere modication typographique `a la denition 1
pour en permettre une lecture plus aisee. La fonction G va etre ecrite en sinspirant des notations
des fonctions hypergeometriques (introduction du separateur ; entre a
n
et a
n+1
, et entre b
m
et b
m+1
) :
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
2
pour reprendre lexpression de Crooks [5]
7
La denition fondamentale de cette fonction secrit alors :
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= M
1
_

m
j=1
(b
j
+s)

n
j=1
(1 a
j
s)

q
j=m+1
(1 b
j
s)

p
j=n+1
(a
j
+s)
_
La relation 2 nous donne alors la transformee de Mellin de G :
M
_
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
__
=

m
j=1
(b
j
+s)

n
j=1
(1 a
j
s)

q
j=m+1
(1 b
j
s)

p
j=n+1
(a
j
+s)
(4)
Dans certains cas speciques (n = 0, n = p, m = 0, m = q), on placera dans le champ vide
correspondant un simple point, ce qui donne par exemple :
G
1,0
0,1
_
x

. ; .
0 ; .
_
G
0,0
0,1
_
x

. ; .
. ; 0
_
G
0,1
1,0
_
x

0 ; .
. ; .
_
G
0,0
1,0
_
x

. ; 0
. ; .
_
2.3 Proprietes de base : reduction/augmentation du nombre de param`etres
A partir de la denition 4, on peut simplier de mani`ere triviale une fonction de Meijer
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
dans les deux cas suivants :
i [1, n], j [m + 1, q] tel que a
i
= b
j
. Dans ce cas, on peut supprimer simultanement
le param`etre a
i
et le param`etre b
j
et on obtient une nouvelle fonction G
m,n1
p1,q1
:
G
m,n
p,q
_
x

a
1
, . . . , a
i1
, a
i
, a
i+1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
j1
, b
j
, b
j+1
. . . , b
q
_
= G
m,n1
p1,q1
_
x

a
1
, . . . , a
i1
, a
i+1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
j1
, b
j+1
. . . , b
q
_
i [n + 1, p], j [1, m] tel que a
i
= b
j
. Dans ce cas, on peut supprimer simultanement
le param`etre a
i
et le param`etre b
j
et on obtient une nouvelle fonction G
m1,n
p1,q1
:
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
i1
, a
i
, a
i+1
, . . . , a
p
b
1
, . . . , b
j1
, b
j
, b
j+1
. . . , b
m
; b
m+1
, . . . , b
q
_
= G
m1,n
p1,q1
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
i1
, a
i+1
, . . . , a
p
b
1
, . . . , b
j1
, b
j+1
. . . , b
m
; b
m+1
, . . . , b
q
_
De la meme mani`ere, on peut rajouter des param`etres egaux :
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m,n+1
p+1,q+1
_
x

a
1
, . . . , a
n
, c ; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
, c
_
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m+1,n
p+1,q+1
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
, c
b
1
, . . . , b
m
, c ; b
m+1
, . . . , b
q
_
Nous verrons que ces proprietes peuvent se formaliser `a laide de Mellin-Diracs, cest `a dire de
distributions jouant le r ole delement neutre pour la convolution de Mellin (paragraphe 2.6.1).
8
2.4 Relations fondamentales fondees sur la transformee de Mellin et la convo-
lution de Mellin
2.4.1 Multiplication par la variable x
Directement `a partir de la transformee de Mellin de la fonction de Meijer (equation 4), et
connaissant les proprietes des transformees de Mellin (multiplication par une puissance de la
variable), on montre une des relations fondamentales des fonctions de Meijer :
x
r
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m,n
p,q
_
x

a
1
+r, . . . , a
n
+r; a
n+1
+r, . . . , a
p
+r
b
1
+r, . . . , b
m
+r; b
m+1
+r, . . . , b
q
+r
_
(5)
2.4.2 Convolutions de Mellin de deux fonctions de Meijer
La transformee de Mellin dune fonction de Meijer (relation 4) sexprime comme un produit
qui peut se scinder. Or on sait quun produit dans lespace Mellin se traduit par une convolution
de Mellin dans lespace dorigine. On a alors :
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
=
G
m

,n

,q

_
x

1
, . . . , a

n
; a

+1
, . . . , a

1
, . . . , b

m
; b

+1
, . . . , b

_
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
(6)
avec :
_

_
n

+n = n
p

+p = p
m

+m = m
q

+q = q
,
_

_
a

i
= a
i
i [1; n

]
a

+i
= a
n+i
i [1; p

]
b

i
= b
i
i [1; m

]
b

+i
= b
m+i
i [1; q

]
,
_

_
a
i
= a
n

+i
i [1; n]
a
n+i
= a
n+p

+1
i [1; p n]
b
i
= b
m

+i
i [1; m]
b
m+i
= b
m+q

+i
i [1; q m]
Cette r`egle est tr`es simple `a appliquer. Par exemple, on a :
G
1,1
2,2
_
x

a ; b
c ; d
_
G
1,1
2,2
_
x

; b

; d

_
= G
2,2
4,4
_
x

a, a

; b, b

c, c

; d, d

_
De mani`ere plus generale, on peut donc utiliser la relation suivante :
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
G
m

,n

,q

_
x

1
, . . . , a

n
; a

+1
, . . . , a
p

1
, . . . , b

m
; b

+1
, . . . , b
q

_
= G
m+m

,n+n

p+p

,q+q

_
x

a
1
, . . . , a
n
, a

1
, . . . , a

n
; a
n+1
, . . . , a
p
, a

+1
, . . . , a
p

b
1
, . . . , b
m
, b

1
, . . . , b

m
; b
m+1
, . . . , b
q
, b

+1
, . . . , b
q

_
(7)
Ces deux nouvelles relations (6 et 7) exploitent de mani`ere tr`es simple le formalisme de la
convolution de Mellin et montrent une fois de plus lutilite des outils issus de la transformee de
Mellin.
2.5 Propriete fondamentale de la fonction inverse
Soit une fonction f(x) denie sur IR
+
. On denit la fonction inverse g(x) par la relation :
g(x) =
1
x
2
f
_
1
x
_
(8)
9
cette denition ayant des proprietes utiles pour denir des lois de probabilites inverses puisque
lon a la propriete :
_

0
g(x)dx =
_

0
f(x)dx
Les proprietes de la transformee de Mellin permettent alors de relier la transformee de Mellin
de f avec la transformee de Mellin de g [11] :
M[g] (s) = M[f] (2 s)
Considerons une fonction f(x) sexprimant comme une fonction de Meijer :
f(x) = G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
Sa transformee de Mellin secrit :
M[f] =

m
j=1
(b
j
+s)

n
j=1
(1 a
j
s)

q
j=m+1
(1 b
j
s)

p
j=n+1
(a
j
+s)
On en deduit la transformee de Mellin de g(x) :
M[g] =

m
j=1
(2 +b
j
s)

n
j=1
(1 a
j
+s)

q
j=m+1
(1 b
j
+s)

p
j=n+1
(2 +a
j
s)
Par simple identication, on peut alors ecrire :
g(x) = G
n,m
q,p
_
x

b
1
1, . . . , b
m
1; b
m+1
1, . . . , b
q
1
a
1
1, . . . , a
n
1; a
n+1
1, . . . , a
p
1
_
(9)
On a ainsi demontre une relation specique aux fonctions de Meijer :
1
x
2
G
m,n
p,q
_
1
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
n,m
q,p
_
x

b
1
1, . . . , b
m
1; b
m+1
1, . . . , b
q
1
a
1
1, . . . , a
n
1; a
n+1
1, . . . , a
p
1
_
que lon peut simplier sous la forme :
G
m,n
p,q
_
1
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
n,m
q,p
_
x

b
1
+ 1, . . . , b
m
+ 1; b
m+1
+ 1, . . . , b
q
+ 1
a
1
+ 1, . . . , a
n
+ 1; a
n+1
+ 1, . . . , a
p
+ 1
_
(10)
et que lon ne trouve pas dans les ouvrages traditionnels (comme le Bateman).
2.6 Cas particuliers de fonctions de Meijer denies sur IR
+
2.6.1 Distribution Mellin-Dirac
M
La distribution Mellin-Dirac
M
verie pour toute fonction f denie sur IR
+
la relation[11] :
_
f
M
_
(u) = f(u)
Or on peut exprimer cette distribution de dierentes mani`eres sous forme dune fonction de
Meijer. Les demonstrations en sont proposees `a lannexe A. On a ainsi cinq expressions possibles
10
pour exprimer un Mellin-Dirac par une fonction de Meijer :
G
0,1
1,1
_
x

a ; .
.; a
_
=
M
a IR (11)
G
1,0
1,1
_
x

.; b
b ; .
_
=
M
b IR (12)
G
1,1
2,2
_
x

a; b
b; a
_
=
M
a IR b IR (13)
G
1,1
2,2
_
x

c r; c
c r; c
_
= (1)
r

M
c IR r ZZ (14)
G
1,1
2,2
_
x

c; c r
c; c r
_
= (1)
r

M
c IR r ZZ (15)
2.6.2 Exponentielle decroissante
Il est connu que lexponentielle decroissante peut sexprimer comme une fonction de Meijer :
e
x
= G
1,0
0,1
_
x

. ; .
0 ; .
_
(16)
puisque sa transformee de Mellin donne une des denitions de la fonction Gamma :
M
_
e
x

= (s).
Nous proposerons dailleurs une demonstration originale de cette relation fondamentale au pa-
ragraphe 3.5.1.
On en deduit de mani`ere triviale la relation :
G
1,0
0,1
_
x

. ; .
0 ; .
_
= e
x
(17)
ainsi que
G
1,0
0,1
_
x

. ; .
a ; .
_
= x
a
e
x
2.6.3 Exponentielle decroissante inverse
Dans ce document nous denissons lexponentielle decroissante inverse comme e

1
x
. On peut
lexprimer comme une fonction de Meijer :
e

1
x
= G
0,1
1,0
_
x

1 ; .
. ; .
_
(18)
Nous proposerons une demonstration de cette relation au paragraphe 3.5.2.
On en deduit de mani`ere triviale la relation :
G
0,1
1,0
_
x

1 ; .
. ; .
_
= e

1
x
(19)
ainsi que la relation :
G
0,1
1,0
_
x

a ; .
. ; .
_
= x
a1
e

1
x
11
2.6.4 Fonction de Bessel modiee de seconde esp`ece K
Si lon eectue la convolution de Mellin de deux exponentielles decroissantes, en appliquant
la relation 7, on obtient :
G
1,0
0,1
_
x

. ; .
0 ; .
_
G
1,0
0,1
_
x

. ; .
0 ; .
_
= G
2,0
0,2
_
x

. ; .
0, 0 ; .
_
Le Bateman donne la relation generale suivante ([2], paragraphe 5.6, formule 4) :
G
2,0
0,2
_
x

. ; .
a, b ; .
_
= 2 x
a+b
2
K
ab
_
2

x
_
(20)
avec K la fonction de Bessel modiee de seconde esp`ece : celle ci peut donc secrire comme une
fonction de Meijer. On retrouve donc le resultat precurseur dEpstein comme un cas particulier
(a = 0, b = 0) :
e
x
e
x
= 2K
0
_
2

x
_
Lexpression 20 peut aussi se deduire des tables de transformee de Mellin (par exemple [3], page
349, formule 17).
Par la suite, dans ce document, nous appelerons fonction K la fonction :
2 x
a+b
2
K
ab
_
2

x
_
= G
2,0
0,2
_
x

. ; .
a, b ; .
_
2.6.5 Fonction de Fisher
Soit la fonction :
G
1,0
0,1
_
x

. ; .
a ; .
_
G
0,1
1,0
_
x

1 b ; .
. ; .
_
= G
1,1
1,1
_
x

1 b ; .
a ; .
_
Sa transformee de Mellin sexprime donc sous la forme :
(a +s) (b s)
et, `a partir des tables de transformees de Mellin inverse (par exemple [3], page 349, formule 15),
on retrouve la fonction suivante
f(x) = (a +b)
x
a
(1 +x)
a+b
(21)
que nous appellerons dans ce document fonction de Fisher.
On a donc :
G
1,1
1,1
_
x

1 b ; .
a ; .
_
= (a +b)
x
a
(1 +x)
a+b
(22)
expression qui nest curieusement pas repertoriee dans le Bateman.
Si on utilise la relation 9, on a ainsi lexpression de la fonction de Fisher inverse :
G
1,1
1,1
_
x

1 a ; .
b 2 ; .
_
= G
1,1
1,1
_
x

1 (a + 2) ; .
b 2 ; .
_
qui est une fonction de Fisher (avec b

= a+2 et a

= b 2), ce que lon peut facilement deduire


de la denition de la fonction inverse (equation 8) et de la denition de la fonction de Fisher
(equation 22). On a donc une propriete fondamentale des fonctions de Fisher pour lesquelles
loperation fonction inverse est une loi interne.
12
2.6.6 Fonction Beta et fonction Beta inverse
Soit la fonction :
G
1,0
0,1
_
x

. ; .
a ; .
_
G
0,0
1,0
_
x

. ; b
. ; .
_
= G
1,0
1,1
_
x

. ; b
a ; .
_
Sa transformee de Mellin sexprime sous la forme :
(a +s)
(b +s)
et, `a partir des tables de transformees de Mellin inverse (par exemple [3], page 349, formule 20),
on retrouve la fonction suivante
f(x) =
1
(b a)
x
a
(1 x)
ba1
x [0, 1] (23)
que nous appellerons dans ce document fonction Beta.
On a donc :
G
1,0
1,1
_
x

. ; b
a ; .
_
=
1
(b a)
x
a
(1 x)
ba1
x [0, 1] (24)
Si on utilise la relation 9, on a ainsi lexpression de la fonction Beta inverse :
G
0,1
1,1
_
x

1 a ; .
. ; 1 b
_
=
1
(b a)
x
b1
(1 x)
ba1
x [1, [
peu usitee et qui nest pas repertoriee dans le Bateman.
2.6.7 Fonction de Whittaker
Le Bateman donne la relation generale suivante (paragraphe 5.6, formule 6) :
G
2,0
1,2
_
x

. ; a
b, c ; .
_
= x
b+c1
2
e

x
2
W1+b+c
2
a,
bc
2
(x) (25)
dont la transformee de Mellin secrit :
(b +s) (c +s)
(a +s)
On peut aussi reecrire cette expression sous la forme :
x
a
e

x
2
W
b,c
(x) = G
2,0
1,2
_
x

. ; a b + 1
a +c +
1
2
, a c +
1
2
; .
_
(26)
Vu sous cet angle, la fonction de Whittaker generalise la fonction Beta.
13
2.6.8 Fonctions hypergeometrique
Ces fonctions ont une expression tr`es simple puisque on trouve dans le Bateman la relation
suivante ([2], 5.6, formule 1, et en prenant en compte lerrata signale au debut de louvrage au
paragraphe ERRATA) :
p
F
q
(a
1
, . . . , a
p
; b
1
, . . . , b
q
; x) =

q
j=1
(b
j
)

p
j=1
(a
j
)
G
1,p
p,q+1
_
x

1 a
1
, . . . , 1 a
p
; .
0 ; 1 b
1
, . . . , 1 b
q
_
On a donc le resultat que toute fonction hypergeometrique sexprime comme une fonction
de Meijer. La reciproque est bien evidemment fausse : seules les fonctions de Meijer G
m,n
p,q
avec
m = 1 (et q > 1) et n = p, cest `a dire les fonctions de Meijer G
1,n
n,q
sont des fonctions hy-
pergeometriques
3
(en fait, comme le sugg`ere les formules 5 et 6 du paragraphe 5.3 du Bateman[2],
on peut sous certaines conditions decomposer une fonction de Meijer en series faisant intervenir
comme coecients des fonctions hypergeometriques).
Les cas particuliers suivants presentent un certain interet pour aborder les fonctions de
repartition :
1
F
1
(a ; c ; x) =
(c)
(a)
G
1,1
1,2
_
x

1 a ; .
0 ; 1 c
_
(27)
2
F
1
(a, b ; c ; x) =
(c)
(a) (b)
G
1,2
2,2
_
x

1 a, 1 b ; .
0 ; 1 c
_
(28)
On en deduit les deux relations suivantes :
G
1,1
1,2
_
x

a ; .
0 ; c
_
=
(1 a)
(1 c)
1
F
1
(1 a ; 1 c ; x) (29)
G
1,2
2,2
_
x

a, b ; .
0 ; c
_
=
(1 a) (1 b)
(1 c)
2
F
1
(1 a, 1 b ; 1 c ; x) (30)
ainsi que le cas general :
G
1,n
n,q
_
x

a
1
, . . . , a
n
; .
0 ; b
2
, . . . , b
q
_
=

n
j=1
(1 a
j
)

q
j=2
(1 b
j
)
n
F
q1
(1 a
1
, . . . , 1 a
n
; 1 b
2
, . . . , 1 b
q
; x) (31)
En utilisant la propriete 5, on en deduit :
G
1,n
n,q
_
x

a
1
+r, . . . , a
n
+r ; .
r ; b
2
+r, . . . , b
q
+r
_
=

n
j=1
(1 a
j
)

q
j=2
(1 b
j
)
x
r
n
F
q1
(1 a
1
, . . . , 1 a
n
; 1 b
2
, . . . , 1 b
q
; x) (32)
3
Noublions pas que lobjectif de Meijer etait de generaliser les fonctions hypergeometriques.
14
On peut reecrire cette expressions sous une forme plus aisee `a manipuler :
G
1,n
n,q
_
x

a
1
, . . . , a
n
; .
r ; b
2
, . . . , b
q
_
=

n
j=1
(r + 1 a
j
)

q
j=2
(r + 1 b
j
)
x
r
n
F
q1
(r + 1 a
1
, . . . , r + 1 a
n
; r + 1 b
2
, . . . , r + 1 b
q
; x) (33)
On en deduit deux cas utiles :
G
1,1
1,2
_
x

a ; .
r ; c
_
=
(r + 1 a)
(r + 1 c)
x
r
1
F
1
(r + 1 a ; r + 1 c ; x) (34)
G
1,2
2,2
_
x

a, b ; .
r ; c
_
=
(r + 1 a) (r + 1 b)
(r + 1 c)
x
r
2
F
1
(r + 1 a, r + 1 b ; r + 1 c ; x)
Pour la fonction hypergeometrique
2
F
1
, on retrouve dailleurs cette expression directement
dans le Bateman ([2], paragraphe 5.6, formule 34, et en tenant compte des pages derrata) :
G
1,2
2,2
_
x

c
1
, c
2
; .
a 1 ; b
_
=
(a +c
1
) (a +c
2
)
(a +b)
x
a1
2
F
1
(a +c
1
, a +c
2
; a +b; x)
2.7 Une nouvelle propriete de permutation des param`etres
Considerons lexpression 15 :
G
1,1
2,2
_
x

c; c r
c; c r
_
= (1)
r

M
c IR r ZZ
et soit une fonction de Meijer G
m,n
p,q
_
x

. . . a . . . ; . . .
. . . ; . . . b . . .
_
telle que ab ZZ. On a alors :
G
m,n
p,q
_
x

. . . a . . . ; . . .
. . . ; . . . b . . .
_
= G
m,n
p,q
_
x

. . . a . . . ; . . .
. . . ; . . . b . . .
_
(1)
ba
G
1,1
2,2
_
x

b; a
b; a
_
= (1)
ba
G
m+1,n+1
p+2,q+2
_
x

. . . a, b . . . ; . . . a . . .
. . . b . . . ; . . . a, b . . .
_
= (1)
ba
G
m+1,n1
p,q
_
x

. . . ; . . . a . . .
. . . b . . . ; . . .
_
On voit donc que si b a ZZ, on peut permuter la position des param`etres a et b dune
diagonale `a son anti-diagonale.
2.8 Programmation en Maple V13
La programmation des fonctions de Meijer est simplissime sous Maple V13 puisquil sut
decrire :
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
. . . , b
q
_
= MeijerG([[a
1
, . . . , a
n
] , [a
n+1
, . . . , a
p
]] , [[b
1
, . . . , b
m
] , [b
m+1
. . . , b
q
]] , x)
15
3 Derivation de fonctions de Meijer
3.1 Expressions generales
La derivation des fonctions de Meijer nest apparement pas chose simple dans le cas general,
en particulier si on prend comme point de depart lequation dierentielle que ces fonctions
verient (formule 1 du paragraphe 5.4 du Bateman [2]). Il est plus ecace dexploiter la formule
(12) du paragraphe 5.3.1 du Bateman, valable pour toutes les fonctions de Meijer :
x
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m,n
p,q
_
x

a
1
1, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
+ (a
1
1) G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
(35)
On peut bien evidemment reecrire cette expression sous la forme :
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
=
1
x
G
m,n
p,q
_
x

a
1
1, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
+ (a
1
1)
1
x
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
(36)
En utilisant la relation 5, on peut alors ecrire pour les fonctions de Meijer G denies sur
IR
+
:
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
=
G
m,n
p,q
_
x

a
1
2, a
2
1, . . . , a
n
1 ; a
n+1
1, . . . , a
p
1
b
1
1, b
2
1, . . . , b
m
1 ; b
m+1
1, . . . , b
q
1
_
+ (a
1
1) G
m,n
p,q
_
x

a
1
1, a
2
1, . . . , a
n
1 ; a
n+1
1, . . . , a
p
1
b
1
1, b
2
1, . . . , b
m
1 ; b
m+1
1, . . . , b
q
1
_
(37)
3.2 Exemples
Dans certains cas particuliers, il est possible de trouver une expression apparement plus
simple `a utiliser que celle issue des caracteristiques des fonctions de Meijer.
Pour la fonction exponentielle decroissant, lutilisation de la relation 17 permet decrire :
d
dx
G
1,0
0,1
_
x

. ; .
0 ; .
_
= G
1,0
0,1
_
x

. ; .
0 ; .
_
Pour la fonction G
1,1
1,2
_
x

a ; .
0 ; b
_
, la relation 29 montre quelle peut sexprimer comme
une fonction hypergeometrique
1
F
1
. Si on derive cette fonction en utilisant la formule
generale 37, on obtient :
d
dx
G
1,1
1,2
_
x

a ; .
0 ; b
_
= G
1,1
1,2
_
x

a 2 ; .
1 ; b 1
_
+(a1)G
1,1
1,2
_
x

a 1 ; .
1 ; b 1
_
Dautre part, la relation 29 montre quelle peut sexprimer comme une fonction hypergeometrique
1
F
1
. on sait que :
d
dx
1
F
1
(a ; b ; x) =
a
b
1
F
1
(a + 1 ; b + 1 ; x)
16
On en deduit alors
d
dx
G
1,1
1,2
_
x

a ; .
0 ; b
_
=
(2 a)
(2 b)
1
F
1
(2 a ; 2 b ; x)
= G
1,1
1,2
_
x

a 1 ; .
0 ; b 1
_
expression plus simple que la precedente.
Pour la fonction G
1,2
2,2
_
x

a, b ; .
0 ; c
_
, la relation 30 montre quelle peut sexprimer
comme une fonction hypergeometrique
2
F
1
. Or on sait que :
d
dx
2
F
1
(a, b ; c ; x) =
ab
c
2
F
1
(a + 1, b + 1 ; c + 1 ; x)
On en deduit alors
d
dx
G
1,2
2,2
_
x

a, b ; .
0 ; c
_
=
(2 a) (2 b)
(2 c)
2
F
1
(2 a, 2 b ; 2 c ; x)
= G
1,2
2,2
_
x

a 1, b 1 ; .
0 ; c 1
_
On pourrait aisement, `a partir de la relation 31, generaliser ce resultat pour toute fonction
de Meijer secrivant sous la forme
G
1,n
n,q
_
x

a
1
, a
2
, . . . , a
n
; .
0 ; b
2
, . . . , b
q
_
3.3 Nouvelles formulations de la derivation
3.3.1 Cas general
La formule de la derivation de fonctions de Meijer (expression 37) semble a priori lourde `a
appliquer car le terme de droite est une somme de deux fonctions de Meijer la premi`ere ayant
un coecient dierent (a

1
= a
1
1), la seconde identique. Or lutilisation de la convolution de
Mellin par des Mellin-Dirac astucieusement choisis permet dalleger lexpression le terme de
droite etant alors egal `a une seule fonction de Meijer, au prix dun accroissement dindice dans
la fonction de Meijer initiale.
Pour cela, considerons lexpression 37 : elle donne au param`etre a
1
un r ole cle puisque, dans
le cas a
1
= 1, on a :
d
dx
G
m,n
p,q
_
x

a
1
= 1, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m,n
p,q
_
x

1, . . . , a
n
1 ; a
n+1
1, . . . , a
p
1
b
1
1, . . . , b
m
1 ; b
m+1
1, . . . , b
q
1
_
(38)
Ce resultat peut sappliquer `a toute fonction de Meijer, moyennant une convolution avec un
Mellin-Dirac.
En eet, soit une fonction de Meijer G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
.
17
En eectuant sur cette fonction une convolution de Mellin avec un Mellin-Dirac sous la
forme 11 avec a = 1, cest `a dire G
0,1
1,1
_
x

1 ; .
.; 1
_
=
M
, on obtient une autre expression
de cette fonction de Meijer sous la forme G
m,n+1
p+1,q+1
_
x

1, a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; 1, b
m+1
, . . . , b
q
_
.
Puisque dans cette derni`ere expression on a a
1
= 1, on peut dappliquer la formule 38, ce
qui donne :
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
=
d
dx
G
m,n+1
p+1,q+1
_
x

1, a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; 1, b
m+1
, . . . , b
q
_
= G
m,n+1
p+1,q+1
_
x

1, a
1
1, . . . , a
n
1 ; a
n+1
1, . . . , a
p
1
b
1
1, . . . , b
m
1 ; 0, b
m+1
1, . . . , b
q
1
_
(39)
On peut aussi eectuer sur cette fonction une convolution de Mellin avec un Mellin-Dirac
sous la forme 15 avec c = 1, cest `a dire G
1,1
2,2
_
x

1; 0
1; 0
_
=
M
, on obtient une autre ex-
pression de cette fonction de Meijer sous la forme G
m+1,n+1
p+2,q+2
_
x

1, a
1
, . . . , a
n
; 0, a
n+1
, . . . , a
p
1, b
1
, . . . , b
m
; 0, b
m+1
, . . . , b
q
_
.
Puisque dans cette derni`ere expression on a a
1
= 1, on peut dappliquer la formule 38, ce
qui donne :
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
=
d
dx
G
m+1,n+1
p+2,q+2
_
x

1, a
1
, . . . , a
n
; 0, a
n+1
, . . . , a
p
1, b
1
, . . . , b
m
; 0, b
m+1
, . . . , b
q
_
= G
m+1,n+1
p+2,q+2
_
x

1, a
1
1, . . . , a
n
1 ; 1, a
n+1
1, . . . , a
p
1
0, b
1
1, . . . , b
m
1 ; 1, b
m+1
1, . . . , b
q
1
_
et apr`es simplication :
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m+1,n
p+1,q+1
_
x

a
1
1, . . . , a
n
1 ; 1, a
n+1
1, . . . , a
p
1
0, b
1
1, . . . , b
m
1 ; b
m+1
1, . . . , b
q
1
_
(40)
Notons que ces deux expressions sont strictement equivalentes puisque :
la convolution de lexpression 40 avec le Mellin-Dirac
M
= G
1,1
2,2
_
x

1; 0
1; 0
_
permet,
apr`es simplication, de retrouver lexpression 39.
la convolution de lexpression 39 avec le Mellin-Dirac
M
= G
1,1
2,2
_
x

0; 1
0; 1
_
permet,
apr`es simplication, de retrouver lexpression 40.
On voit donc que, dans ce contexte des fonctions de Meijer G denies sur IR
+
, la derivee dune
fonction de Meijer G
m,n
p,q
est une fonction de Meijer qui sexprime soit sous la forme G
m,n+1
p+1,q+1
,
soit sous la forme G
m+1,n
p+1,q+1
.
18
3.3.2 Cas particulier de fonction de Meijer G
m,n
p,q
: a
1
= 1 et b
m+1
= 0
Soit une fonction de Meijer G
m,n
p,q
telle que a
1
= 1. On applique alors la relation 38 :
d
dx
G
m,n
p,q
_
x

a
1
= 1, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
= 0, . . . , b
q
_
= G
m,n
p,q
_
x

1, . . . , a
n
1 ; a
n+1
1, . . . , a
p
1
b
1
1, . . . , b
m
1 ; 1, . . . , b
q
1
_
Cette derni`ere expression peut se simplier puisque lon reconnat un Mellin-Dirac
M
=
G
0,1
1,1
_
x

1; .
.; 1
_
. On a nalement :
d
dx
G
m,n
p,q
_
x

a
1
= 1, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
= 0, . . . , b
q
_
= G
m,n1
p1,q1
_
x

a
2
1, . . . , a
n
1 ; a
n+1
1, . . . , a
p
1
b
1
1, . . . , b
m
1 ; b
m+2
1, . . . , b
q
1
_
(41)
3.3.3 Cas particulier de fonction de Meijer G
m,n
p,q
: a
n+1
= 1 et b
1
= 0
En utilisant le Mellin-Dirac
M
= G
1,1
2,2
_
x

1; 0
1; 0
_
, il est facile de deduire de la precendete
relation une expression specique au cas a
n+1
= 1 et b
1
= 0 :
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
= 1, . . . , a
p
b
1
= 0, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m,n1
p1,q1
_
x

a
1
1, . . . , a
n
1 ; a
n+2
1, . . . , a
p
1
b
2
1, . . . , b
m
1 ; b
m+1
1, . . . , b
q
1
_
(42)
3.3.4 Cas particulier : b
1
= 0
Si on est dans un cas particulier tel que lun des coecients b
i
, i [1; p] soit egal `a 0, il
est toujours possible de regrouper les indices de sorte que b
1
= 0, ce qui donne la fonction
de Meijer G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
0, b
2
, . . . , b
m
; b
m+1
, . . . , b
q
_
. On peut alors introduire un Mellin-Dirac
sous la forme 13 avec a = 1, cest `a dire G
1,1
2,2
_
x

1; 1
1; 1
_
=
M
, la fonction de Meijer initiale
secrit alors G
m+1,n+1
p+2,q+2
_
x

1, a
1
, . . . , a
n
; 1, a
n+1
, . . . , a
p
0, 1, b
2
, . . . , b
m
; 1, b
m+1
, . . . , b
q
_
.
En appliquant la formule 37, on obtient :
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
0, b
2
, . . . , b
m
; b
m+1
, . . . , b
q
_
=
d
dx
G
m+1,n+1
p+1,q+1
_
x

1, a
1
, . . . , a
n
; 1, a
n+1
, . . . , a
p
1, 0, b
2
, . . . , b
m
; 1, b
m+1
, . . . , b
q
_
= G
m+1,n+1
p+1,q+1
_
x

1, a
1
1, . . . , a
n
1 ; 0, a
n+1
1, . . . , a
p
1
0, 1, b
2
1, . . . , b
m
1 ; 0, b
m+1
1, . . . , b
q
1
_
19
Cette derni`ere expression peut se simplier en utilisant un Mellin-Dirac sous la forme 14 avec
c = 0, cest `a dire G
1,1
2,2
_
x

1; 0
1; 0
_
=
M
. On a alors le resultat nal :
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
0, b
2
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m,n
p,q
_
x

a
1
1, . . . , a
n
1 ; a
n+1
1, . . . , a
p
1
0, b
2
1, . . . , b
m
1 ; b
m+1
1, . . . , b
q
1
_
(43)
On voit donc que la derivee dune fonction de Meijer G
m,n
p,q
avec b
1
= 0 est une fonction de
Meijer G
m,n
p,q
avec b
1
= 0.
3.4 Autre formulation de la derivation : utilisation de la transformee de Mel-
lin
Soit une fonction de Meijer sexprimant comme transformee inverse de Mellin (relation 2) :
M
_
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
__
(s) =

m
j=1
(b
j
+s)

n
j=1
(1 a
j
s)

q
j=m+1
(1 b
j
s)

p
j=n+1
(a
j
+s)
Pour en connatre la derivee, il sut dutiliser la relation fondamentale liant la transformee de
Mellin dune fonction et la transformee de Mellin de sa derivee :
M
_
f

(u)

(s) = (s 1)M[f(u)] (s 1)
Etant donnee lexpression de la transformee de Mellin des fonctions de Meijer, on a :
M
_
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
__
(s 1)
= M
_
G
m,n
p,q
_
x

a
1
1, . . . , a
n
1 ; a
n+1
1, . . . , a
p
1
b
1
1, . . . , b
m
1 ; b
m+1
1, . . . , b
q
1
__
(s)
Dautre part, on peut ecrire :
s 1 =
(s)
(s 1)
= G
1,0
1,1
_
x

. ; 1
0 ; .
_
Ceci conduit aux egalites suivantes :
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m,n
p,q
_
x

a
1
1, . . . , a
n
1 ; a
n+1
1, . . . , a
p
1
b
1
1, . . . , b
m
1 ; b
m+1
1, . . . , b
q
1
_
G
1,0
1,1
_
x

. ; 1
0 ; .
_
= G
m+1,n
p+1,q+1
_
x

a
1
1, . . . , a
n
1 ; 1, a
n+1
1, . . . , a
p
1
0, b
1
1, . . . , b
m
1 ; b
m+1
1, . . . , b
q
1
_
(44)
On reconnat lexpression 40 precedemment demontree dans le cadre general de la derivation
des fonctions de Meijer. En eectuant une convolution de cette derni`ere expression avec
un Mellin-Dirac de la forme 14 avec c = 0, cest `a dire G
1,1
2,2
_
x

1; 0
1; 0
_
=
M
et apr`es
20
simplications, on a alors le resultat nal :
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m,n+1
p+1,q+1
_
x

1, a
1
1, . . . , a
n
1 ; a
n+1
1, . . . , a
p
1
b
1
1, . . . , b
m
1 ; 0, b
m+1
1, . . . , b
q
1
_
(45)
On reconnat dans cette derni`ere expression la relation 39 precedemment demontree dans
le cas general.
On peut aussi ecrire :
s 1 =
(2 s)
(1 s)
= G
0,1
1,1
_
x

1 ; .
. ; 0
_
Ceci conduit aux egalites suivantes :
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m,n
p,q
_
x

a
1
1, . . . , a
n
1 ; a
n+1
1, . . . , a
p
1
b
1
1, . . . , b
m
1 ; b
m+1
1, . . . , b
q
1
_
G
0,1
1,1
_
x

1 ; .
. ; 0
_
= G
m,n+1
p+1,q+1
_
x

1, a
1
1, . . . , a
n
1 ; a
n+1
1, . . . , a
p
1
b
1
1, . . . , b
m
1 ; 0, b
m+1
1, . . . , b
q
1
_
(46)
On reconnat dans cette derni`ere expression la relation 39 precedemment demontree dans
le cas general. On peut aisement en deduire lexpression 40
Une jonglerie algebrique peut aussi se mener `a partir de lexpression 39 :
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m+1,n
p+1,q+1
_
x

a
1
1, . . . , a
n
1 ; 1, a
n+1
1, . . . , a
p
1
0, b
1
1, . . . , b
m
1 ; b
m+1
1, . . . , b
q
1
_
puisque lon remarque que le premier coecientb est egal `a 0. Or nous avons vu que si une
fonction de Meijer avait un coecientb egal `a 0, on avait une relation specique pour la
derivation (relation 43) :
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
0, b
2
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m,n
p,q
_
x

a
1
1, . . . , a
n
1 ; a
n+1
1, . . . , a
p
1
0, b
2
1, . . . , b
m
1 ; b
m+1
1, . . . , b
q
1
_
Pour permettre une analogie facile avec lexpression 39, on reecrit cette derni`ere equation sous
la forme :
d
dx
G
m+1,n
p+1,q+1
_
x

a
1
, . . . , a
n
; 0, a
n+1
, . . . , a
p
0, b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m+1,n
p+1,q+1
_
x

a
1
1, . . . , a
n
1 ; 1, a
n+1
1, . . . , a
p
1
0, b
1
1, . . . , b
m
1 ; b
m+1
1, . . . , b
q
1
_
21
Sachant que G
0,1
1,1
_
x

.; 0
0 ; .
_
=
M
, on a :
d
dx
G
m+1,n
p+1,q+1
_
x

a
1
, . . . , a
n
; 0, a
n+1
, . . . , a
p
0, b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
=
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
On voit sur cet exemple que lon peut operer de diverses mani`eres une derivation sur une fonction
de Meijer, mais que le resultat est bien evidemment le meme.
3.5 Exemples de derivation de fonctions de Meijer
3.5.1 Exponentielle decroissante
Nous allons maintenant demontrer, dune mani`ere inedite, que :
G
1,0
0,1
_
x

.; .
0; .
_
= e
x
Pour cela, ecrivons :
G
1,0
0,1
_
x

.; .
0; .
_
= G
1,0
0,1
_
x

.; .
0; .
_

M
et choisissons
M
= G
1,1
2,2
_
x

1; 1
1; 1
_
. On obtient alors la fonction de Meijer suivante :
f(x) = G
2,1
2,3
_
x

1 ; 1
1, 0 ; 1
_
Derivons la fonction f(x) en utilisant la relation 37 (cest le cas favorable a
1
= 1). On a alors :
d
dx
f(x) = G
2,1
2,3
_
x

1 ; 0
0, 1 ; 0
_
= G
1,0
0,1
_
x

.; .
0; .
_
G
1,1
2,2
_
x

1; 0
1; 0
_
Or la relation 14 permet decrire :
G
1,1
2,2
_
x

1; 0
1; 0
_
=
M
On a donc :
d
dx
G
1,0
0,1
_
x

.; .
0; .
_
= G
1,0
0,1
_
x

.; .
0; .
_
qui est lequation dierentielle veriee par lexponentielle decroissante (et que lon aurait retrouve
directement en appliquant la relation generale 43). CQFD.
Le cas plus general de la fonction x
a
e
x
= G
1,0
0,1
_
x

.; .
a; .
_
na curieusement pas une forme
aussi simple. On peut obtenir en appliquant directement la relation 39 :
d
dx
G
1,0
0,1
_
x

.; .
a; .
_
= G
1,1
1,2
_
x

1; .
a 1; 0
_
22
Cette derni`ere expression peut se reecrire comme une fonction hypergeometrique
1
F
1
(relation
34) :
G
1,1
1,2
_
x

1; .
a 1; 0
_
= ax
a1
1
F
1
(a + 1; a; x)
On peut aussi appliquer la relation 40, ce qui donne :
d
dx
G
1,0
0,1
_
x

.; .
a; .
_
= G
2,0
1,2
_
x

. ; 1
0, a 1 ; .
_
Si dans les deux cas, on obtient une unique fonction de Meijer comme derivee, elle a une
forme plus complexes (3 param`etres au lieu de 1 param`etre). Le resultat est neanmoins plus
simple puisquil fait apparatre une unique fonction (une fonction de Meijer a toujours une
expression de sa derivee sous la forme dune fonction de Meijer) alors que le resultat classique
fait apparatre une somme :
d
dx
x
a
e
x
=
_
a x
a1
x
a
_
e
x
3.5.2 Exponentielle decroissante inverse
Nous allons maintenant considerer les fonctions de Meijer du type G
0,1
1,0
_
x

a ; .
. ; .
_
.
Considerons dabord le cas a = 1, et donc la fonction f(x) = G
0,1
1,0
_
x

1 ; .
. ; .
_
. Derivons
cette fonction f(x) en utilisant la relation 37 (cest le cas favorable a
1
= 1). On a alors :
d
dx
f(x) = G
0,1
1,0
_
x

1 ; .
. ; .
_
=
1
x
2
G
0,1
1,0
_
x

1 ; .
. ; .
_
=
1
x
2
f(x)
Cest lequation dierentielle veriee par lexponentielle decroissante inverse e

1
x
. On a donc
demontre que :
G
0,1
1,0
_
x

1 ; .
. ; .
_
= e

1
x
et que, de mani`ere plus generale :
G
0,1
1,0
_
x

a ; .
. ; .
_
= x
a1
e

1
x
Considerons la derivee de cette derni`ere fonction :
d
dx
x
a1
e

1
x
=
d
dx
G
0,1
1,0
_
x

a ; .
. ; .
_
= G
0,2
2,1
_
x

1, a 1 ; .
. ; 0
_
= G
1,1
2,1
_
x

a 1 ; 1
0 ; .
_
23
3.5.3 Derivation des fonctions de Bessel modiees de seconde esp`ere K
Nous avons vu au paragraphe 2.6.4 la relation :
G
2,0
0,2
_
x

. ; .
a, b ; .
_
= 2 x
a+b
2
K
ab
_
2

x
_
avec K fonction de Bessel modiee de seconde esp`ece, et que nous appelons dans ce document
fonction K.
En utilisant la relation 39, on obtient :
d
dx
G
2,0
0,2
_
x

. ; .
a, b ; .
_
= G
2,1
1,3
_
x

1 ; .
a 1, b 1 ; 0
_
et en utilisant la relation 40, on obtient :
d
dx
G
2,0
0,2
_
x

. ; .
a, b ; .
_
= G
3,0
1,3
_
x

. ; 0
a 1, b 1, 1 ; .
_
3.5.4 Derivation des fonctions de Fisher
Nous avons deni au paragraphe 2.6.5 la fonction de Fisher (relation 22) :
G
1,1
1,1
_
x

1 b ; .
a ; .
_
= (a +b)
x
a
(1 +x)
a+b
En utilisant la relation 39, on obtient :
d
dx
G
1,1
1,1
_
x

1 b ; .
a ; .
_
= G
1,2
2,2
_
x

1, b ; .
a 1 ; 0
_
Cette derni`ere expression peut se reecrire sous forme dune equation hypergeometrique puisque :
G
1,2
2,2
_
x

1, b ; .
a 1 ; 0
_
= a(a b)
2
F
1
(a + 1, a b; a; x)
En utilisant la relation 40, on obtient :
d
dx
G
1,1
1,1
_
x

1 b ; .
a ; .
_
= G
2,1
2,2
_
x

b ; 1
0, a 1 ; .
_
3.5.5 Derivation des fonctions Beta
Nous avons deni au paragraphe 2.6.6 la fonction Beta par lexpression 23 :
G
1,0
1,1
_
x

. ; b
a ; .
_
=
1
(b a)
x
a
(1 x)
b
x [0, 1]
En utilisant la relation 39, on obtient :
d
dx
G
1,0
1,1
_
x

. ; b
a ; .
_
= G
1,1
2,2
_
x

1 ; b 1
a 1 ; 0
_
En utilisant la relation 40, on obtient :
d
dx
G
1,0
1,1
_
x

. ; b
a ; .
_
= G
2,0
2,2
_
x

. ; 1, b 1
0, a 1 ; .
_
24
3.5.6 Derivation des fonctions de Whittaker
Nous avons deni au paragraphe 2.6.7 la fonction de Whittaker par lexpression 25 :
G
2,0
1,2
_
x

. ; a
b, c ; .
_
= x
b+c1
2
e

x
2
W1+b+c
2
a,
bc
2
(x)
En utilisant la relation 39, on obtient :
d
dx
G
2,0
1,2
_
x

. ; a
b, c ; .
_
= G
2,1
2,3
_
x

1 ; a 1
b 1, c 1 ; 0
_
En utilisant la relation 40, on obtient :
d
dx
G
2,0
1,2
_
x

. ; a
b, c ; .
_
= G
3,0
2,3
_
x

. ; 1, a 1
0, b 1, c 1 ; .
_
3.5.7 Derivation des fonctions hypergeometriques : cas
1
F
1
Considerons la relation entre les fonctions hypergeometriques
1
F
1
et les fonctions de Meijer.
On a :
1
F
1
(a; b; x) =
(b)
(a)
G
1,1
1,2
_
x

1 a ; .
0 ; 1 b
_
On derive cette expression en utilisant la relation 39. On a alors :
d
dx
1
F
1
(a; b; x) =
(b)
(a)
G
1,2
2,3
_
x

1, a ; .
1 ; b, 0
_
On eectue alors une convolution de Mellin avec un Mellin-Dirac sous la forme 12 avec b = 0,
cest `a dire G
1,0
1,1
_
x

.; 0
0 ; .
_
, ce qui donne
d
dx
1
F
1
(a; b; x) =
(b)
(a)
G
2,2
3,4
_
x

1, a ; 0
1, 0 ; b, 0
_
expression dans laquelle on reconnat un Mellin-Dirac sous la forme 14 avec c = 0, cest `a
dire G
1,1
2,2
_
x

1; 0
1; 0
_
. On peut donc simplier lexpression et obtenir nalement la relation
suivante :
d
dx
1
F
1
(a; b; x) =
(b)
(a)
G
1,1
1,2
_
x

a ; .
0 ; b
_
et lon reconnat dans le terme de droite une fonction hypergeometrique
1
F
1
On en deduit de
mani`ere triviale :
d
dx
1
F
1
(a; b; x) =
a
b
1
F
1
(a + 1; b + 1; x)
qui est une des relations fondamentales des fonctions hypergeometriques.
25
3.5.8 Derivation des fonctions hypergeometriques : cas general
Cette demarche peut se generaliser aux fonctions hypergeometriques
p
F
q
(a
1
, . . . , a
p
; b
1
, . . . , b
q
; x).
On part de la relation fondamentale :
p
F
q
(a
1
, . . . , a
p
; b
1
, . . . , b
q
; x) =

q
j=1
(b
j
)

p
j=1
(a
j
)
G
1,p
p,q+1
_
x

1 a
1
, . . . , 1 a
p
; .
0 ; 1 b
1
, . . . , 1 b
q
_
que lon derive en utilisant la relation 39. On a alors :
d
dx
p
F
q
(a
1
, . . . , a
p
; b
1
, . . . , b
q
; x) =

q
j=1
(b
j
)

p
j=1
(a
j
)
G
1,p+1
p+1,q+2
_
x

1, a
1
, . . . , a
p
; .
1 ; b
1
, . . . , b
q
, 0
_
On eectue alors une convolution de Mellin avec le Mellin-Dirac G
0,1
1,1
_
x

.; 0
0 ; .
_
, ce qui
donne
d
dx
p
F
q
(a
1
, . . . , a
p
; b
1
, . . . , b
q
; x) =

q
j=1
(b
j
)

p
j=1
(a
j
)
G
2,p+1
p+2,q+3
_
x

1, a
1
, . . . , a
p
; 0
1, 0 ; b
1
, . . . , b
q
, 0
_
expression dans laquelle on reconnat un Mellin-Dirac de la forme : G
1,1
2,2
_
x

1; 0
1; 0
_
. On peut
donc simplier lexpression et obtenir nalement la relation suivante :
d
dx
p
F
q
(a
1
, . . . , a
p
; b
1
, . . . , b
q
; x) =

q
j=1
(b
j
)

p
j=1
(a
j
)
G
1,p
p,q+1
_
x

a
1
, . . . , a
p
; .
0 ; b
1
, . . . , b
q
_
le terme de gauche pouvant sexprimer sous la forme dune fonction hypergeometrique
p
F
q
(on
retrouve en fait lexpression generale 43).
Finalement, on peut ecrire :
d
dx
p
F
q
(a
1
, . . . , a
p
; b
1
, . . . , b
q
; x) =

q
j=1
a
j

p
j=1
b
j
p
F
q
(a
1
+ 1, . . . , a
p
+ 1; b
1
+ 1, . . . , b
q
+ 1; x)
En particulier, on retrouve lexpression connue :
d
dx
2
F
1
(a, b; c; x) =
ab
c
2
F
1
(a + 1, b + 1; c + 1; x)
4 Integration des fonctions de Meijer
4.1 Premi`ere expression de la primitive dune fonction de Meijer
La premi`ere formulation de la derivation dune fonction de Meijer est donc (relation 39) :
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m,n+1
p+1,q+1
_
x

1, a
1
1, . . . , a
n
1 ; a
n+1
1, . . . , a
p
1
b
1
1, . . . , b
m
1 ; 0, b
m+1
1, . . . , b
q
1
_
que lon peut reecrire :
d
dx
G
m,n
p,q
_
x

a
1
+ 1, . . . , a
n
+ 1 ; a
n+1
+ 1, . . . , a
p
+ 1
b
1
+ 1, . . . , b
m
+ 1 ; b
m+1
+ 1, . . . , b
q
+ 1
_
= G
m,n+1
p+1,q+1
_
x

1, a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; 0, b
m+1
, . . . , b
q
_
26
Considerons donc la fonction de Meijer G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
. Par convo-
lution de Mellin avec le Mellin-Dirac G
1,1
2,2
_
x

1; 0
1; 0
_
, Lexpression precedente permet decrire :
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m+1,n+1
p+2,q+2
_
x

1, a
1
, . . . , a
n
; 0, a
n+1
, . . . , a
p
1, b
1
, . . . , b
m
; 0, b
m+1
, . . . , b
q
_
Or il est facile de montrer que :
d
dx
G
m+1,n
p+1,q+1
_
x

a
1
+ 1, . . . , a
n
+ 1 ; 1, a
n+1
+ 1, . . . , a
p
+ 1
0, b
1
+ 1, . . . , b
m
+ 1 ; b
m+1
+ 1, . . . , b
q
+ 1
_
= G
m+1,n+1
p+2,q+2
_
x

1, a
1
, . . . , a
n
; 0, a
n+1
, . . . , a
p
1, b
1
, . . . , b
m
; 0, b
m+1
, . . . , b
q
_
On a donc obtenu une relation permettant decrire la primitive dune fonction de Meijer sous
forme dune fonction de Meijer :
d
dx
G
m+1,n
p+1,q+1
_
x

a
1
+ 1, . . . , a
n
+ 1 ; 1, a
n+1
+ 1, . . . , a
p
+ 1
0, b
1
+ 1, . . . , b
m
+ 1 ; b
m+1
+ 1, . . . , b
q
+ 1
_
= G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
(47)
Notons que cette expression est celle obtenue dans un cas particulier de la derivation des fonctions
de Meijer (equation 42).
On a donc montre que lintegration etait une loi interne pour les fonctions de Meijer G : `a
une fonction de Meijer G
m,n
p,q
correspond une primitive qui est elle-meme une fonction de Meijer
G
m+1,n
p+1,q+1
.
4.2 Seconde expression de la primitive dune fonction de Meijer
Si on prend comme expression de la derivation dune fonction de Meijer la relation 40 :
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m+1,n
p+1,q+1
_
x

a
1
1, . . . , a
n
1 ; 1, a
n+1
1, . . . , a
p
1
0, b
1
1, . . . , b
m
1 ; b
m+1
1, . . . , b
q
1
_
Considerons `a nouveau la fonction de Meijer G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
. Par convo-
lution de Mellin avec le Mellin-Dirac G
1,1
2,2
_
x

0; 1
0; 1
_
, on obtient :
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m+1,n+1
p+2,q+2
_
x

0, a
1
, . . . , a
n
; 1, a
n+1
, . . . , a
p
0, b
1
, . . . , b
m
; 1, b
m+1
, . . . , b
q
_
On est donc dans un cas favorable (paragraphe 3.3.4, cas b
1
= 0). Par une demarche
identique `a la precedente on montre que :
d
dx
G
m,n+1
p+1,q+1
_
x

1, a
1
+ 1, . . . , a
n
+ 1 ; a
n+1
+ 1, . . . , a
p
+ 1
b
1
+ 1, . . . , b
m
+ 1 ; 0, b
m+1
+ 1, . . . , b
q
+ 1
_
= G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
(48)
27
Notons que cette expression est celle obtenue dans un cas particulier de la derivation des fonctions
de Meijer (equation 41).
On a donc montre que lintegration etait une loi interne pour les fonctions de Meijer G : `a
une fonction de Meijer G
m,n
p,q
correspond une primitive qui est elle-meme une fonction de Meijer
G
m,n+1
p+1,q+1
.
On montre de mani`ere evidente que les deux expressions (relation 47 et relation 48) sont
equivalentes.
4.3 Exemples dintegration de fonctions de Meijer
4.3.1 Integration de lexponentielle decroissante
Soit lexponentielle decroissante f(x) :
f(x) = e
x
= G
1,0
0,1
_
x

.; .
0; .
_
A partir de lexpression 47, on peut ecrire :

d
dx
G
2,0
1,2
_
x

. ; 1
0, 1 ; .
_
= G
1,0
0,1
_
x

.; .
0; .
_
et on reconnat lexpression dune fonction de Whittaker, puisque (relation 25) :
G
2,0
1,2
_
x

. ; 1
0, 1 ; .
_
= e

x
2
W
0,
1
2
(x)
Notons que, puisque lon a de mani`ere evidente :
G
2,0
1,2
_
x

. ; 1
0, 1 ; .
_
= G
1,0
0,1
_
x

.; .
0; .
_
G
1,0
1,1
_
x

. ; 1
1 ; .
_
= G
1,0
0,1
_
x

.; .
0; .
_
on retrouve `a nouveau la relation fondamentale de lexponentielle decroissante :
d
dx
G
1,0
0,1
_
x

.; .
0; .
_
= G
1,0
0,1
_
x

.; .
0; .
_
A partir de lexpression 48, on peut ecrire :
d
dx
G
1,1
1,2
_
x

1 ; .
1 ; 0
_
= G
1,0
0,1
_
x

.; .
0; .
_
et on reconnat lexpression dune fonction hypergeometrique, puisque (relation 33) :
G
1,1
1,2
_
x

1 ; .
1 ; 0
_
= x
1
F
1
(1 ; 2 ; x)
Or il est aise de montrer les egalites suivantes :
G
1,1
1,2
_
x

1 ; .
1 ; 0
_
= G
2,1
2,3
_
x

1 ; 0
1, 0 ; 0
_
= G
1,0
0,1
_
x

.; .
0; .
_
et on retrouve le precedent resultat.
28
Considerons maintenant la fonction
f(x) = x
a
e
x
= G
1,0
0,1
_
x

.; .
a; .
_
Deux approches pour en determiner la primitive peuvent etre eectuees :
A partir de lexpression 47, on peut ecrire :

d
dx
G
2,0
1,2
_
x

. ; 1
0, a + 1 ; .
_
= G
1,0
0,1
_
x

.; .
a; .
_
On reconnat une fonction de Whittaker (relation 25), ce qui permet decrire :

d
dx
_
x
a
2
e

x
2
Wa
2
,
a+1
2
(x)
_
= G
1,0
0,1
_
x

.; .
a; .
_
A partir de lexpression 48, on peut ecrire :
d
dx
G
1,1
1,2
_
x

1 ; .
a + 1 ; 0
_
= G
1,0
0,1
_
x

.; .
a; .
_
On reconnat une expression faisant intervenir une fonction hypergeometrique (relation
33), ce qui permet decrire :
d
dx
_
1
a + 1
x
a+1
1
F
1
(a + 1; a + 2; x)
_
= G
1,0
0,1
_
x

.; .
a; .
_
4.3.2 Integration de lexponentielle decroissante inverse
Soit lexponentielle decroissante inverse f(x) :
f(x) = e

1
x
= G
0,1
1,0
_
x

1; .
.; .
_
A partir de lexpression 47, on peut ecrire :

d
dx
G
1,1
2,1
_
x

2 ; 1
0 ; .
_
= G
0,1
1,0
_
x

1; .
.; .
_
A partir de lexpression 48, on peut ecrire :
d
dx
G
0,2
2,1
_
x

2, 1 ; .
. ; 0
_
= G
0,1
1,0
_
x

1; .
.; .
_
De la meme mani`ere on montre aisement que :

d
dx
G
1,1
2,1
_
x

a + 1 ; 1
0 ; .
_
= G
0,1
1,0
_
x

a; .
.; .
_
d
dx
G
0,2
2,1
_
x

a + 1, 1 ; .
. ; 0
_
= G
0,1
1,0
_
x

a; .
.; .
_
29
4.3.3 Integration des fonctions de Bessel modiees de seconde esp`ece K
Nous avons vu au paragraphe 2.6.4 la relation :
G
2,0
0,2
_
x

. ; .
a, b ; .
_
= 2 x
a+b
2
K
ab
_
2

x
_
avec K fonction de Bessel modiee de seconde esp`ece, et que nous appelons dans ce document
fonction K.
En appliquant la relation 47 `a la fonction G
2,0
0,2
_
x

. ; .
a, b ; .
_
, on obtient :
d
dx
G
3,0
1,3
_
x

. ; 1
0, a + 1, b + 1 ; .
_
= G
2,0
0,2
_
x

. ; .
a, b ; .
_
En appliquant la relation 48, on obtient :
d
dx
G
2,1
1,3
_
x

1 ; .
a + 1, b + 1 ; 0
_
= G
2,0
0,2
_
x

. ; .
a, b ; .
_
On a donc les relations :

d
dx
G
3,0
1,3
_
x

. ; 1
0, a + 1, b + 1 ; .
_
= 2 x
a+b
2
K
ab
_
2

x
_
et
d
dx
G
2,1
1,3
_
x

1 ; .
a + 1, b + 1 ; 0
_
= 2 x
a+b
2
K
ab
_
2

x
_
4.3.4 Integration des fonctions de Fisher
Nous avons deni au paragraphe 2.6.5 la fonction de Fisher (relation 22) :
G
1,1
1,1
_
x

1 b ; .
a ; .
_
= (a +b)
x
a
(1 +x)
a+b
En appliquant la relation 47 `a cette fonction de Fisher, on obtient :
d
dx
G
2,1
2,2
_
x

2 b ; 1
0, a + 1 ; .
_
= G
1,1
1,1
_
x

1 b; .
a; .
_
En appliquant la relation 48, on obtient :
d
dx
G
1,2
2,2
_
x

1, 2 b ; .
a + 1 ; 0
_
= G
1,1
1,1
_
x

1 b; .
a; .
_
On a donc les relations :

d
dx
G
2,1
2,2
_
x

2 b ; 1
0, a + 1 ; .
_
= (a +b)
x
a
(1 +x)
a+b
et
d
dx
G
1,2
2,2
_
x

1, 2 b ; .
a + 1 ; 0
_
= (a +b)
x
a
(1 +x)
a+b
En utilisant la relation 33 dans cette derni`ere expression, on peut ecrire :
(a +b)
1 +a
d
dx
_
x
a+1
2
F
1
(a +b, a + 1; a + 2; x)
_
= (a +b)
x
a
(1 +x)
a+b
30
4.3.5 Integration des fonctions Beta
Nous avons deni au paragraphe 2.6.6 la fonction Beta par lexpression 23 :
G
1,0
1,1
_
x

. ; b
a ; .
_
=
1
(b a)
x
a
(1 x)
b
x [0, 1]
En appliquant la relation 47 `a la fonction G
1,0
1,1
_
x

. ; b
a ; .
_
on obtient :
d
dx
G
2,0
2,2
_
x

. ; b + 1, 1
a + 1, 0 ; .
_
= G
1,0
1,1
_
x

. ; b
a ; .
_
En appliquant la relation 48 `a la fonction G
1,0
1,1
_
x

. ; b
a ; .
_
on obtient :
d
dx
G
1,1
2,2
_
x

1 ; b + 1
a + 1 ; 0
_
= G
1,0
1,1
_
x

. ; b
a ; .
_
On a donc les relations :

d
dx
G
2,0
2,2
_
x

. ; b + 1, 1
a + 1, 0 ; .
_
=
1
(b a)
x
a
(1 x)
b
x [0, 1]
et
d
dx
G
1,1
2,2
_
x

1 ; b + 1
a + 1 ; 0
_
=
1
(b a)
x
a
(1 x)
b
x [0, 1]
4.3.6 Integration des fonctions hypergeometriques (cas general)
Soit une fonction hypergeometrique
p
F
q
(a
1
, . . . , a
p
; b
1
, . . . , b
q
; x) sous sa forme la plus generale :
p
F
q
(a
1
, . . . , a
p
; b
1
, . . . , b
q
; x) =

q
j=1
(b
j
)

p
j=1
(a
j
)
G
1,p
p,q+1
_
x

1 a
1
, . . . , 1 a
p
; .
0 ; 1 b
1
, . . . , 1 b
q
_
Appliquons la relation 48. On obtient alors :
d
dx
G
1,p+1
p+1,q+2
_
x

2 a
1
, . . . , 2 a
p
, 1 ; .
0 ; 2 b
1
, . . . , 2 b
q
, 0
_
= G
1,p
p,q+1
_
x

1 a
1
, . . . , 1 a
p
; .
0 ; 1 b
1
, . . . , 1 b
q
_
On voit ainsi tr`es simplement que la primitive de la fonction hypergeometrique
p
F
q
(a
1
, . . . , a
p
; b
1
, . . . , b
q
; x)
est la fonction hypergeometrique

p
F
q
(a
1
1, . . . , a
p
1, 1; b
1
1, . . . , b
q
1, 0; x)
31
5 Recapitulatifs
Ce pararaphe a donc pour objectif de rappeler les denitions et proprietes essentielles des
fonctions de Meijer. Rappelons quelles ne concernent quun certain type de fonctions de Meijer
notees G
m,n
p,q
et denies par une integrale de Barnes dont le parcours est une droite parall`ele `a
laxe des imaginaires :
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
=
1
2i
_
c+i
ci

m
j=1
(b
j
s)

n
j=1
(1 a
j
+s)

q
j=m+1
(1 b
j
+s)

p
j=n+1
(a
j
s)
x
s
ds
Cette fonction a pour transformee de Mellin :
M
_
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
__
=

m
j=1
(b
j
+s)

n
j=1
(1 a
j
s)

q
j=m+1
(1 b
j
s)

p
j=n+1
(a
j
+s)
5.1 Proprietes essentielles des fonctions de Meijer
Modication du nombre des param`etres (egalite en diagonale)
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m,n+1
p+1,q+1
_
x

a
1
, . . . , a
n
, c ; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
, c
_
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m+1,n
p+1,q+1
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
, c
b
1
, . . . , b
m
, c ; b
m+1
, . . . , b
q
_
Permutation de param`etres (passage de la diagonale `a lantidiagonale)
Soit une fonction de Meijer G
m,n
p,q
_
x

. . . a . . . ; . . .
. . . ; . . . b . . .
_
telle que ab ZZ. On a alors :
G
m,n
p,q
_
x

. . . a . . . ; . . .
. . . ; . . . b . . .
_
= (1)
ba
G
m+1,n1
p,q
_
x

. . . ; . . . a . . .
. . . b . . . ; . . .
_
Multiplication par une puissance de la variable x
x
r
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m,n
p,q
_
x

a
1
+r, . . . , a
n
+r ; a
n+1
+r, . . . , a
p
+r
b
1
+r, . . . , b
m
+r ; b
m+1
+r, . . . , b
q
+r
_
R`egle fondamentale par convolution de Mellin
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
G
m

,n

,q

_
x

1
, . . . , a

n
; a

+1
, . . . , a
p

1
, . . . , b

m
; b

+1
, . . . , b
q

_
= G
m+m

,n+n

p+p

,q+q

_
x

a
1
, . . . , a
n
, a

1
, . . . , a

n
; a
n+1
, . . . , a
p
, a

+1
, . . . , a
p

b
1
, . . . , b
m
, b

1
, . . . , b

m
; b
m+1
, . . . , b
q
, b

+1
, . . . , b
q

_
Fonction inverse
G
m,n
p,q
_
1
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
n,m
q,p
_
x

b
1
+ 1, . . . , b
m
+ 1 ; b
m+1
+ 1, . . . , b
q
+ 1
a
1
+ 1, . . . , a
n
+ 1 ; a
n+1
+ 1, . . . , a
p
+ 1
_
32
Derivation
La derivee dune fonction de Meijer G
m,n
p,q
est donnee, dans le cas general, sous la forme dune
somme de deux fonctions de Meijer G
m,n
p,q
(expression 37) :
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
=
G
m,n
p,q
_
x

a
1
2, a
2
1, . . . , a
n
1 ; a
n+1
1, . . . , a
p
1
b
1
1, b
2
1, . . . , b
m
1 ; b
m+1
1, . . . , b
q
1
_
+ (a
1
1) G
m,n
p,q
_
x

a
1
1, a
2
1, . . . , a
n
1 ; a
n+1
1, . . . , a
p
1
b
1
1, b
2
1, . . . , b
m
1 ; b
m+1
1, . . . , b
q
1
_
On peut aussi obtenir deux expressions de la derivee de la fonction de Meijer G
m,n
p,q
: la
premi`ere fait intervenir une fonction de Meijer G
m,n+1
p+1,q+1
(expression 39) :
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m,n+1
p+1,q+1
_
x

1, a
1
1, . . . , a
n
1 ; a
n+1
1, . . . , a
p
1
b
1
1, . . . , b
m
1 ; 0, b
m+1
1, . . . , b
q
1
_
la seconde fait intervenir une fonction de Meijer G
m+1,n
p+1,q+1
(expression 40) :
d
dx
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
= G
m+1,n
p+1,q+1
_
x

a
1
1, . . . , a
n
1 ; 1, a
n+1
1, . . . , a
p
1
0, b
1
1, . . . , b
m
1 ; b
m+1
1, . . . , b
q
1
_
Primitive des fonctions de Meijer
La primitive dune fonction de Meijer G
m,n
p,q
est une fonction de Meijer G
m+1,n
p+1,q+1
(relation 47)
ou une fonction de Meijer G
m,n+1
p+1,q+1
(relation 48) :
d
dx
G
m+1,n
p+1,q+1
_
x

a
1
+ 1, . . . , a
n
+ 1 ; 1, a
n+1
+ 1, . . . , a
p
+ 1
0, b
1
+ 1, . . . , b
m
+ 1 ; b
m+1
+ 1, . . . , b
q
+ 1
_
= G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
d
dx
G
m,n+1
p+1,q+1
_
x

1, a
1
+ 1, . . . , a
n
+ 1 ; a
n+1
+ 1, . . . , a
p
+ 1
b
1
+ 1, . . . , b
m
+ 1 ; 0, b
m+1
+ 1, . . . , b
q
+ 1
_
= G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
33
5.2 Tableau recapitulatif des fonctions usuelles
Fonction de Meijer Mellin-Dirac
G
0,1
1,1
_
x

a ; .
.; a
_

M
G
1,0
1,1
_
x

.; b
b ; .
_

M
G
1,1
2,2
_
x

a; b
b; a
_

M
G
1,1
2,2
_
x

c r; c
c r; c
_
(1)
r

M
r ZZ
G
1,1
2,2
_
x

c; c r
c; c r
_
(1)
r

M
r ZZ
34
Fonction de Meijer Forme usuelle connue
G
1,0
0,1
_
x

. ; .
0 ; .
_
e
x
G
1,0
0,1
_
x

. ; .
a ; .
_
x
a
e
x
G
0,1
1,0
_
x

1 ; .
. ; .
_
e

1
x
G
0,1
1,0
_
x

a ; .
. ; .
_
x
a1
e

1
x
G
2,0
0,2
_
x

. ; .
a, b ; .
_
2 x
a+b
2
K
ab
(2

x)
G
1,1
1,1
_
x

1 b ; .
a ; .
_
(a +b)
x
a
(1+x)
a+b
G
1,0
1,1
_
x

. ; b
a ; .
_
1
(ba)
x
a
(1 x)
b
x [0, 1]
G
0,1
1,1
_
x

1 a ; .
. ; 1 b
_
1
(ba)
x
b1
(1 x)
ba1
x [1, [
G
1,1
1,2
_
x

a ; .
0 ; c
_
(1a)
(1c)
1
F
1
(1 a ; 1 c ; x)
G
1,2
2,2
_
x

a, b ; .
0 ; c
_
(1a)(1b)
(1c)
2
F
1
(1 a, 1 b ; 1 c ; x)
G
1,1
1,2
_
x

a ; .
r ; c
_
(r+1a)
(r+1c)
x
r
1
F
1
(r + 1 a ; r + 1 c ; x)
G
1,2
2,2
_
x

a, b ; .
r ; c
_
(r+1a) (r+1b)
(r+1c)
x
r
2
F
1
(r + 1 a, r + 1 b ; r + 1 c ; x)
G
2,0
1,2
_
x

. ; a
b, c ; .
_
x
b+c1
2
e

x
2
W1+b+c
2
a,
bc
2
35
5.3 Taxonomie des fonctions usuelles
Fonction de Meijer Famille de fonction
G
p,0
0,p
_
x

. ; .
[ ] ; .
_
Gamma, K, ...
G
0,p
p,0
_
x

[ ] ; .
. ; .
_
Gamma inverse, K inverse, ...
G
q,p
p,q
_
x

[ ] ; .
[ ] ; .
_
Fisher, ...
G
q,0
p,q
_
x

. ; [ ]
[ ] ; .
_
Beta, Whittaker...
G
0,p
p,q
_
x

[ ] ; .
. ; [ ]
_
Beta inverse, Whittaker inverse...
G
1,p
p,q
_
x

[ ] ; .
0 ; [ ]
_
Hypergeometrique
Il ne semble pas exister sur IR
+
des fonctions de Meijer du type G
q,0
0,q
_
x

. ; [ ]
. ; .
_
(rappelons que la convolution inverse de Mellin nest pas une loi interne pour les fonctions
denies sur IR
+
telles que f(x) 0 x IR
+
).
36
5.4 Tableau recapitulatifs des derivees de fonctions usuelles
Derivees des fonctions usuelles
Fonction Derivee Derivee
(expression Meijer) (expression Meijer) (forme usuelle)
e
x
e
x
G
1,0
0,1
_
x

.; .
0; .
_
- G
1,0
0,1
_
x

.; .
0; .
_
x
a
e
x
(a x) x
a1
e
x
G
2,0
1,2
_
x

. ; 1
0, a 1 ; .
_
G
1,0
0,1
_
x

.; .
a; .
_
G
1,1
1,2
_
x

1 ; .
a 1 ; 0
_
ax
a1
1
F
1
(a + 1; a; x)
e

1
x
1
x
2
e

1
x
G
0,1
1,0
_
x

1; .
.; .
_
G
0,1
1,0
_
x

1 ; .
. ; .
_
x
a
e

1
x
(ax + 1) x
a2
e

1
x
G
0,2
2,1
_
x

1, a 1 ; .
. ; 0
_
G
0,1
1,0
_
x

a ; .
. ; .
_
G
1,1
2,1
_
x

a 1 ; 1
0 ; .
_
37
Derivees des fonctions usuelles
Fonction Derivee Derivee
(expression Meijer) (expression Meijer) (forme usuelle)
2 x
a+b
2
K
ab
(2

x) 2 x
a+b
2
1
(K
ab
(2

x) K
ab+1
(2

x))
G
2,1
1,3
_
x

1 ; .
a 1, b 1 ; 0
_
G
2,0
0,2
_
x

. ; .
a, b ; .
_
G
3,0
1,3
_
x

. ; 0
a 1, b 1, 1 ; .
_
(a +b)
x
a
(1+x)
a+b
(a +b)
x
a1
(abx)
(1+x)
a+b+1
G
2,1
2,2
_
x

b ; 1
0, a 1 ; .
_
G
1,1
1,1
_
x

1 b ; .
a ; .
_
G
1,2
2,2
_
x

1, b ; .
a 1 ; 0
_
a(a b)
2
F
1
(a + 1, a b; a; x)
1
(ba)
x
a
(1 x)
b
x [0, 1]
1
(ba)
x
a1
(1 x)
b1
(a (a +b)x)
G
2,0
2,2
_
x

. ; 1, b 1
0, a 1 ; .
_
G
1,0
1,1
_
x

. ; b
a ; .
_
G
1,1
2,2
_
x

1 ; b 1
a 1 ; 0
_
1
F
1
(a; b; x)
(b)
(a)
G
1,1
1,2
_
x

1 a ; .
0 ; 1 b
_
(b)
(a)
G
1,1
1,2
_
x

a ; .
0 ; b
_
1
F
1
(a + 1; b + 1; x)
x
b+c1
2
e

x
2
W1+b+c
2
a,
bc
2
G
2,0
1,2
_
x

. ; a
b, c ; .
_
38
5.5 Tableaux recapitulatifs des primitives des fonctions usuelles
Primitives des fonctions usuelles
Fonction Primitive Primitive
(expression Meijer) (expression Meijer) (forme usuelle)
e
x
G
1,1
1,2
_
x

1 ; .
1 ; 0
_
x
1
F
1
(1 ; 2 ; x)
G
1,0
0,1
_
x

.; .
0; .
_
G
2,0
1,2
_
x

. ; 1
0, 1 ; .
_
e

x
2
W
0,
1
2
x
a
e
x
G
1,1
1,2
_
x

1 ; .
a + 1 ; 0
_
x
a+1
a+1
1
F
1
(a + 1; a + 2; x)
G
1,0
0,1
_
x

.; .
a; .
_
G
2,0
1,2
_
x

. ; 1
0, a + 1 ; .
_
x
a
2
e

x
2
Wa
2
,
a+1
2
(x)
e

1
x
G
0,2
2,1
_
x

1, 2 ; .
. ; 0
_
G
0,1
1,0
_
x

1; .
.; .
_
G
1,1
2,1
_
x

2 ; 1
0 ; .
_
x
a
e

1
x
G
0,2
2,1
_
x

1, a + 2 ; .
. ; 0
_
G
0,1
1,0
_
x

a + 1 ; .
. ; .
_
G
1,1
2,1
_
x

a + 2 ; 1
0 ; .
_
39
Primitives des fonctions usuelles
Fonction Primitive Primitive
(expression Meijer) (expression Meijer) (forme usuelle)
2 x
a+b
2
K
ab
(2

x) G
2,1
1,3
_
x

1 ; .
a + 1, b + 1 ; 0
_
G
2,0
0,2
_
x

. ; .
a, b ; .
_
G
3,0
1,3
_
x

. ; 1
0, a + 1, b + 1 ; .
_
(a +b)
x
a
(1+x)
a+b
G
1,2
2,2
_
x

1, 2 b ; .
a + 1 ; 0
_
(a+b)
a+1
x
a+1
2F
1
(a +b, a + 1; a + 2; x)
G
1,1
1,1
_
x

1 b ; .
a ; .
_
G
2,1
2,2
_
x

2 b ; 1
0, a + 1 ; .
_
1
(ba)
x
a
(1 x)
b
x [0, 1] G
1,1
2,2
_
x

1 ; b + 1
a + 1 ; 0
_
G
1,0
1,1
_
x

. ; b
a ; .
_
G
2,0
2,2
_
x

. ; 1, b + 1
0, a + 1 ; .
_
x
b+c1
2
e

x
2
W1+b+c
2
a,
bc
2
G
2,1
2,3
_
x

1 ; a + 1
b + 1, c + 1 ; 0
_
G
2,0
1,2
_
x

. ; a
b, c ; .
_
G
3,0
2,3
_
x

. ; 1, a + 1
0, b + 1, c + 1 ; .
_
40
6 Les lois de Meijer
6.1 Fonctions de Meijer et lois de probabilites
Nous avons vu la relation fondamentale 2 exprimant la transformee de Mellin de G :
M
_
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
__
(s) =

m
j=1
(b
j
+s)

n
j=1
(1 a
j
s)

q
j=m+1
(1 b
j
s)

p
j=n+1
(a
j
+s)
Reecrivons cette expression pour lui donner la meme allure quune fonction caracteristique de
deuxi`eme esp`ece (qui donne un r ole cle `a la valeur s = 1) :

m
j=1
((b
j
+ 1) +s 1)

n
j=1
((a
j
) + 1 s)

q
j=m+1
((b
j
) + 1 s)

p
j=n+1
((a
j
+ 1) +s 1)
(49)
Donc, dans la mesure o` u la fonction de Meijer sapparente `a une loi de probabilite denie sur
IR
+
(i.e. quelle verie x < 0 G(x) = 0 et x 0 G(x) 0), cette transformee de Mellin
peut representer une fonction caracteristique de deuxi`eme esp`ece.
Pour cela, il faut que cette fonction caracteristique de deuxi`eme esp`ece soit denie en s = 1
et egale `a 1 (ce qui revient `a dire que
_

0
G(x)dx = 1). Il est alors aise de construire de une
nouvelle fonction

G
m,n
p,q
veriant cette derni`ere condition. Pour cela, posons :

G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
=

q
j=m+1
(b
j
)

p
j=n+1
(a
j
+1)

m
j=1
(b
j
+1)

n
j=1
(a
j
)
G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
Cette fonction de Meijer modiee

G
m,n
p,q
verie donc les conditions requises pour denir une ddp.
Nous lappelerons dans ce paragraphe ddp de Meijer et sa fonction caracteristique de deuxi`eme
esp`ece secrit :

G
=

q
j=m+1
(b
j
)

p
j=n+1
(a
j
+ 1)

m
j=1
(b
j
+ 1)

n
j=1
(a
j
)

m
j=1
((b
j
+ 1) +s 1)

n
j=1
((a
j
) + 1 s)

q
j=m+1
((b
j
) + 1 s)

p
j=n+1
((a
j
+ 1) +s 1)
(50)
On peut verier que, pour s = 1 on a bien

G
|
s=1
= 1.
La formulation 50 permet de faire le lien avec deux cas particuliers de lois de distributions
utilisees en imagerie coherente. En eet :
Considerons la loi Gamma G [, L]
4
:
1
(L)
L

_
Lx

_
L1
e

Lx

Sa fonction caracteristique de deuxi`eme esp`ece secrit :

G
=
s1
(L +s 1)
L
s1
(L)
Prenons un cas particulier de loi Gamma : G

tel que G

[L] = G [ = L, L] . On a alors :

G
=
(L +s 1)
(L)
4
Pour ce choix de denition de la loi Gamma, voir lannexe C.2.15.
41
Il est facile, par identication, de voir que cette loi Gamma G

sexprime comme une ddp


de Meijer, avec b
1
+ 1 = L :
G

[L] =
1
(L)
G
1,0
0,1
_
x

. ; .
L 1 ; .
_
=

G
1,0
0,1
_
x

. ; .
L 1 ; .
_
de meme, considerons la loi Gamma Inverse GI [, L]
5
:
1
(M)
1
M
_
M
x
_
M+1
e

M
x
Sa fonction caracteristique de deuxi`eme esp`ece secrit :

GI
=
1s
(M + 1 s)
M
1s
(M)
Prenons un cas particulier de loi Gamma Inverse : GI

tel que GI

[M] = GI [ = M, M] .
On a alors :

GI
=
(M + 1 s)
(M)
Il est facile, par identication, de voir que cette loi Gamma GI

sexprime comme une ddp


de Meijer, avec a
1
= M :
GI

[M] =
1
(M)
G
0,1
1,0
_
x

M ; .
. ; .
_
=

G
0,1
1,0
_
x

M ; .
. ; .
_
Or, nous savons que les deux lois de base que sont la loi Gamma et la loi Gamma Inverse
servent `a la construction des lois usuelles de limagerie coherente par le biais de la convolution de
Mellin ( ) ainsi que, dans des cas bien precis
6
, par le biais de la convolution de Mellin inverse

1
.
Par simple identication, il est aise de montrer que

G
m,n
p,q
peut etre denie comme le resultat
de convolutions de Mellin ( ) de lois G

et de lois GI

(cette convolution correspond au terme


au numerateur dans lexpression 49), ainsi que de convolution inverse de Mellin (
1
) de lois G

et de lois GI

(cette convolution inverse correspond au terme au denominateur dans lexpression


49). En posant :
:
_
G

: b
j
= L
j
1 j [1, m]
GI

: a
j
= M
j
j [1, n]

1
:
_
G

: a
j
=

L
j
1 j [n + 1, p]
GI

: b
j
=

M
j
j [m+ 1, q]
lexpression 49 devient :

m
j=1
(L
j
+s 1)

n
j=1
(M
j
+ 1 s)

q
j=m+1

_

M
j
+ 1 s
_

p
j=n+1

L
j
+s 1
_ (51)
Dans cette expression, notons que laspect convolution de Mellin est parametre par les L
i
et
les M
i
et se manifeste au numerateur de lexpression 51, tandis que laspect convolution inverse
de Mellin est parametre par les

L
i
et

M
i
et se manifeste au denominateur de lexpression 51.
Reste donc `a traiter le cas general, prenant en compte les lois Gamma G et les lois Gamma
Inverse GI.
5
Pour ce choix de denition de la loi Gamma, voir lannexe C.2.15.
6
Des conditions sur les param`etres doivent imperativement etre precises. Nous rappelons que pour uidier la
lecture de ce document, ces conditions ne sont pas systematiquement explicitees.
42
6.2 Les lois de Meijer LM
6.2.1 Cas particulier : lois Gamma et Gamma Inverse
Dans le cas general, la loi Gamma G secrit :
G [, L] =
1
(L)
L

_
Lx

_
L1
e

Lx

Dans le precedent paragraphe, nous avions utilise la loi G

, qui est un cas particulier avec = L :


G

[L] (x) =
1
(L)
(x)
L1
e
x
Passer de G

`a G revient `a eectuer le changement de variable :


x

=
L

x
le jacobien de cette transformation etant
L

.
Dapr`es les proprietes de la transformee de Mellin, multiplier la variable x par une constante
a revient `a multiplier la transformee de Mellin par
s
[11] :
M[f(x)] (s) =
s
M[f(x)] (s) (52)
On en deduit par exemple :
M
_
L

G
1,0
0,1
_
L

. ; .
L 1 ; .
__
(s) =

s1
L
s1
(L +s 1)
Si lon cherche `a ecrire la loi Gamma en utilisant une fonction de Meijer, il sut alors de
considerer la fonction suivante :
L

1
(L)
G
1,0
0,1
_
L

. ; .
L 1 ; .
_
Sa transformee de Mellin cest `a dire la fonction caracteristique de deuxi`eme esp`ece secrit :
L

1
(L)

s
L
(L +s 1) =
s1
(L +s 1)
L
s1
(L)
et on reconnat la fonction caracteristique de deuxi`eme esp`ece de la loi Gamma. On a donc :
L

1
(L)
G
1,0
0,1
_
L

. ; .
L 1 ; .
_
= G [, L] (x) =
1
(L)
L

_
Lx

_
L1
e

Lx

Bien entendu, cette egalite pouvait aussi se deduire des relations entre fonction de Meijer et
exponentielle decroissante abordees au paragraphe 2.6.2.
De la meme mani`ere, considerons la loi Gamma inverse
GI [, M] (x) =
1
(M)
1
M
_
M
x
_
M+1
e

M
x
M 0 > 0
dont la fonction caracteristique de deuxi`eme esp`ece secrit :

GI
(s) =
s1
(M + 1 s)
M
1s
(M)
43
Considerons maintenant la fonction de Meijer suivante :
1
M
1
(M)
G
0,1
1,0
_
x
M

M ; .
. ; .
_
Sa transformee de Mellin secrit (gr ace `a lutilisation de la relation 52) :
1
M
1
(M)
M
s

s
(M + 1 s) =
s1
(M + 1 s)
M
1s
(M)
et on reconnat la fonction caracteristique de deuxi`eme esp`ece de la loi Gamma Inverse. On a
donc la relation :
1
M
1
(M)
G
0,1
1,0
_
x
M

M ; .
. ; .
_
= GI [, M] (x)
6.2.2 Cas general des lois de Meijer
On a donc vu sur ces deux exemples quil est possible de denir des lois de probabilites clas-
siques en utilisant les fonctions de Meijer. Ces derni`eres etant extremement generales, il est alors
tentant de denir les lois de Meijer sous une forme permettant dune part une correspondance
facile avec les lois classiques et dautre part une generalisation aisee de ces lois par convolution
de Mellin et convolution de Mellin inverse.
Dune mani`ere purement formelle, denissons les lois de Meijer LM par des convolutions
(directe et inverse) de Mellin de lois Gamma et de lois Gamma inverse par la relation suivante :
LM
m,n
p,q
_
x

M
1
, . . . , M
n
;

L
n+1
, . . . ,

L
p
L
1
, . . . L
m
;

M
m+1
, . . . ,

M
q
,
_
=
G [, L
1
] . . . G [1, L
m
]
GI [1, M
1
] . . . GI [1, M
n
]

1
G
_
1,

L
n+1
_

1
. . .
1
G
_
1,

L
p
_

1
GI
_
1,

M
m+1
_

1
. . .
1
GI
_
1,

M
q
_
(53)
Il est alors aise de montrer que ces lois sexpriment `a laide des fonctions de Meijer G
m,n
p,q
et
verient la relation fondamentale suivante :
LM
m,n
p,q
_
x

M
1
, . . . , M
n
;

L
n+1
, . . . ,

L
p
L
1
, . . . L
m
;

M
m+1
, . . . ,

M
q
,
_
=

q
j=m+1
(

L
j)

p
j=n+1
(

M
j)

m
j=1
(L
j
)

n
j=1
(M
j
)

m
j=1
L
j

q
m+1

M
j

n
j=1
M
j

p
n+1

L
j
1

G
m,n
p,q
_

p
1
L
j

q
m+1

M
j

n
1
M
j

n+p
n+1

L
j
x

M
1
, . . . , M
n
;

L
n+1
1, . . . ,

L
p
1
L
1
1, . . . L
m
1 ;

M
m+1
, . . . ,

M
q
_
(54)
La notation specique choisie permet dapprehender le r ole des variables. En eet :
L est le param`etre correspondant `a la loi Gamma (convolution),
M est le param`etre correspondant `a la loi Gamma Inverse (convolution),


L est le param`etre correspondant `a la loi Gamma (convolution inverse),


M est le param`etre correspondant `a la loi Gamma Inverse (convolution inverse).
Comme la convolution inverse de Mellin nest pas une loi interne dans lensemble des lois de
probabilites denies sur IR
+
, certaines conditions sur les coecients

L et

M sont requises pour
quune loi de Meijer LMsoit une loi de probabilite denie sur IR
+
. Celle ci doit en eet verier :
x < 0 LM(x) = 0
x 0 LM(x) 0
44
6.2.3 Proprietes des lois de Meijer
Une propriete essentielle des lois de Meijer est le fait que la convolution de Mellin est une loi
interne. En eet, `a partir de la propriete de convolution des fonctions de Meijer (equation 7),
on peut ecrire :
LM
m,n
p,q
_
x

M
1
, . . . , M
n
;

L
n+1
, . . . ,

L
p
L
1
, . . . L
m
;

M
m+1
, . . . ,

M
q
,
_
LM
m

,n

,q

_
x

1
, . . . , M

n
;

L

+1
, . . . ,

L

1
, . . . L

m
;

M

+1
, . . . ,

M

_
= LM
m+m

,n+n

p+p

,q+q

_
x

M
1
, . . . , M
n
, M

1
, . . . , M

n
;

L
n+1
, . . . ,

L
p
,

L

+1
, . . . ,

L

L
1
, . . . L
m
, L

1
, . . . L

m
;

M
m+1
, . . . ,

M
q
,

M

+1
, . . . ,

M

_
(55)
Toujours `a partir de letude des fonctions de Meijer, on voit que la derivee et la primitive de
lois de Meijer secrivent sous forme de fonctions de Meijer.
6.2.4 Fonction caracteristique de deuxi`emes esp`ece des lois de Meijer
Soit une loi de Meijer LM
m,n
p,q
_
x

M
1
, . . . , M
n
;

L
n+1
, . . . ,

L
p
L
1
, . . . L
m
;

M
m+1
, . . . ,

M
q
,
_
. Sa fonction ca-
racteristique de deuxi`eme esp`ece secrit simplement :

s1
m

j=1
(L
j
+s 1)
L
s1
j
(L
j
)
n

j=1
(M
j
+ 1 s)
M
1s
j
(M
j
)
p

j=n+1

L
j
s1
(

L
j
)

_

L
j
+s 1
_
q

j=m+1

M
j
1s
(

M
j
)

_

M
j
+ 1 s
_ (56)
On peut verier que pour s = 1, elle prend la valeur 1, ce qui est une conditions necessaire
pour une ddp.
6.2.5 Moments et mode des lois de Meijer
Comme la fonction caracteristique de deuxi`eme esp`ece (expression 56) est de facto la fonction
generatrice des moments, il est aise den deduire les moments classiques. On a par exemple :
m
1
=
n

j=1
M
j
M
j
1
q

j=m+1

M
j
1

M
j
m
2
=
2
m

j=1
L
j
+ 1
L
j
n

j=1
M
2
j
(M
j
1)(M
j
2)
p

j=n+1

L
j

L
j
+ 1
q

j=m+1
(

M
j
1)(

M
j
2)

M
j
2
(57)
En particulier, on voit que le moment dordre 1 m
1
est proportionnel au param`etre .
Le mode dune loi de Meijer na pas, en general, de forme analytique explicite. Cependant, il
se calcule sans probl`eme puisque la derivee dune fonction de Meijer est une fonction de Meijer.
Si lon a une loi de Meijer LM
m,n
p,q
_
x

M
1
, . . . , M
n
;

L
n+1
, . . . ,

L
p
L
1
, . . . L
m
;

M
m+1
, . . . ,

M
q
,
_
, sa ddp est propor-
tionnelle `a la fonction de Meijer G
m,n
p,q
_

p
1
L
j

q
m+1

M
j

n
1
M
j

n+p
n+1

L
j
x

M
1
, . . . , M
n
;

L
n+1
1, . . . ,

L
p
1
L
1
1, . . . L
m
1 ;

M
m+1
, . . . ,

M
q
_
.
Son mode correspond donc `a lannulation de la derivee de cette fonction de Meijer, donc, par
utilisation de la formule 39, `a la valeur x si elle existe sur IR
+
telle que :
G
m,n+1
p+1,q+1
_

p
1
L
j

q
m+1

M
j

n
1
M
j

n+p
n+1

L
j
x

1, M
1
1, . . . , M
n
1 ;

L
n+1
2, . . . ,

L
p
2
L
1
2, . . . L
m
2 ; 0,

M
m+1
1, . . . ,

M
q
1
_
= 0
On pourrait obtenir une autre expression strictement equivalente par utilisation de la formule
40.
45
6.2.6 log-moments et log-cumulants des lois de Meijer
Si le formalisme des lois de Meijer semble lourd, la caracterisation de ces lois est en fait assez
simple sous langle des statistiques de Mellin. En eet, `a partir de la fonction caracteristique de
deuxi`eme esp`ece (expression 56), on en deduit par derivation logarithmique les log-moments et
les log-cumulants. On a en particulier les expressions suivantes pour les log-cumulants :

1
= log +
m

i=1
((L
i
) log L
i
)
n

i=1
((M
i
) log M
i
)

i=n+1
_
(

L
i
) log

L
i
_
+
q

i=m+1
_
(

M
i
) log

M
i
_

2
=
m

i=1
(1, L
i
) +
n

i=1
(1, M
i
)
p

i=n+1
(1,

L
i
)
q

i=m+1
(1,

M
i
)

r
=
m

i=1
(r 1, L
i
) + (1)
r
n

i=1
(1, M
i
)
p

i=n+1
(r 1,

L
i
) (1)
r
q

i=m+1
(r 1,

M
i
) (58)
qui sav`erent simples et faciles `a resoudre numeriquement car les fonctions Polygamma ont
dinteressantes proprietes de monotonicite.
En resume, on voit donc que si la forme analytique des lois de Meijer requiert lutilisation
des fonctions de Meijer dont la denition implicite les rende plut ot lourdes `a manipuler, les log
moments et les log cumulants ont nalement une expression assez simple et exploitable.
6.2.7 Lois de Meijer et lois de Meijer inverse
Soit une loi de Meijer denie par la relation 54. Connaissant la relation 9 liant fonction de
Meijer et fonction de Meijer inverse, on peut en deduire directement sa loi inverse, donnee par
la relation suivante :
LMI
m,n
p,q
_
x

M
1
, . . . , M
n
;

L
n+1
, . . . ,

L
p
L
1
, . . . L
m
;

M
m+1
, . . . ,

M
q
,
_
=

q
j=m+1
(

L
j)

p
j=n+1
(

M
j)

m
j=1
(L
j
)

n
j=1
(M
j
)

n
j=1
M
j

n+p
n+1

L
j

m
j=1
L
j

q
m+1

M
j
1

G
n,m
q,p
_

n
j=1
M
j

n+p
n+1

L
j

m
j=1
L
j

q
m+1

M
j
x

L
1
, . . . L
m
;

M
m+1
1, . . . ,

M
q
1
M
1
1, . . . , M
n
1 ;

L
n+1
, . . . ,

L
p
_
On en deduit la relation :
LMI
m,n
p,q
_
x

M
1
, . . . , M
n
;

L
n+1
, . . . ,

L
p
L
1
, . . . L
m
;

M
m+1
, . . . ,

M
q
,
_
= LM
n,m
q,p
_
x

L
1
, . . . L
m
;

M
m+1
, . . . ,

M
q
M
1
, . . . , M
n
;

L
n+1
, . . . ,

L
p
,
_
On a donc une propriete interessante : la loi inverse dune loi de Meijer est une loi de Meijer.
Loperation loi inverse est donc interne aux lois de Meijer (cette propriete etait dej`a observee
pour les lois de Fisher et les lois log-normales).
6.3 Lois de Meijer generalisees
6.3.1 Denition des lois generalisees [11]
Soit une variable aleatoire x decrite par sa distribution de probabilite p(u) et soit (s) sa
fonction caracteristique de deuxi`eme esp`ece.
46
Considerons une nouvelle variable aleatoire y telle que x = y

. Soit p

(v) la loi de probabilite


correspondant `a cette nouvelle variable, et

(s) sa fonction caracteristique de deuxi`eme esp`ece.


On a alors la relation fondamentale :
p

(v) = v
(1)
p(v

) (59)
On a ainsi denit une denition de la loi generalisee p

(v) de la loi initiale p(u), avec u = v

.
Cest cette denition qui est prise par exemple pour denir la loi de Weibull `a partir de la loi
exponentielle decroissante.
Si lon connait la fonction caracteristique de deuxi`eme esp`ece de p(u) : (s), `a partir des
proprietes fondamentales de la transformee de Mellin
7
, on obtient

, la fonction caracteristique
de deuxi`eme esp`ece de p

(s) =
_
s + 1

_
(60)
Cette relation nalement tr`es simple permet de deduire une expression simplissime pour les
log-cumulants de y puisque, si pour tout r lon connat
r
, les log-cumulants de x, on en deduit

r,
, les log-cumulants de y, par la relation :

r,
=
_
1

_
r

r
(61)
Une seconde approche nous sera utile dans ce document : etant donnee la variable aleatoire
x, considerons la nouvelle variable aleatoire z telle que z = x

. Soit p

(w) sa ddp et

(s) sa
fonction caracteristique de deuxi`eme esp`ece. Connaissant 59, on en deduit aisement p

(w) :
p

(w) =
1

w
1

p(w
1

) (62)
et

(s) =
_

(s 1) + 1
_
(63)
Bien entendu, en posant

=
1

, on retrouve lexpression 62 `a partir de 59 et lexpression 63


`a partir de 60. Les log-cumulants ont alors pour expression :

r,
=
r

r
(64)
6.3.2 Exemples de lois generalisees
Les eets de ce changement de variable ont ete dej`a etudies pour des lois comme la loi Gamma
ou la loi de Fisher par un certain nombre dauteur au si`ecle dernier. Par exemple, le passage de
la loi Gamma `a la loi Gamma generalisee a ete propose par Stacy en 1962[14] : en fait Amoroso
[1] a propose un resultat identique bien avant (en 1925, voir lannexe C.2.1). Lexpression de la
loi Gamma Generalisee est alors une loi `a 3 param`etres :
GG [, L, ] =
||

L
1

(L)
_
_
L
1

_
_
L1
e

_
L
1

On obtient de meme la loi de Fisher Generalisee, qui est une loi `a 4 param`etres :
FG [, L, M, ] =

L
1

M
1

(L +M)
(L) (M)
_
L
1

M
1

_
L1
_
1 +
_
L
1

M
1

_
L+M
7
Si f(u) admet une transformee de Mellin : (s) = M[f(u)] (s) , on a alors M[u
a
f(u)] (s) = (s + a) et
M[f(u
a
)] (s) =
1
a

_
s
a
_
[11]
47
et la loi Beta Generalisee, qui est aussi une loi `a 4 param`etres :
BG [, L, M, ] =

L
1

M
1

(M)
(L) (M L)
_
_
L
1

M
1

_
_
L1
_
_
1
_
_
L
1

M
1

_
_

_
_
ML1
Ces deux derni`eres lois sont proposees par McDonald [9] (mais il existe des sources plus an-
ciennes).
6.3.3 Denition des lois de Meijer generalisees LMG
A partir de ce concept et de ces exemples, il est alors trivial de denir, `a partir des lois de
Meijer LM, les lois de Meijer generalisees LMG . Ces lois font intervenir un nouveau param`etre :
, tel que la nouvelle variable aleatoire y soit liee `a la variable initiale x par la relation x = y

.
Nous noterons ces lois LMG
m,n
p,q
:
LMG
m,n
p,q
_
x

M
1
, . . . , M
n
;

L
n+1
, . . . ,

L
p
L
1
, . . . L
m
;

M
m+1
, . . . ,

M
q
, ,
_
Ce sont donc des lois `a p +q + 2 param`etres.
Par simple application de la relation 59, et apr`es quelques operations elementaires (utilisant
la relation 5), on obtient la forme analytique des lois de Meijer generalisees exprimees `a laide
des fonctions de Meijer :
LMG
m,n
p,q
_
x

M
1
, . . . , M
n
;

L
n+1
, . . . ,

L
p
L
1
, . . . L
m
;

M
m+1
, . . . ,

M
q
, ,
_
=

q
j=m+1
(

L
j)

p
j=n+1
(

M
j)

m
j=1
(L
j
)

n
j=1
(M
j
)
_
m
j=1
L
j

q
m+1

M
j

n
j=1
M
j

p
n+1

L
j
_
1

G
m,n
p,q
_

p
1
L
j

q
m+1

M
j

n
1
M
j

n+p
n+1

L
j
_
x

M
1
+ 1
1

, . . . , M
n
+ 1
1

;

L
n+1

, . . . ,

L
p

L
1

, . . . L
m

;

M
m+1
+ 1
1

, . . . ,

M
q
+ 1
1

_
On peut voir sur cette expression que loperation loi inverse est une loi interne pour les
lois de Meijer generalisees (puisque cela revient `a changer en
1

).
6.3.4 Fonction caracteristique de deuxi`eme esp`ece des lois de Meijer generalisees
Par simple application de la relation 60 sur lexpression de la fonction caracteristique de
deuxi`eme esp`ece de la loi de Meijer (equation 56), et apr`es quelques operations elementaires,
on peut ecrire la fonction caracteristique de deuxi`eme esp`ece de la loi de Meijer generalisee
LMG
m,n
p,q
_
x

L
1
, . . . L
m
;

M
m+1
, . . . ,

M
q
M
1
, . . . , M
n
;

L
n+1
, . . . ,

L
p
, ,
_
:

s1

j=1

_
L
j
+
s1

_
L
s1

j
(L
j
)
n

j=1

_
M
j
+
1s

_
M
1s

j
(M
j
)
p

j=n+1

L
j
s1

(

L
j
)

_

L
j
+
s1

_
q

j=m+1

M
j
1s

(

M
j
)

_

M
j
+
1s

_ (65)
En posant s = 1, on peut verier que lon obtient bien la valeur 1, ce qui est une condition
necessaire pour que ce soit une ddp.
48
6.3.5 Proprietes des lois de Meijer generalisees
La fonction caracteristique de deuxi`eme esp`ece (relation 65) est aussi la fonction generatrice
des moments : on peut donc obtenir facilement lexpression analytique des moments des lois
de Meijer generalisees. Cependant leur expression analytique peut saverer vite assez lourde `a
manipuler. Par exemple le premier moment m
1
secrit :
m
1
=
1

j=1

_
L
j
+
1

_
L
1

j
(L
j
)
n

j=1

_
M
j

1

_
M

j
(M
j
)
p

j=n+1

L
j
1

(

L
j
)

_

L
j
+
1

_
q

j=m+1

M
j

(

M
j
)

_

M
j

1

_
Cest du cote des statistiques de Mellin quil faut trouver toute la puissance des lois de
Meijer. En eet, `a partir de cette fonction caracteristique de deuxi`eme esp`ece, on en deduit par
derivation logarithmique les log-moments et les log-cumulants. On a en particulier les expressions
suivantes pour les log-cumulants (pour r > 1) :

r
=
_
1

_
r
_
_
m

i=1
(r 1, L
i
) + (1)
r
n

i=1
(1, M
i
)
p

i=n+1
(r 1,

L
i
) (1)
r
q

i=m+1
(r 1,

M
i
)
_
_
Cette derni`ere expression permet de proposer des solutions numeriques dinversion des pa-
ram`etres assez simples la monotonicite des fonctions Polygamma etant un element cle dans
ces algorithmes et ouvre ainsi la voie `a des methodes destimation de param`etres tout `a fait
realisables.
49
6.4 Tableau recapitulatif des lois usuelles exprimees comme lois de Meijer
6.4.1 Lois `a deux param`etres
Lois `a deux param`etres
Lois formulation classique formulation Meijer
loi Gamma
G [, L] (x)
L

1
(L)
_
Lx

_
L1
e

Lx

1
(L)
G
1,0
0,1
_
Lx

. ; .
L 1 ; .
_
LM
1,0
0,1
_
x

. ; .
L ; .
,
_
loi Gamma Inverse
GI [, M] (x)
1
M
1
(M)
_
M
x
_
M+1
e

M
x
1
M
1
(M)
G
0,1
1,0
_
x
M

M ; .
. ; .
_
LM
0,1
1,0
_
x

M ; .
. ; .
,
_
loi de Nakagami
RN [, L] (x)
2

L
(L)
_
Lx

_
2L1
e

Lx

_
2
2

L
(L)
G
1,0
0,1
_
_
Lx

_
2

. ; .
L
1
2
; .
_
LM
1,0
0,1
_
x

. ; .
1
1
2
; .
,
_
loi de Weibull
W[, ] (x)
||

_
x

_
1
e

_
x

||

G
1,0
0,1
_
_
x

. ; .
1
1

; .
_
LM
1,0
0,1
_
x

. ; .
1
1

; .
,
_
50
6.4.2 Lois `a trois param`etres
Lois `a trois param`etres
Lois formulation classique formulation Meijer
loi K
K[, L, M] (x)
= G [, L] G [, M]
2 L M

1
(L)(M)
LM

1
(L)(M)
LM
2,0
0,2
_
x

. ; .
L, M ; .
,
_
_
L M x

_M+L
2
1
K
ML
_
2
_
L M x

_1
2
_
G
2,0
0,2
_
LMx

. ; .
L 1, M 1 ; .
_
loi K inverse
KI [, L, M] (x)
= GI [, L] GI [, M]
2
LM
1
(L) (M)
1
LM
1
(L)(M)
LM
0,2
2,0
_
x

L, M ; .
. ; .
,
_
_
L M
x
_M+L
2
+1
K
ML
_
2
_
L M
x
_1
2
_
G
0,2
2,0
_
x
LM

L, M ; .
. ; .
_
loi de Fisher
F [, L, M] (x)
= G [, L] GI [, M]
L
M
(L+M)
(L)(M)
_
Lx
M
_
L1
_
1+
Lx
M
_
L+M
L
M
1
(L)(M)
LM
1,1
1,1
_
x

M ; .
L ; .
,
_
G
1,1
1,1
_
Lx
M

M ; .
L 1 ; .
_
loi Beta
B[, L, M]
= G [, L]
1
G [, M]
L
M
(M)
(L)(ML)
L
M
(M)
(L)
LM
1,0
1,1
_
x

. ; M
L ; .
,
_
_
Lx
M
_
L1
_
1
Lx
M
_
ML1
G
1,0
1,1
_
Lx
M

. ; M 1
L 1 ; .
_
loi Beta inverse
BI [, L, M]
= GI [, L]
1
GI [, M]
M
L
(M)
(L)(ML)
_
Mx
L
1
_
ML1
_
Mx
L
_
M
M
L
(M)
(L)
LM
0,1
1,1
_
x

L ; .
. ; M
,
_
G
0,1
1,1
_
Mx
L

L ; .
. ; M
_
loi Gamma generalisee
GG [, L, ]
||

L
1

(L)
_
L
1

_
L1
e

_
L
1

||

L
1

(L)
G
1,0
0,1
_
_
L
1

. ; .
L
1

; .
_
LMG
1,0
0,1
_
x

. ; .
L ; .
, ,
_
51
6.4.3 Lois `a quatre param`etres
Lois `a quatre param`etres
Lois formulation classique formulation Meijer
loi W
Q
W
[, L, M, N] = G [, L]
G [, M]
1
G [, N]
LM
N
(N)
(M)(L)
_
LMx
N
_M+L3
2
LM
N
(N)
(L)(M)
LM
2,0
1,2
_
x

. ; N
L, M ; .
,
_
e

LMx
2N
W1+M+L2N
2
,
LM
2
_
LMx
N
_
G
2,0
1,2
_
LMx
N

. ; N 1
L 1, M 1 ; .
_
loi U
Q
U
[, L, M, N] = G [, L]
G [, M] GI [, N]
LM
N
(L+N) (M+N)
(M) (N) (L)
_
LMx
N
_L+M3
2
LM
N
1
(L)(M)(N)
LM
2,1
1,2
_
x

N ; .
L, M ; .
,
_
e
LMx
2N
W1LM2N
2
,
LM
2
_
LMx
N
_
G
2,1
1,2
_
LMx
N

N ; .
L 1, M 1 ; .
_
loi Z
Q
Z
[, L, M, N] = G [, L]
GI [, M]
1
GI [, N]
LN
M
(N)
(L) (M)
(L+M)
(L+N)
_
LNx
M
_LN2
2
LN
M
(N)
(L)(M)
LM
1,1
1,2
_
x

M ; .
L ; N
,
_
e

LNx
2M
MWL+2MN
2
,
L+N1
2
_
LNx
M
_
G
1,1
1,2
_
LNx
M

M ; .
L 1 ; N
_
Dans ce tableau, MW represente la fonction M de Whittaker, qui est deni par
MW
,
= x
+
1
2
e

x
2
1
F
1
_
1
2
+ ; 2 + 1; x
_
Rappelons quil existe une relation directe entre
1
F
1
et G
1,1
1,2
(relation 27), ce qui explique le lien
entre la formulation classique et la formulation Meijer.
La fonction de Whittaker se denit dailleurs `a partir de cette fonction MW :
W
,
(x) =
(2)

_
1
2

_ MW
,
(x) +
(2)

_
1
2
+
_ MW
,
(x)
Les expressions classiques sont celles de [11], corrigees de quelques erreurs typographiques.
52
6.4.4 Lois en amplitude
Dans ce tableau, on se focalise sur les lois que lon pourrait utiliser en imagerie coherente
d`es lors que lon souhaite traiter les donnees en amplitude (et non en intensite).
Lois en amplitude
Lois formulation classique formulation Meijer
loi de Nakagami
RN [, L] (x)
2

L
(L)
_
Lx

_
2L1
e

Lx

_
2
2

L
(L)
G
1,0
0,1
_
_
Lx

_
2

. ; .
L
1
2
; .
_
LMG
1,0
0,1
_
x

. ; .
L ; .
, , 2
_
loi de Nakagami Inverse
RNI [, L] (x)
2

L(L)
_
L
x
_
2L1
e

L
x
_
2
2

L(L)
G
0,1
0,1
_
_
Lx

_
2

L
1
2
; .
. ; .
_
LMG
0,1
0,1
_
x

L ; .
. ; .
, , 2
_
loi K en amplitude
K
A
[, L, M] (x)
= RN [, L] RN [1, M]
4

L M

1
(L)(M)
2

LM

1
(L)(M)
LMG
2,0
0,2
_
x

. ; .
L, M ; .
, , 2
_
_
L M x

_
M+L1
K
ML
_
2

L M x

_
G
2,0
0,2
_
_
LMx

_
2

. ; .
L
1
2
, M
1
2
; .
_
loi de Fisher en amplitude
F
A
[, L, M] (x)
= RN [, L] RNI [1, M]
2

(L+M)
(L)(M)
_
L
M
_
_
L
M
x

_
2L1
_
1+
_
_
L
M
x

_
2
_
L+M
.
2

_
L
M
1
(L)(M)
LMG
1,1
1,1
_
x

M ; .
L ; .
, , 2
_
G
1,1
1,1
_
_
Lx

M
_
2

M +
1
2
; .
L
1
2
; .
_
53
6.4.5 Lois generalisees usuelles
Lois generalisees
Lois formulation classique formulation Meijer
loi Gamma Generalisee
GG [, L, ]
||

L
1

(L)
_
L
1

_
L1
e

_
L
1

||

L
1

(L)
G
1,0
0,1
_
_
L
1

. ; .
L
1

; .
_
LMG
1,0
0,1
_
x

. ; .
L ; .
, ,
_
loi de Fisher generalisee
FG [, L, M, ]

L
1

M
1

(L+M)
(L) (M)

L
1

M
1

1
(L) (M)
LMG
1,1
1,1
_
x

M ; .
L ; .
, ,
_
_
L
1

M
1

_
L1
_
1+
_
L
1

M
1

_
L+M
G
1,1
1,1
_
_
L
1

M
1

M +
1

; .
L
1

; .
_
loi Beta generalisee
BG [, L, M, ]

L
1

M
1

(M)
(L) (ML)

L
1

M
1

(M)
(L)
LMG
1,0
1,1
_
x

. ; M
L ; .
, ,
_
_
L
1

M
1

_
L1
_
1
_
L
1

M
1

_
ML1
G
1,0
1,1
_
_
L
1

M
1

. ; M
1

L
1

; .
_
54
7 Fonctions de repartition des lois de Meijer
7.1 Cas general
Soit p(x) une ddp
+
. Par denition, cette fonction verie deux proprietes fondamentales :
p(x) 0 x IR
+
_

0
p(x)dx = 1
Il est tr`es courant quetant donne une ddp
+
p(x), il existe une fonction q(x) telle que :
q(x) =
_
x
0
p(u)du
Cette fonction sappelle loi de repartition de la ddp
+
p(x). Elle est croissante et verie les
proprietes suivantes :
lim
x0y
q(x) = 0 (66)
lim
x
q(x) = 1 (67)
dq(x)
dx
= p(x) (68)
Dans les cas les plus courants, on a aussi :
p(x)|
x=0
= 0
q(x) est donc une primitive de la ddp
+
p(x). Si p(x) sexprime comme une fonction de
Meijer G
m,n
p,q
_
x

a
1
, . . . , a
n
; a
n+1
, . . . , a
p
b
1
, . . . , b
m
; b
m+1
, . . . , b
q
_
, on peut appliquer indierement la relation 47
ou la relation 48 pour en proposer une primitive q
M
(x) qui est elle-meme une fonction de Meijer
G. On peut utiliser deux formulations pour cette primitive :
q
M
(x) = G
m+1,n
p+1,q+1
_
x

a
1
+ 1, . . . , a
n
+ 1 ; 1, a
n+1
+ 1, . . . , a
p
+ 1
0, b
1
+ 1, . . . , b
m
+ 1 ; b
m+1
+ 1, . . . , b
q
+ 1
_
et
q
M
(x) = G
m,n+1
p+1,q+1
_
x

1, a
1
+ 1, . . . , a
n
+ 1 ; a
n+1
+ 1, . . . , a
p
+ 1
b
1
+ 1, . . . , b
m
+ 1 ; 0, b
m+1
+ 1, . . . , b
q
+ 1
_
Cest donc une simple operation sur les indices et sur les param`etres qui permettent dobtenir
aisement les fonctions de repartition. Le paragraphe suivant donne la forme de ces fonctions
de repartition dans les cas les plus courant de limagerie coherente, ce qui peut permettre de
nouvelles techniques de simulation de chatoiement.
55
7.2 Fonctions de repartition des lois usuelles
Lois `a deux param`etres
Lois formulation Meijer fonction de repartition
loi Gamma
G [, L] (x)
L

1
(L)
G
1,0
0,1
_
Lx

. ; .
L 1 ; .
_
1
(L)
G
1,1
1,2
_
Lx

1 ; .
L ; 0
_
LM
1,0
0,1
_
x

. ; .
L ; .
,
_
loi Gamma Inverse
GI [, M] (x)
M

1
(M)
G
0,1
1,0
_
Mx

M ; .
. ; .
_
1
(M)
G
0,2
2,1
_
x
M

1, M + 1 ; .
. ; 1
_
LM
0,1
1,0
_
x

M ; .
. ; .
,
_
loi K
K[, L, M] (x)
1
(L)(M)
LM

1
(L)(M)
LM
2,0
0,2
_
x

. ; .
L, M ; .
,
_
G
2,0
0,2
_
LMx

. ; .
L 1, M 1 ; .
_
G
2,1
1,3
_
LMx

1 ; .
L, M ; 0
_
loi K inverse
KI [, L, M] (x)
1
(L)(M)
1
LM
1
(L)(M)
LM
0,2
2,0
_
x

L, M ; .
. ; .
,
_
G
0,2
2,0
_
x
LM

L, M ; .
. ; .
_
G
0,3
3,1
_
x
LM

L + 1, M + 1, 1 ; .
. ; 0
_
loi de Fisher
F [, L, M] (x)
= G [, L] GI [, M]
L
M
1
(L)(M)
1
(L)(M)
LM
1,1
1,1
_
x

M ; .
L ; .
,
_
G
1,1
1,1
_
Lx
M

M; .
L 1 ; .
_
G
1,2
2,2
_
Lx
M

1, M + 1; .
L ; 0
_
loi Beta
B[, L, M]
= G [, L]
1
G [, M]
L
M
(M)
(L))
(M)
(L)
LM
1,0
1,1
_
x

. ; M
L ; .
,
_
G
1,0
1,1
_
Lx
M

. ; M 1
L 1 ; .
_
G
1,1
2,2
_
Lx
M

1 ; M
L ; 0
_
loi Beta inverse
BI [, L, M]
= GI [, L]
1
GI [, M]
M
L
(M)
(L)
(M)
(L)
LM
0,1
1,1
_
x

L ; .
. ; M
,
_
G
0,1
1,1
_
Mx
L

L ; .
. ; M
_
G
0,2
2,2
_
Mx
L

L + 1, 1 ; .
. ; M + 1, 0
_
Le passage aux lois generalisees (incluant donc le param`etre tel que u = v

) serait tout
`a fait possible, vu ce formalisme unicateur des fonctions de Meijer : en pratique, pour une
simulation, il est peut etre plus realiste deectuer un tirage dans cette gamme de lois standards
56
et den prendre ensuite la puissance
1

.
7.3 Exemples de fonction de repartition
Fig. 1 Loi Gamma et sa fonction de repartition. A gauche : loi Gamma avec = 0.95 et
L = 1.2. A droite : loi Gamma avec = 0.95 et L = 5.
Fig. 2 Loi Gamma Inverse et sa fonction de repartition. A gauche : loi Gamma Inverse avec
= 0.95 et L = 1.2. A droite : loi Gamma Inverse avec = 0.95 et L = 5.
57
Fig. 3 Loi K et sa fonction de repartition. A gauche : loi K avec = 0.95, L = 1.4 et M = 1.8.
A droite : loi K avec = 0.95, L = 3 et M = 3 .
Fig. 4 Loi KI et sa fonction de repartition. A gauche : loi KI avec = 0.95, L = 1.4 et
M = 1.8. A droite : loi KI avec = 0.95, L = 3 et M = 3 .
Fig. 5 Loi de Fisher et sa fonction de repartition. A gauche : loi F avec = 0.95, L = 1.4 et
M = 1.8. A droite : loi F avec = 0.95, L = 3 et M = 3 .
58
8 Applications : produits, quotient et moyenne geometrique
Par son formalisme simplicateur, les lois de Meijer permettent daborder des probl`emes
encore ouverts de nos jours. En particulier, nous allons dans ce paragraphe aborder les points
suivants :
La caracterisation de la loi suivie par un produit de variables aleatoires suivant une loi de
Meijer. Jusqu`a present, seuls quelques cas particuliers pouvaient etre abordes sous forme
analytique (voir par exemple [12]). Nous verrons que lon obtient simplement une loi de
Meijer.
De meme nous verrons que la loi suivie par un rapport de variables aleatoires suivant une
loi de Meijer est aussi une loi de Meijer.
Enn, la modelisation des lois observees `a la suite dune operation de moyenne geometrique
peut saborder gr ace aux lois de Meijer. Il sera alors possible de caracteriser les lois de
la moyenne geometrique jusqu`a present et sauf erreur non encore identiees. Ceci ou-
vrira des perpectives nouvelles en imagerie coherente o` u, `a present, seule la moyenne
arithmetique est utilisee pour les donnees en intensite car la loi Gamma verie tr`es cu-
rieusement le theor`eme daddition, ce qui est rappele bri`evement en annexe B.
8.1 Produit de variables aleatoires
8.1.1 Cas general
Soit une variable aleatoire y denie comme le produit de N variables aleatoires x
i
:
y =
N

i=1
x
i
si chaque variable aleatoire x
i
a comme d.d.p. p
x
i
(u) et comme fonctions caracteristiques de
deuxi`eme esp`ece
x,i
(s) et
x,i
(s), on sait alors que
la d.d.p. de y, p
y
(u), verie :
p
y
(u) = p
x
1
(u) p
x
2
(u) : p
x
3
(u) . . . p
x
N
(u)
avec designant la convolution de Mellin.
la premi`ere fonction caracteristique de deuxi`eme esp`ece de p
y
,
y
(s), verie :

y
(s) =
N

i=1

x,i
(s)
la seconde fonction caracteristique de deuxi`eme esp`ece de p
y
,
y
(s), verie :

y
(s) =
N

i=1

x,i
(s)
En r`egle generale, on sait peu de choses sur la loi du produit : ce nest que dans certains cas
precis que cette loi porte un nom (comme la loi K ou la loi de Fisher).
Or, si la loi de chaque variable x
i
sexprime comme une loi de Meijer LM
i
, la loi suivie par y
est alors une loi de Meijer puisque lon sait que la convolution de Mellin est une loi interne pour
les lois de Meijer. Cette propriete unique des lois de Meijer va donner un eclairage nouveau aux
lois produit (ainsi que dans le cadre de rapport de variables aleatoires et des lois rapport
comme nous le verrons dans un prochain paragraphe) d`es lors que ces variables aleatoires sont
modelisees par une loi de Meijer.
59
8.1.2 Produits de variables aleatoires suivant la meme loi de distribution
Si la variable aleatoire y denie comme le produit de N variables aleatoires x
i
:
y =
N

i=1
x
i
ayant la meme d.d.p. p
x
i
(u) = p
x
(u), on a alors :
la d.d.p. de y, p
y
(u), verie :
p
y
(u) = p
x
(u) p
x
(u) : p
x
(u) . . . p
x
(u)
la premi`ere fonction caracteristique de deuxi`eme esp`ece de p
y
,
y
(s), verie :

y
(s) = (
x
(s))
N
Cette expression ne permet pas de deduire simplement les log-moments, hormis les deux
premiers :
m
y,1
= N m
x,1
m
y,2
= N m
x,2
+ N(N 1) m
2
x,1
ce qui donne au passage une relation tr`es simple pour le log-moment normalise dordre 2 :

M
y,2
= N

M
x,2
la seconde fonction caracteristique de deuxi`eme esp`ece de p
y
,
y
(s), verie :

y
(s) = N
x
(s)
ce qui permet dobtenir les log-cumulants :
y(r) = N
x(r)
8.1.3 Produits de variables aleatoires suivant des lois de Meijer
Dans le cadre des lois de Meijer, on sait donc que la loi produit est une loi de Meijer : sa
forme analytique est directement donnee par la relation 55. On peut ainsi donner directement
des exemples `a partir des lois usuelles denies sur IR
+
(voir le paragraphe 6.4 pour les expressions
des lois usuelles sous forme de loi de Meijer et donc de fonctions de Meijer) :
Cas de deux lois Gamma : produit dune variable suivant la loi G [
1
, L] avec une variable
suivant la loi G [
2
, M] :
LM
1,0
0,1
_
x

. ; .
L ; .
,
1
_
LM
1,0
O,1
_
x

. ; .
M ; .
,
2
_
= LM
2,0
0,2
_
x

. ; .
L, M ; .
,
1

2
_
et on sait que lon a alors la loi K[
1

2
, L, M]
Cas de deux lois Gamma Inverse : produit dune variable suivant une loi GI [
1
, L] avec
une variable suivant une loi GI [
2
, M] :
LM
0,1
1,0
_
x

L ; .
. ; .
,
1
_
LM
0,1
1,0
_
x

M ; .
. ; .
,
2
_
= LM
0,2
2,0
_
x

L, M ; .
. ; .
,
1

2
_
et on sait que lon a alors la loi K inverse KI [
1

2
, L, M]
60
Produit dune variable suivant une loi Gamma G [
1
, L] avec une variable suivant une loi
Gamma Inverse GI [
2
, M] :
LM
1,0
0,1
_
x

; .
L ; .
,
1
_
LM
0,1
1,0
_
x

M ; .
. ; .
,
2
_
= LM
1,1
1,1
_
x

M ; .
L ; .
,
1

2
_
et on sait que lon a alors la loi de Fisher.F [
1

2
, L, M]
Produit dune variable suivant une loi K[
1
, L, M] avec une variable suivant une loi Gamma
G [
2
, N] :
LM
2,0
0,2
_
x

. ; .
L, M ; .
,
1
_
LM
1,0
0,1
_
x

. ; .
N ; .
,
2
_
= LM
3,0
0,3
_
x

. ; .
L, M, N ; .
,
1

2
_
et on reconnat une loi inusitee (appelee super-K dans [11]).
produit dune variable suivant une loi Gamma G [
1
, L] avec une variable suivant la loi
Beta B [
2
, M, N] :
LM
1,0
0,1
_
x

. ; .
L ; .
,
1
_
LM
1,0
1,1
_
x

. ; N
M ; .
,
2
_
= LM
2,0
1,2
_
x

. ; N
L, M ; .
,
1

2
_
et on reconnait la loi W Q
W
[
1

2
, L, M, N].
produit dune variable suivant une loi Gamma G [
1
, L] avec une variable suivant la loi de
Fisher F [
2
, M, N] :
LM
1,0
0,1
_
x

. ; .
L ; .
,
1
_
LM
1,1
1,1
_
x

N ; .
M ; .
,
2
_
= LM
2,1
1,2
_
x

N ; .
L, M ; .
,
1

2
_
et on reconnait la loi U Q
U
[
1

2
, L, M, N].
produit dune variable suivant une loi Gamma G [
1
, L] avec une variable suivant la loi
Beta Inverse BI [
2
, M, N] :
LM
1,0
0,1
_
x

. ; .
L ; .
,
1
_
LM
0,1
1,1
_
x

M ; .
. ; N
,
2
_
= LM
1,1
1,2
_
x

M ; .
L ; N
,
1

2
_
et on reconnait la loi Z Q
Z
[
1

2
, L, M, N].
On pourrait ainsi formellement etudier tous les cas. Cependant trois cas de lois `a 4 param`etres
presentent un interet complementaire des cas etudies pour limagerie coherente :
Cas de deux lois K : produit dune variable suivant une loi K[
1
, L
1
, M
1
] avec une variable
suivant une loi K[
2
, L
2
, M
2
] :
LM
2,0
0,2
_
x

. ; .
L
1
, M
1
; .
,
1
_
LM
2,0
0,2
_
x

. ; .
L
2
, M
2
; .
,
2
_
= LM
4,0
0,4
_
x

. ; .
L
1
, L
2
, M
1
, M
2
; .
,
1

2
_
(69)
Cas de deux lois de Fisher : produit dune variable suivant une loi F [
1
, L
1
, M
1
] avec une
variable suivant une loi F [
2
, L
2
, M
2
] :
LM
1,1
1,1
_
x

M
1
; .
L
1
; .
,
1
_
LM
1,1
1,1
_
x

M
2
; .
L
2
; .
,
2
_
= LM
2,2
2,2
_
x

M
1
, M
2
; .
L
1
, L
2
; .
,
1

2
_
(70)
Cette derni`ere expression est `a comparer avec le resultat classique (formule 74, tiree du
rapport [12]).
61
Cas de deux lois Beta : produit dune variable suivant une loi B[
1
, L
1
, M
1
] avec une
variable suivant une loi B [
2
, L
2
, M
2
] :
LM
1,0
1,1
_
x

. ; M
1
L
1
; .
,
1
_
LM
1,0
1,1
_
x

. ; M
2
L
2
; .
,
2
_
= LM
2,0
2,2
_
x

. ; M
1
, M
2
L
1
, L
2
; .
,
1

2
_
(71)
Cette derni`ere expression est `a comparer avec le resultat classique (voir le rapport [12]).
8.1.4 Produits de deux variables aleatoires suivant la meme loi de distribution
Si les deux variables suivent la meme loi K[, L, M], lexpression 69 secrit alors :
LM
4,0
0,4
_
x

. ; .
L, L, M, M ; .
,
2
_
(72)
On obtient ainsi la relation donnant lexpression de la loi suivie par un produit deux variables
aleatoires suivant la meme loi K :
LM
2,0
0,2
_
x

. ; .
L, M ; .
,
_
LM
2,0
0,2
_
x

. ; .
L, M ; .
,
_
=
_
LM

1
(L)(M)
_
2
G
4,0
0,4
_
_
LM

_
2
x

; .
L 1, L 1, M 1, M 1 ; .
_
On sait quil ny a pas de forme analytique classique pour cette fonction de Meijer.
Si les deux variables suivent la meme loi de Fisher F [, L, M], lexpression 70 secrit alors :
LM
2,2
2,2
_
x

M, M ; .
L, L ; .
,
_
On obtient ainsi la relation donnant lexpression de la loi suivie par un produit deux variables
aleatoires suivant la meme loi de Fisher :
LM
1,1
1,1
_
x

M ; .
L ; .
,
_
LM
1,1
1,1
_
x

M ; .
L ; .
,
_
=
_
L
M
1
(L)(M)
_
2
G
2,2
2,2
_
_
L
M
_
2
x

M, M ; .
L 1, L 1 ; .
_
(73)
Dans le cas de deux lois de Fisher quelconques, il existe une autre formulation de la loi
produit PF. En eet, sans faire appel au formalisme des fonctions de Meijer, on peut montrer
le resultat suivant [12] :
PF =
(L
1
+M
1
) (L
2
+M
2
)
(L
1
)(M
1
)(L
2
)(M
2
)
(L
1
+M
2
)(M
1
+L
2
)
(L
1
+L
2
+M
1
+M
2
)
L
1
L
2
M
1
M
2

1

2
_
L
1
L
2
M
1
M
2

1

2
x
_
L
1
1
2
F
1
_
L
1
+M
1
, L
1
+M
2
; L
1
+L
2
+M
1
+M
2
; 1
L
1
L
2
M
1
M
2

1

2
x
_
(74)
Si les deux lois de Fisher sont identiques, on obtient alors :
PF =
((L +M))
2
(2L + 2M)
_
(L +M)
(L)(M)
L
M
_
2
_
L
2
M
2

2
x
_
L1
2
F
1
_
L +M, L +M; 2L + 2M; 1
L
2
M
2

2
x
_
(75)
Il est assez remarquable que les deux expressions 73 et 75 soient identiques. . .
62
8.2 Rapport de deux variables aleatoires
8.2.1 Cas general
Soient deux variables aleatoires x
1
et x
2
, ayant comme d.d.p. p
x
1
(u) et p
x
2
(u). On consid`ere
la variable aleatoire y quotient de ces deux variables aleatoires :
y =
x
1
x
2
On sait alors que la d.d.p. de y : p
y
(u) secrit :
p
y
(u) = p
x
1
(u) p
I,x
2
(u)
avec p
I,x
2
(u) la loi inverse de p
x
2
(u). Cela revient donc `a traiter le produit suivant :
y = x
1
1
x
2
Le probl`eme est donc identique `a celui traite precedemment au sujet des produits de variable
aleatoire.
Comme toute loi de Meijer a un inverse sexprimant comme une loi de Meijer, il semble
certain que, dans le cadre des lois rapport, le formalisme de Meijer apportera l`a aussi, une
grande souplesse.
8.2.2 Rapport de deux variables aleatoires suivant une loi de Fisher
Considerons deux variables aleatoires suivant une loi de Fisher, soit F [
1
, L
1
, M
1
] et F [
2
, L
2
, M
2
],
cest `a dire les lois de Meijer LM
1,1
1,1
_
x

M
1
; .
L
1
; .
,
1
_
et LM
1,1
1,1
_
x

M
2
; .
L
2
; .
,
2
_
.
Comme la loi de Fisher inverse dune loi F [, L, M] est la loi de Fisher F [, M, L], la loi du
quotient de ces deux variables secrit :
RF = LM
1,1
1,1
_
x

M
1
; .
L
1
; .
,
1
_
LMI
1,1
1,1
_
x

M
2
; .
L
2
; .
,
2
_
= LM
1,1
1,1
_
x

M
1
; .
L
1
; .
,
1
_
LM
1,1
1,1
_
x

L
2
; .
M
2
; .
,
1
2
_
= LM
2,2
2,2
_
x

L
2
, M
1
; .
L
1
, M
2
; .
,
1

1
2
_
=
1
(L
1
)(M
1
)
1
(L
2
)(M
2
)
G
2,2
2,2
_
L
1
M
2

2
M
1
L
2

1
x

L
2
, M
1
; .
L
1
1, M
2
1 ; .
_
(76)
Dans le cas de deux lois de Fisher, sans faire appel au formalisme des fonctions de Meijer,
on peut aussi montrer le resultat suivant [12] :
RF =
(L
1
+M
1
) (L
2
+M
2
)
(L
1
)(M
1
)(M
2
)(L
2
)
(L
1
+L
2
)(M
1
+M
2
)
(L
1
+L
2
+M
1
+M
2
)
L
1
M
2

2
M
1
L
2

1
_
L
1
M
2

2
M
1
L
2

1
x
_
L
1
1
2
F
1
_
L
1
+M
1
, L
1
+L
2
; L
1
+L
2
+M
1
+M
2
; 1
L
1
M
2

2
M
1
L
2

1
x
_
(77)
L` a aussi, il est assez remarquable que les deux expressions 76 et 77 soient identiques. . .
63
Si les deux lois sont identiques, on obtient :
RF =
(2L)(2M)
(2L + 2M)
_
(L +M)
(L)(M)
_
2
x
L1
2
F
1
(L +M, 2L; 2L + 2M; 1 x)
=
_
1
(L)(M)
_
2
G
2,2
2,2
_
x

L, M ; .
L 1, M 1 ; .
_
(78)
8.3 Moyenne geometrique de variables aleatoires suivant la meme loi de dis-
tribution
Soit une variable aleatoire z denie comme la moyenne geometrique de N variables aleatoires
x
i
identiques :
z =
_
N

i=1
x
i
_
1
N
Il est bien connu que la forme analytique de la ddp de z est en general inconnu (hormis le
cas trivial de la loi log-normale). Or le formalisme des statistiques de Mellin permet dobtenir
directement un formalisme assez simple pour les log-moments. De plus, nous verrons quassocie
au formalisme des lois de Meijer il est possible dobtenir assez simplement lexpression analytique
de la ddp de cette variable aleatoire.
Pour cela, considerons dabord la variable aleatoire x

=

N
i=1
x
i
. Si la variable aleatoire x
a pour fonction caracteristique de deuxi`eme esp`ece la fonction
x
(s), la fonction caracteristique
de deuxi`eme esp`ece de x

secrit :

x
(s) =
N

i=1

x
(s) = (
x
(s))
N
Ensuite, on peut considerer la variable aleatoire z comme la racine N-`eme de x, et on sait alors
que sa fonction caracteristique de deuxi`eme esp`ece secrit alors :

z
(s) =
x

_
s +N 1
N
_
=
_

x
_
s +N 1
N
__
N
Cette expression ne permet pas de deduire simplement tous les log-moments ; cependant
seuls les deux premiers ont une expression assez simple :
m
z,1
= m
x,1
m
z,2
=
1
N
m
x,2
+
(N 1)
N
m
2
x,1
ce qui donne au passage une relation tr`es simple pour le log-moment normalise dordre 2 :

M
z,2
=
1
N

M
x,2
La seconde fonction caracteristique de deuxi`eme esp`ece de p
z
,
z
(s), verie :

z
(s) = N
x
_
s +N 1
N
_
ce qui permet dobtenir les log-cumulants, qui ont tous une expression simple en fonction des
log-cumulants de x :

y(r)
=
_
1
N
_
(r1)

x(r)
(79)
64
8.3.1 Exemple de la loi log-normale
On dit que la variable aleatoire x denie sur IR
+
suit la loi log-normale L[, ] si sa densite
de probabilite p
x
(u) verie lexpression suivante :
p
x
(u) =
1

2u
e
_

(logu)
2
2
2
_
u > 0 (80)
Les fonctions caracteristiques de deuxi`eme esp`ece de la loi log-normale secrivent :

x
(v) = e
(s1)
e
_

2
(s1)
2
2
_

x
(v) = (s 1) +
2
(s 1)
2
2
La variable aleatoire z denie comme la moyenne geometrique de N variables aleatoires
suivant la meme loi log-normale (relation 80) a pour premi`ere fonction caracteristique :

z
(s) =
_

x
_
s +N 1
N
__
N
=
_
e
(
s1
N
)
_
N
_
_
_
_
e
_

2
(
s1
N
)
2
2
_
_
_
_
_
N
= e
(s1)
e
_
_

N
_
2
(s1)
2
2
_
On a donc `a nouveau une d.d.p. suivant une loi log-normale, qui est L
_
,

N
_
.
Par analogie avec le cas classique (statistique de Fourier), on dira que la loi log-normale
suit le theor`eme de multiplication.
Cette propriete peut aussi se constater `a partir des log-cumulants puisque lon a dans ce cas :
_

_

z(1)
=

z(2)
=
_

N
_
2

z(n)
= 0 n 3
et le fait davoir tous les log-cumulants nuls `a partir de lordre 3 est la propriete des lois log-
normales.
8.3.2 Exemple de la loi Gamma
Soit la loi Gamma G[, L] :
G [, L] (u) =
1
(L)
L

_
Lu

_
L1
e

Lu

Sa premi`ere fonction caracteristique de deuxi`eme esp`ece secrit :

G
(s) =
s1
(L +s 1)
L
s1
(L)
(81)
Les log-cumulants de G [, L] sexpriment selon les relations suivantes (avec fonction Di-
gamma et (r, L) fonction Polygamma, i.e. la derivee r-`eme de la fonction Digamma) :
_

_

x(1)
= log() + (L) log(L)

x(2)
= (1, L)

x(r)
= (r 1, L) r > 1
(82)
65
Si lon veut connatre la loi suivie par la moyenne geometrique de variables aleatoires suivant
la meme loi Gamma, il est instructif danalyser les log-cumulants. En eet, pour la variable
aleatoire y denie comme la moyenne geometrique de N variables aleatoires x
i
suivant la loi
Gamma G[, L], en utilisant la relation 79, on en deduit les log-cumulants :
_

_

y(1)
= log() + (L) log(L)

y(2)
=
(1,L)
N

y(r)
=
(r1,L)
N
r1
r > 1
(83)
Or, etant donne les proprietes des fonctions Polygamma, on ne peut exhiber une variable M
telle que :
r
(r 1, L)
N
r1
= (r 1, M)
Donc la moyenne geometrique de variables suivant une loi Gamma nest pas une loi Gamma. Si
la loi Gamma verie le theor`eme daddition, elle ne verie pas le theor`eme de multiplication.
La fonction caracteristique de deuxi`eme esp`ece secrit :

z
(s) =
s1
_
_

_
s+NL1
N
_
(L)
_
_
N
On peut alors analyser le premier moment de la loi de la moyenne geometrique :
m
1
=
_
_

_
NL+1
N
_
(L)
_
_
N
La forme analytique de cette nouvelle variable peut sobtenir sous forme dune loi de Meijer.
En eet, on connait la forme analytique de la ddp suivie par le produit de N lois Gamma : cest
la loi de Meijer suivante :
LM
N,0
0,N
_
x

. ; .
L, L, ...., L ; .
,
N
_
qui sexprime comme :
_
L

1
(L)
_
N
G
N,0
0,N
_
_
L

_
N
x

. ; .
L 1, L 1, ....., L 1 ; .
_
Gr ace `a la relation 59, on montre alors que la racine N-`eme du produit suit alors tout simplement
la loi suivante :
N
_
L

1
(L)
_
N
z
N1
G
N,0
0,N
_
_
L

_
N
z
N

. ; .
L 1, L 1, ....., L 1 ; .
_
et gr ace `a la relation 5, on obtient pour nir la relation suivante :
MG
G[,L]
[N] (z) =
N L

_
1
(L)
_
N
z
N1
G
N,0
0,N
_
_
L

_
N
z
N

. ; .
L
1
N
, L
1
N
, ....., L
1
N
; .
_
quil serait bien evidemment possible dexprimer sous forme dune loi de Meijer Generalisee.
66
Le mode de cette distribution peut sobtenir de mani`ere numerique. En eet, en utilisant la
relation 39 donnant la derivee dune fonction de Meijer, on en deduit que le mode m
mode
verie
la relation implicite :
G
N,1
1,N+1
_
_
L

_
N
m
N
mode

1 ; .
L
N+1
N
, L
N+1
N
, ....., L
N+1
N
; 0
_
= 0
On peut alors calculer les valeurs du mode et du premier moments pour dierentes valeurs
de N. Le tableau suivant donne les valeurs dans le cas L = 1 (on a alors (1) = 0.577) :
Moyenne geometrique
N m
1
m
mode
m
1
2 0.785 0.298 log 0.577
3 0.712 0.387 log 0.577
4 0.675 0.432 log 0.577
5 0.652 0.458 log 0.577
6 0.637 0.475 log 0.577
On verie que le premier log-moment est constant, que le premier moment decrot et que le
mode crot (avec m
mode
< m
1
). On pourrait conjecturer que leur limite est commune et egale `a
e
(L)
(soit, pour L = 1, 0.561).
Si lon souhaite comparer moyenne geometrique et moyenne arithmetique, il faut tout dabord
remarquer que la loi veriee par la moyenne arithmetique de variables suivant une loi Gamma
G [, L] est la loi Gamma G [, NL] (voir annexe B.4) :
MA
G[,L]
[N] = G[, NL]
Le premier moment, le premier log-moment et le mode de cette loi verient les expressions
explicites suivantes :
m
1
=
m
1
= + (NL) log(NL)
m
mode
=
NL 1
NL

Il est alors aise dobtenir les valeurs suivantes pour L = 1 :
Moyenne arithmetique
N m
1
m
mode
m
1
2 0.500 log 0.270
3 0.666 log 0.176
4 0.750 log 0.130
5 0.800 log 0.103
6 0.833 log 0.086
On demontre analytiquement que le moment dordre 1 est toujours egal `a , que le mode converge
vers et que le log-moment dordre 1 converge vers log().
Moyenne arithmetique et moyenne geometrique ont donc des comportements tr`es dierents.
En eet, la moyenne arithmetique conserve le moment dordre 1 tandis que la moyenne arithmetique
conserve le log-moment dordre 1. Ceci a pour consequence que, pour N tendant vers linni,
le mode converge vers le param`etre pour la moyenne arithmetique tandis quil converge vers
e
(L)
dans le cas de la moyenne geometrique.
67
Pour comparer qualitativement ces deux lois, il est donc necessaire de modier le param`etre
pour lune des deux, faute de quoi elles ne convergerons pas vers le meme Mellin-Dirac pour
N tendant vers linni. Puisque les expressions analytiques du premier moment, du mode et du
premier log-moment existent pour la moyenne arithmetique, ce sera donc cette derni`ere que nous
allons modier pour tracer les densites de probabilites. Nous choisirons comme loi illustrant la
moyenne arithmetique de N variables la loi G [

, NL] avec

= +(L)(NL)+log(NL) : de
cette mani`ere, moyenne geometrique et moyenne arithmetique ont le meme premier log-moment.
Fig. 6 A gauche : moyenne geometrique de lois Gamma G [, L] avec = 1 et L = 1 pour N de
1 `a 5. A droite : moyenne arithmetique de lois Gamma G [

, L] avec

= +(L) (NL) +
log(NL), = 1 et L = 1 pour N de 1 `a 5. Pour toutes ces lois, le premier log-moment est
identique. La moyenne arithmetique semble mieux localisee que la moyenne geometrique pour
une valeur de N donnee.
9 Generalisation dans IR : les exp-lois
9.1 Lois denies sur IR : passage en echelle exponentielle
9.1.1 Denition et propriete
Considerons une variable aleatoire x `a densite de probabilite et `a valeurs reelles positives.
Soit p
x
(u) sa d.d.p., denie pour u IR. Sa fonction caracteristique (au sens classique du terme)
secrit :

x
(r) =
_
+

e
jrv
p
x
(u)du. (84)
Eectuons un passage en echelle exponentielle. La nouvelle variable aleatoire y est alors decrite
par sa d.d.p. f
y
(v) denie pour v IR
+
avec v = e
u
. Cette d.d.p. se deduit de p
x
par la relation :
f
y
(v) =
p
x
(log v)
v
(85)
Calculons maintenant la fonction caracteristique de deuxi`eme esp`ece de la variable aleatoire y :

y
(s) =
_
+
0
v
s1
f
y
(v) dv
=
_
+
0
e
(s1) log v
p
x
(log v)
v
dv
68
=
_
+

e
(s1)u
p
x
(u) du avec u = log v
=
_
+

e
(s1)u
p
x
(u)du
On reconnat dans cette relation une transformee de Fourier et plus precisement la fonction
caracteristique (equation 84) `a condition de prendre s1 imaginaire pur. En posant s = 1+jr,
on en deduit :

y
(s)|
s=1+jr
=
x
(r)
On en deduit donc que moments (obtenus par derivation de la fonction caracteristique clas-
sique) et logmoments (obtenus par derivation de la fonction caracteristique de deuxi`eme esp`ece)
auront des expressions analytiques identiques.
9.1.2 Un exemple : la loi lognormale
Ce passage dune echelle sur IR `a une echelle sur IR
+
est une transformation classique pour
la loi normale, puisque la loi resultante est connue sous le nom de loi lognormale.
Soit une loi normale N [, ], denie par sa d.d.p. :
N [, ] (u) =
1

2
e

(u)
2
2
2
.
Ses deux premiers moments secrivent :
_
m
1
=
m
2
=
2
+
2
A cette loi denie sur IR correspond par passage en echelle exponentielle (relation 85) la loi
lognormale L[, ], denie par sa d.d.p. :
L[m, ] (v) =
1

2v
e
_

(logvm)
2
2
2
_
v > 0
avec m = log . Ses deux premiers log-moments secrivent :
_
m
1
=
m
2
=
2
+
2
9.1.3 Les log-lois
En generalisant cette appelation de lognormale, il est donc possible de denir, pour toute
loi denie sur IR, de d.d.p. p
x
(u), une logloi attachee
8
, denie sur IR
+
, de d.d.p. f
y
(v) par le
changement de variable v = e
u
. On a donc (equation 85) :
f
y
(v) =
p
x
(log v)
v
Connaissant les moments de la variable aleatoire x initiale, on en deduit directement les
logmoments de la variable aleatoire y :
_

_
m
y,1
= m
x,1
m
y,2
= m
x,2
m
y,r
= m
x,r
r IN

8
Cest lusage qui a propose cette appelation : la loi lognormale en etant lexemple probablement fondateur
69
Soient deux variables aleatoires x
1
et x
2
, dont les d.d.p. sont p(u) et q(u). Nous avons vu que
la somme de ces variables tes une variable aleatoire dont la d.d.p. sexprime comme la convolution
de ces deux d.d.p. : (p q) (u). Considerons les log-lois correspondantes : f(v) =
p(log v)
v
et
g(v) =
q(log v)
v
. Calculons leur transformee de Mellin :
(f g) (v) =
_

0
f(v

) g
_
v
v

_
dv

=
_

0
p (log v

)
v

q
_
log
v
v

_
v
v

dv

=
1
v
_

0
p(log v

) q
_
log
_
v
v

__
dv

=
1
v
_

0
p(log v

) q(log v log v

)
dv

=
1
v
_

p(u

) q(log v u

) du

=
1
v
(p q) (log v)
On a demontre la relation fondamentale suivante :
(f g) (v) =
(p q) (log v)
v
(86)
Cette relation est du plus grand interet car, pour denir la fonction caracteristique dune
convolution de lois denies sur IR, i.e. la fonction caracteristique de deuxi`eme esp`ece dune
convolution de Mellin de lois denies sur IR
+
, il sut de choisir, entre la convolution et la
convolution de Mellin, celle qui conduit `a la formulation analytique la plus simple `a resoudre.
9.2 Lois denies sur IR
+
: passage en echelle logarithmique
9.2.1 Denition et proprietes
Considerons donc une variable aleatoire y `a densite de probabilite et `a valeurs reelles posi-
tives. Soit f
y
(v) sa d.d.p., denie pour v IR
+
. Sa fonction caracteristique de deuxi`eme esp`ece
secrit :

y
(s) =
_
+
0
v
s1
f
y
(v)dv.
Eectuons un passage en echelle logarithmique. La nouvelle variable aleatoire x est alors decrite
par sa d.d.p. p
x
(u) denie pour u IR avec u = log v. Cette d.d.p. se deduit de f
y
par la
relation :
p
x
(u) = e
u
f
y
(e
u
) . (87)
Calculons maintenant la fonction caracteristique de la variable aleatoire x :

x
(r) =
_
+

e
jru
p
x
(u)du
=
_
+

e
jru
e
u
f
y
(e
u
) du
=
_
+
0
e
jr log v
f
y
(v)dv avec v = e
u
=
_
+
0
v
jr
f
y
(v)dv
70
On reconnat alors dans cette derni`ere relation la fonction caracteristique de deuxi`eme esp`ece
de f
y
(v) en s = 1 +jr. Do` u la relation :

x
(r) =
y
(s)|
s=1+jr
9.2.2 Les exp-lois
Si dans le cas precedent la litterature avait dote explicitement les lois transformees dun
prexe (ne serait-ce que dans le cas unique de la loi normale), il nen nest rien dans le cadre
de cette transformation. Aussi semble-t-il logique de proposer le prexe exp pour caracteriser de
telles lois.
Pour toute loi denie sur IR
+
, de d.d.p. f
y
(v), correspond une exp-loi, denie sur IR, de d.d.p.
p
x
(u). On a donc (equation 87) :
p
x
(u) = e
u
f
y
(e
u
) . (88)
Connaissant les logmoments de la variable aleatoire y initiale, on en deduit directement les
moments de la variable aleatoire x :
_

_
m
x,1
= m
y,1
m
x,2
= m
y,2
m
x,r
= m
y,r
r IN

Donc, si lon connait les log-moments de la loi initiale, on peut se dispenser du calcul des moments
de lexp-loi corespondante.
Si lon consid`ere deux variables aleatoires y
1
et y
2
, nous avons vu que le produit de ces
variables est une variable aleatoire dont la d.d.p. est la convolution de Mellin de leur d.d.p. :
(f g) (v) =
_

0
f(v

) g
_
v
v

_
dv

Par un raisonnement identiquer `a celui mene au paragraphe 9.1.3, on montre :


(p q) (u) = e
u
(f g) (e
u
) . (89)
9.2.3 Exp-lois fondamentale : la loi de Fisher Tipett
Soit une loi Gamma G[, L]
G [, L] (u) =
1
(L)
L

_
Lu

_
L1
e

Lu

u appartenant `a IR
+
.
En posant w = log u, on en deduit une nouvelle distribution, appelee loi de Fisher Tipett
(du moins dans la communaute de limagerie Radar), denie sur IR, dont la d.d.p. FT [m, L]
secrit (`a laide de la relation 88) :
FT [m, L](w) =
L
L
(L)
e
L(wm)
e
Le
wm
(90)
Le param`etre m de la loi de Fisher Tipett verie m = log , cest `a dire = e
m
.
La fonction caracteristique de cette distribution sobtient de mani`ere triviale puisque lon
connait la transformee de Mellin (cest `a dire la fonction caracteristique de deuxi`eme esp`ece) de
la loi Gamma :

G
(s) =
s1
(L +s 1)
L
s1
(L)
71
On a donc :

FT
(v) =
G
(s)|
s=1+jv
=
jv
(L +jv)
L
jv
(L)
= e
jvm
(L +jv)
L
jv
(L)
(91)
Cette fonction caracteristique permet alors detablir les moments (classiques) :
m
1
= m + (L) log L
m
2
= m
2
+ 2 m(L) 2 mln (L) + (1, L) + ((L))
2
2 (L) ln (L) + (ln (L))
2
m
3
= ((L))
3
(ln (L))
3
+m
3
+ (2, L) + 3 m
2
(L) 3 m
2
ln (L) + 3 m(1, L) + 3 m((L))
2
+3 (1, L) (L) 6 m(L) ln(L) 3 (1, L) ln (L) 3 ((L))
2
ln (L)
+3 m(ln (L))
2
+ 3 (L) (ln (L))
2
On en deduit les moments centres :
m
1
= m + (L) log L = log + (L) log L
M
2
= (1, L)
M
3
= (2, L)
Dans cette derni`ere relation, on reconnait eectivement les expressions des log-moments
centres de la loi Gamma.
En resume, on a donc les correspondances :
w log u
FT [m = log , L](w) G [, L] (u)

FT
(v)
G
(s)|
s=1+jv
9.2.4 Denition (`a partir de la loi Gamma Inverse) de la loi de Fisher Tipett
opposee
Considerons maintenant la loi Gamma Inverse GI[, L] :
GI [, L] (u) =
1
(L)
1
L
_
L
u
_
L+1
e

L
u
L 0 > 0
En eectuant un changement de variable par passage en coordonnees logarithmiques, on
obtient :
FT O[m, L](w) =
L
L
(L)
e
L(mw)
e
Le
mw
(92)
Le param`etre m de cette loi de Fisher Tipett verie m = log , cest `a dire = e
m
.
Par rapport au cas precedent, tout se passe comme si on avait pris la variable en sens oppose
(w

= w) ainsi que pour m, ce qui est bien en accord avec lhypoth`ese de prendre la loi inverse
de la loi Gamma.
La fonction caracteristique de cette loi de Fisher Tipett se deduit facilement de la precedente
(equation 91 puisque inverser le sens de la variable revient `a changer le signe de la transformee
de Fourier, ce qui donne (en changeant aussi le signe de m) :

FT O
(v) = e
jvm
(L jv)
L
jv
(L)
72
En resume, on a donc les correspondances :
w log u
FT O[m = log , L](w) GI [, L] (u)

FT O
(v)
GI
(s)|
s=1+jv
9.2.5 Convolution de lois de Fisher-Tipett : la loi z de Fisher
On peut se demander quel est la forme analytique de la convolution de deux lois de Fisher
Tipett FT [m, L] et FT O[m, M]. Le resultat est en fait tr`es facile `a demontrer. En eet, on sait
que la loi de Fisher (loi Beta de seconde esp`ece) est le resultat dune convolution de Mellin dune
loi Gamma et dune loi Gamma Inverse :
F [, L, M] = G [, L] GI [1, M]
En passant en echelle logarithmique, la convolution de Mellin devient une vraie convolution,
et la loi resultante, qui est en fait une generalisation de la loi z propose par Fisher dans son
article [7] F
z
[, L, M]
9
, secrit, gr ace `a la relation 89 :
F
z
[m, L, M] = FT [m, L] FT O[1, M] =
L
M
(L +M)
(L)(M)
e
wm
_
Le
wm
M
_
L1
_
1 +
Le
wm
M
_
L+M
avec = e
m
.
Gr ace aux resultats acquis sur la loi de Fisher en statistique de Mellin, on a directement les
moments et les moments centres de la loi z de Fisher. En particulier :
m
1
= m + (L) log L ((M) log M)
M
2
= (1, L) + (1, M)
M
3
= (2, L) (2, M)
Toujours gr ace `a lacquis sur les lois de Fisher, on a
lim
M
F
z
[m, L, M] = FT [m, L]
lim
L
F
z
[m, L, M] = FT O[m, M]
Proprietes du cas particulier F
z
[m, L, L]
De meme que la loi de Fisher F [, L, L] est tr`es proche de la loi lognormale, la loi z de Fisher
F
z
[m, L, L] est tr`es proche de la loi normale N [, ] d`es lors que :
m =
2(1, L) =
2
Le troisi`eme cumulant est nul dans les deux cas. Si le cumulant dordre 4 est nul pour la loi
normale, il est negatif et dautant plus proche de 0 que la valeur de L est grande pour la loi z
de Fisher.
9
La loi z proposee par Fisher secrit : p(z)
e
n
1
z
(n
2
+n
1
e
2z
)
(n
1
+n
2
)/2
, ce qui revient `a decrire p(z) par une forme
generalisee de Fz [m = 1, n1/2, n2/2]
73
La fonction caracteristique de ce cas particulier sexprime en prenant en s = 1 + jf la
fonction caracteristique de la fonction caracteristique de deuxi`eme esp`ece de la loi de Fisher, ce
qui donne :

Fz[m,L,L]
= m
jf
(L +jf)(L jf)
((L))
2
Une propriete triviale de la fonction Gamma permet decrire :
(z

) = ((z))

ce qui permet decrire :

Fz[m,L,L]
= (log )
jf
|(L +jf)|
2
((L))
2
= e
jmf
|(L +jf)|
2
((L))
2
On peut directement comparer cette expression avec la fonction caracteristique de la loi normale
dans le cas =
_
(1,L)
2
: N
_
,
_
(1,L)
2
_
:

N
= e
jmf
exp

(1,L)
4
f
2
La loi F
z
[m, L, L] a dailleurs une expression analytique plus simple, puisquelle peut secrire :
F
z
[m, L, L] (w) =
(2L)
((L))
2
e
wm
(e
wm
)
L1
(1 + e
wm
)
2L
=
1
2

(L +
1
2
)
(L)
1
_
cosh
_
wm
2
__
2L
Proprietes de la loi z de Fisher
On voit que lon dispose donc dune loi `a 3 param`etres pouvant sapprocher dune loi normale.
Le premier param`etre, m, positionne la valeur moyenne. Cest en fait le mode de la d.d.p..
Cest eectivement la moyenne dans le cas de la loi F
z
[m, L, L].
Le param`etre L modie lallure de la courbe pour les valeurs de xm negatives : on peut
rendre la tete de la distribution plus ou moins lourde
Le param`etre M modie lallure de la courbe pour les valeurs de x m positifs : on peut
rendre la queue de la distribution plus ou moins lourde
Cest pour cela que cette loi semble dune grande utilite d`es lors que lon cherche une loi
proche dune gaussienne et sur laquelle des param`etres separes permettent dadapter la tete et
la queue.
9.3 Les lois Meijer-z denies sur IR
Il est aise de generaliser lanalyse des exp-lois aux lois de Meijer : on denit ainsi une
nouvelle famille de lois de probabilites denies sur RR que lon peut baptiser distribution
Meijer-z. Pour cela, considerons une variable aleatoire x decrite par une loi de Meijer p
x
(u) =
LM
m,n
p,q
_
u

M
1
, . . . , M
n
;

L
n+1
, . . . ,

L
p
L
1
, . . . L
m
;

M
m+1
, . . . ,

M
q
,
_
denie pour une variable aleatoire x IR
+
.
74
Soit la variable aleatoire y denie sur IR par : y = log x. Par application de la relation 88,
p
y
(v), la d.d.p. de y, secrit :
p
y
(v) = p
x
(e
v
) = e
v
LM
m,n
p,q
_
e
v

M
1
, . . . , M
n
;

L
n+1
, . . . ,

L
p
L
1
, . . . L
m
;

M
m+1
, . . . ,

M
q
,
_
Sa forme compl`ete, faisant intervenir des fonctions de Meijer, sobtient directement `a partir
de la denition des lois de Meijer (equation 54) :
e
v

q
j=m+1
(

L
j)

p
j=n+1
(

M
j)

m
j=1
(L
j
)

n
j=1
(M
j
)

m
j=1
L
j

q
m+1

M
j

n
j=1
M
j

p
n+1

L
j
1

G
m,n
p,q
_

p
1
L
j

q
m+1

M
j

n
1
M
j

n+p
n+1

L
j
e
v

M
1
, . . . , M
n
;

L
n+1
1, . . . ,

L
p
1
L
1
1, . . . L
m
1 ;

M
m+1
, . . . ,

M
q
_
(93)
La fonction caracteristique de cette loi sexprime directement `a partir de la fonction ca-
racteristique de deuxi`eme esp`ece des lois de Meijer (relation 56) et a donc pour expression :

jr
m

k=1
(L
k
+jr)
L
jr
k
(L
k
)
n

k=1
(M
k
jr)
M
jr
k
(M
k
)
p

k=n+1

L
k
jr
(

L
k
)

_

L
k
+jr
_
q

k=m+1

M
k
jr
(

M
k
)

_

M
k
jr
_
Les moments se deduisent aussi directement des log-moments de la loi de Meijer initiale : les
expressions sont cependant lourdes. En revanche, de la meme mani`ere, lexpression des cumu-
lants est directement obtenue des expressions des log-cumulants (equation 58), ce qui donne les
relations suivantes tout compte fait assez simples :

1
= log +
m

i=1
((L
i
) log L
i
)
n

i=1
((M
i
) log M
i
)

i=n+1
_
(

L
i
) log

L
i
_
+
q

i=m+1
_
(

M
i
) log

M
i
_

2
=
m

i=1
(1, L
i
) +
n

i=1
(1, M
i
)
p

i=n+1
(1,

L
i
)
q

i=m+1
(1,

M
i
)

r
=
m

i=1
(r 1, L
i
) + (1)
r
n

i=1
(1, M
i
)
p

i=n+1
(r 1,

L
i
) (1)
r
q

i=m+1
(r 1,

M
i
)
Comme pour les lois de Meijer, ces expressions doivent permettre une inversion numerique aisee
des param`etres de ces lois.
Comme pour les lois de Meijer, on peut envisager la denition des lois Meijer-z generalisees,
faisant intervenir une puissance . Dans ce cas, si lon consid`ere la nouvelle variable aleatoire
x

, on a la nouvelle variable aleatoire y qui sexprime :


y = e
x

ce qui donne la loi generalisee :


p
y,
(v) = p
x
((e
v
)

) = (e
v
)

LM
m,n
p,q
_
(e
v
)

M
1
, . . . , M
n
;

L
n+1
, . . . ,

L
p
L
1
, . . . L
m
;

M
m+1
, . . . ,

M
q
,
_
Cest en fait cette expression que verie la loi z proposee par Fisher [7] (avec = 2).
75
0
0.2
0.4
0.6
0.8
1
1.2
1 2 3 4 5
u
0.2
0.4
0.6
0.8
1
1.2
5 4 3 2 1 1 2
w
Fig. 7 A gauche : loi Gamma G [, L] avec = 1 et L = 1, 2, 3, 5 et 10. A droite : loi de Fisher
Tipett avec m = 0 et L = 1, 2, 3, 5 et 10.
0
0.2
0.4
0.6
0.8
1
1.2
1 2 3 4 5
u
0.2
0.4
0.6
0.8
1
1.2
2 1 1 2 3 4 5
w
Fig. 8 A gauche : Loi Gamma Inverse GI [, L] avec = 1 et L = 1, 3, 5 et 10. A droite, la loi
de Fisher-Tippet inverse.
0.1
0.2
0.3
0.4
0.5
4 2 2 4
w
0
0.1
0.2
0.3
0.4
0.5
4 2 2 4
w
Fig. 9 Loi z de Fisher F
z
[m, L, M]. A gauche : m = 1, L = 3 et M = 1, 2, 3, 4, 5. A droite :
m = 1, M = 3 et L = 1, 2, 3, 4, 5.
76
0
0.1
0.2
0.3
0.4
4 2 2 4
w
0
0.1
0.2
0.3
0.4
0.5
0.6
4 2 2 4
w
Fig. 10 Comparaison de la loi z de Fisher F
z
[m, L, L] et de la loi normale N [, ] avec
=
_
2(1, L). Cas L = 3 `a gauche, L = 5 `a droite.
77
A Distribution de Mellin-Dirac
Nous recherchons dans cette annexe comment une distribution de Dirac peut sexprimer sous
la forme dune fonction de Meijer.
Par denition [11], on sait que lelement neutre de la convolution de Mellin est un Mellin-
Dirac
M
tel que :

(u) = (u 1)
Sa transformee de Mellin verie :
M
_

(u)
_
=
1

s
de sorte que :
_
f
M

_
(u) = f(u).
Nous nous interessons dans ce rapport au cas = 1, note
M
, et veriant ;
M
_

M
(u)
_
= 1
_
f
M
_
(u) = f(u)
On recherche donc une expression de
M
sous la forme dune fonction de Meijer.
A.1 Analyse de lintegrale de Barnes
Considerons la fonction de Meijer G
1,1
2,2
_
x

a; a

b; b

_
. Par denition, sa transformee de Mellin
secrit :
(b +s) (1 a s)
(1 b

s) (a

+s)
Cette expression se reduit `a lidentite si a

= b et b

= a. On a donc :
G
1,1
2,2
_
x

a; b
b; a
_
=
M
a IR b IR
De la meme mani`ere, il est aise de montrer que
G
0,1
1,1
_
x

a ; .
.; a
_
=
M
a IR
G
1,0
1,1
_
x

.; b
b ; .
_
=
M
b IR
A.2 Analyse generale
On peut demontrer que ces trois derni`eres relations sont uniques. En eet, considerons la
fonction de Meijer G
1,1
2,2
_
x

a; a

b; b

_
. Sa transformee de Mellin secrit :
F(s) =
(b +s) (1 a s)
(1 b

s) (a

+s)
(94)
et lon suppose que s F(s) = 1. En utilisant les proprietes de la fonction Gamma, on a :
F(s) =
(b +s) (1 a s)
(1 b

s) (a

+s)
=
(b +s 1) (a s)
(b

s) (a

+s 1)
(b +s 1) (a s)
(b

s) (a

+s 1)
78
a, a

, b, b

doivent donc verier la relation :


(b +s 1) (a s)
(b

s) (a

+s 1)
= 1
qui est une condition necessaire pour que F(s) soit egal `a 1. En developpant, on obtient la
relation :
(b +s 1) (a s) = (b

s) (a

+s 1)
a(b 1) + (1 a b)s s
2
= b

(a

1) + (1 a

)s s
2
Si lon xe les valeurs de a et b, et puisque le resultat ne doit pas dependre de s, le syst`eme
devient :
b

(a

1) = a(b 1) = K
1
a

+b

= a +b = K
2
En posant b

= K
2
a

, on obtient une equation du second degre pour a

:
a
2
(K
2
+ 1)a

+ (K
1
+K
2
)
dont les deux solutions existent toujours et sont :
a

= b, ce qui donne b

= a. La fonction recherchee est alors G


1,1
2,2
_
x

a; b
b; a
_
et sa trans-
formation de Mellin (equation 94) secrit alors :
(b +s) (1 a s)
(1 a s) (b +s)
= 1
La condition necessaire est dans ce cas susante.
a

= a+1, ce qui donne b

= b1. La fonction recherchee est alors G


1,1
2,2
_
x

a ; a + 1
b ; a
_
et sa transformation de Mellin (equation 94) secrit alors :
(b +s) (1 a s)
(2 b s) (1 +a +s)
Pour que cette espression soit egale `a 1 pour tout s, il faut :
_
b = 1 +a
2 b = 1 a
cest `a dire b = a+1. On obtient alors G
1,1
2,2
_
x

a ; a + 1
a + 1 ; a
_
qui est un cas particulier
du precedent.
On vient donc de montrer quun Mellin-Dirac sexprime uniquement sous les deux formes de
base : G
0,1
1,1
_
x

a ; .
.; a
_
et G
1,0
1,1
_
x

.; b
b ; .
_
, qui peuvent etre ensuite composees par convolution
de Mellin pour donner G
1,1
2,2
_
x

a; b
b; a
_
et ce a IR et b IR .
79
A.3 Recherche de
M
On connat donc les expressions possibles dun Mellin-Dirac sous forme de fonction de Meijer.
Or il peut etre interessant de savoir si loppose dun Mellin-Dirac
M
peut aussi se mettre sous
forme de fonction de Meijer autrement quen prenant loppose des expressions precedentes.
Nous allons montrer quil existe deux formes de Mellin-Dirac qui savereront utiles par la
suite :
Considerons le cas particulier suivant : G
1,1
2,2
_
x

c 1; c
c 1; c
_
. Sa transformee de Mellin
secrit :
M
_
G
1,1
2,2
_
x

c 1; c
c 1; c
__
=
(c 1 +s) (2 c s)
(1 c s) (c +s)
=
(c 1 +s) (1 c s)(1 c s)
(1 c s) (c +s 1)(c +s 1)
= 1
On a donc :
G
1,1
2,2
_
x

c 1; c
c 1; c
_
=
M
c IR
Considerons le second cas particulier : G
1,1
2,2
_
x

c; c 1
c; c 1
_
. Sa transformee de Mellin
secrit :
M
_
G
1,1
2,2
_
x

c; c 1
c; c 1
__
=
(c +s) (1 c s)
(1 (c 1) s) (c 1 +s)
=
(c +s 1) (c +s 1) (1 c s)
((c 1) s) ((c 1) s) (c 1 +s)
= 1
On a donc :
G
1,1
2,2
_
x

c; c 1
c; c 1
_
=
M
c IR
Ces deux expressions peuvent aisement se generaliser. Considerons dabord le Mellin-Dirac
G
1,1
2,2
_
x

c r; c
c r; c
_
avec r ZZ. En utilisant la propriete fondamentale des convolutions de
Mellin de fonctions de Meijer, il est evident que :
G
1,1
2,2
_
x

c r; c
c r; c
_
= G
1,1
2,2
_
x

c r; c r + 1
c r; c r + 1
_
G
1,1
2,2
_
x

c r + 1; c r + 2
c r + 1; c r + 2
_
. . . G
1,1
2,2
_
x

c 1; c
c 1; c
_
= (1)
r

M
r ZZ
De la meme mani`ere on peut montrer que
G
1,1
2,2
_
x

c; c r
c; c r
_
= (1)
r

M
80
B Moyenne arithmetique
B.1 Somme de variables aleatoires suivant la meme loi de distribution
Si lon consid`ere une variable aleatoire y denie comme la somme de N variables aleatoires
x
i
:
y =
N

i=1
x
i
si chaque variable aleatoire x
i
a comme d.d.p. p
x
i
(u) = p
x
(u) et comme fonctions ca-
racteristiques
x
(v) et
x
(v), on sait alors que
la d.d.p. de y, p
y
(u), verie :
p
y
(u) = p
x
1
(u) p
x
2
(u) p
x
3
(u) . . . p
x
N
(u)
la premi`ere fonction caracteristique de p
y
,
y
(v), verie :

y
(v) = (
x
(v))
N
Cette expression ne permet pas de deduire simplement les moments, hormis les deux
premiers :
m
y,1
= N m
x,1
m
y,2
= N m
x,2
+ N(N 1) m
2
x,1
ce qui donne au passage une relation tr`es simple pour le moment centre dordre 2, cest `a
dire la variance :
M
y,2
= N M
x,2
la seconde fonction caracteristique de p
y
,
y
(v), verie :

y
(v) = N
x
(v)
ce qui permet dobtenir les cumulants :

y(r)
= N
x(r)
B.2 Moyenne arithmetique de variables aleatoires suivant la meme loi de
distribution
Soit une variable aleatoire z denie comme la moyenne arithmetique de N variables aleatoires
x
i
:
z =

N
i=1
x
i
N
On peut la considerer comme la somme de N variables aleatoires x

i
=
x
i
N
:
z =
N

i=1
x
i
N
Considerons donc la variable aleatoire x

=
x
N
. Sa d.d.p. p
x
(u) secrit :
p
x
(u) = N p
x
(Nu)
81
Calculons la fonction caracteristique
x
(v) de la variable aleatoire x

=
x
N
:

x
(v) = F [p
x
] (v)
=
_
+

e
jvu
p
x
(u)du
= N
_
+

e
jvu
p
x
(Nu)du
=
_
+

e
j
v u

N
p
x
(u

)du

=
x
_
v
N
_
On peut alors reutiliser directement les resultats du paragraphe precedent en considerant la
variable z somme des variables aleatoires x

i
.
la d.d.p. de z, p
z
(u), verie :
p
z
(u) = p
x

1
(u) p
x

2
(u) p
x

3
(u) . . . p
x

N
(u)
la premi`ere fonction caracteristique de p
y
,
y
(v), verie :

z
(v) = (
x
(v))
N
=
_

x
_
v
N
__
N
Cette expression ne permet pas de deduire simplement les moments, hormis les deux
premiers :
m
z,1
= m
x,1
m
z,2
=
1
N
m
x,2
+
N 1
N
m
2
x,1
ce qui donne au passage une relation tr`es simple pour le moment centre dordre 2, cest `a
dire la variance :
M
z,2
=
1
N
M
x,2
la seconde fonction caracteristique de p
z
,
z
(v), verie :

y
(v) = N
x
_
v
N
_
ce qui permet dobtenir les cumulants :

z(r)
=
_
1
N
_
(r1)

x(r)
(95)
B.3 Exemple de la loi normale
On dit que la variable aleatoire x suit la loi normale N [, ] si sa densite de probabilite
p
x
(u) verie lexpression suivante :
p
x
(u) =
1

2
e

(u)
2
2
2
. (96)
correspond au mode de la loi (maximum de la d.d.p.) et
2
est la variance.
82
Les fonctions caracteristiques de la loi normale secrivent :

x
(v) = e

2
v
2
2
e
jv

x
(v) =

2
v
2
2
+ jv
La moyenne arithmetique de N variables aleatoires suivant la loi normale N [, ] (equation96)
a pour premi`ere fonction caracteristique :

z
(v) =
_

x
_
v
N
__
N
= e

2
v
2
2N
e
jv
= e

N
_
2
v
2
2
e
jv
Par transformee inverse on a lors la d.d.p. suivie par la variable aleatoire z :
p
x
(u) =
1

2
e

(u)
2
2
2
avec

N
. On a donc le resultat bien connu que la somme de N variables aleatoires suivant
une loi normale N [, ] suit une loi normale de meme moyenne et de variance divisee par N
(cest `a dire decart type divise par

N) : N
_
,

N
_
.
Lelement essentiel de ce resultat tient dans le fait assez remarquable que la puissance N-`eme
dune gaussienne est elle meme une gaussienne. Donc la fonction caracteristique dune somme
de loi normale est une puissance de gaussienne, donc une gaussienne.
On peut mener une autre analyse en considerant les cumulants, qui dans le cas de la moyenne
arithmetique verient la relation 95. Puisque les cumulants de la loi normale sont nuls `a partir
de lordre 3, et que cette propriete est specique `a la loi normale, on en deduit que les cumulants
de la loi moyenne arithmetique de la loi normale sont nuls `a partir de lordre 3 et que lon a
donc aaire `a une loi normale.
B.4 Exemple de la loi Gamma
Il se trouve que cette curieuse propriete dinvariance de loi existe pour dautres distributions,
dont la loi Gamma. Dans ce cas, on parle de theor`eme daddition.
Soit une loi Gamma G[, L] :
G [, L] (u) =
1
(L)
L

_
Lu

_
L1
e

Lu

Sa fonction caracteristique secrit :

x
(v) =
_

1 + i
v
L
_
L
=
_
L
L + iv
_
L
La moyenne arithmetique de N variables aleatoires suivant cette loi Gamma a pour premi`ere
fonction caracteristique :

z
(v) =
_

x
_
v
N
__
N
83
=
_
_
_
_
_

1 + i
v
L
N
_
_
L
_
_
_
N
=
_

1 + i
v
LN
_
LN
On reconnait la fonction caracteristique de la loi Gamma G[, LN]. Donc la loi suivie par la
somme de N variables aleatoires suivant une loi Gamma est aussi une loi Gamma, ce qui donne :
MA
G[,L]
[N] (x) = G[, NL](x) (97)
Cette propriete ne peut setendre `a une puissance de la variable x. Par exemple, si une
grandeur suit une loi de Nakagami (variable en amplitude : le carre de cette variable, cest `a
dire lintensite, suit alors une loi Gamma), on sait que la somme de N variables ne suivra pas
une loi de Nakagami.
Comme autre exemples de lois veriant le theor`eme daddition on trouve [4] la loi binomiale,
la loi de Poisson, la loi du
2
ainsi que la loi Gaussienne Inverse ([8]).
84
C Correspondances avec dautres lois classiques
C.1 Prolegom`ene
Dans un article recent [5], Crooks se propose detudier `a laide de la distribution dAmoroso
une menagerie de lois de probabilites liees `a la loi exponentielle. Ce terme illustre bien le probl`eme
car cest dans un dedale de noms et de variantes quil faut evoluer tant le sujet est vaste. Cette
annexe vise donc `a montrer quune grande partie de ces lois peuvent sanalyser comme des lois
de Meijer, ce qui permet dunier de mani`ere spectaculaire la taxonomie de cette menagerie.
Dans cette annexe, on fera appel `a trois lois generalisees (introduites en 6.3.2) :
la loi Gamma Generalisee(au sens des radaristes, section C.2.15) :
GG [, L, ] =
||

L
1

(L)
_
_
L
1

_
_
L1
e

_
L
1

la loi de Fisher Generalisee (utilisee aussi par les radaristes, section C.2.12)
FG [, L, M, ] =

L
1

M
1

(L +M)
(L) (M)
_
L
1

M
1

_
L1
_
1 +
_
L
1

M
1

_
L+M
la loi Beta Generalisee :
BG [, L, M, ] =

L
1

M
1

(M)
(L) (M L)
_
_
L
1

M
1

_
_
L1
_
_
1
_
_
L
1

M
1

_
_

_
_
ML1
En eet, dans ce formalisme specique au monde radar, le choix des param`etres m`ene `a un
premier moment m
1
dont lordre de grandeur est le param`etre , et ce independamment des
autres param`etres. Il est alors aise de comparer dierents choix des autres param`etres sans trop
changer cette valeur, qui est par ailleurs souvent du meme ordre de grandeur que le mode de la
distribution.
Nous verrons en premi`ere lecture quune grande partie des lois rencontrees dans la litterature
peuvent etre reecrites sous forme de lune de ces trois lois, donc sous la forme dune loi de Meijer
generalisee. Cette derni`ere propriete sera mise en valeur dans le tableau du paragraphe C.3 qui
generalisera le travail de Crooks aux lois de la famille exponentielle.
C.2 Diverses lois rencontrees dans la litterature
C.2.1 La distribution dAmoroso
Cest une loi qui, denie sous sa forme `a quatre param`etres, secrit ([8], [1], [5]) :
p
Amoroso
[, , , ] (x) =
1
()

_
x

_
1
e
(
x

Dans le cas = 0, on reconnat lexpression de la loi Gamma generalisee et une simple


identication permet decrire :
_

_
=
L =
=
1

85
ce qui donne :
p
Amoroso
[ = 0, , , ] (x) = GG
_
=
1

, L = , =
_
(x) = LMG
1,0
0,1
_
x

; .
; .
,
1

,
_
Dans le cas qui nous interesse ( = 0), elle porte aussi le nom de distribution de Stacy.
C.2.2 La loi Beta
Denie par :
B[, L, M] (x) =
L
M
(M)
(L)(M L)
_
Lx
M
_
L1
_
1
Lx
M
_
ML1
elle sexprime simplement sous la forme dune loi de Meijer :
B[, L, M] (x) = LM
1,0
1,1
_
x

. ; M
L ; .
,
_
C.2.3 La loi Beta Inverse
Denie par :
BI [, L, M] (x) =
M
L
(M)
(L)(M L)
_
Mx
L
1
_
ML1
_
Mx
L
_
M
elle sexprime simplement sous la forme dune loi de Meijer :
BI [, L, M] (x) = LM
0,1
1,1
_
x

L ; .
. ; M
,
_
C.2.4 La loi Beta Generalisee
Denie par :
BG [, L, M, ] (x) =

L
1

M
1

(M)
(L) (M L)
_
_
L
1

M
1

_
_
L1
_
_
1
_
_
L
1

M
1

_
_

_
_
ML1
elle sexprime simplement sous la forme dune loi de Meijer generalisee :
BG [, L, M, ] (x) = LMG
1,0
1,1
_
x

. ; M
L ; .
, ,
_
C.2.5 La distribution Beta Prime
p
BetaPrime
[, ] (x) =
( +)
(() (()
x
1
(1 +x)
+
Cest de mani`ere evidente une loi de Fisher Generalisee avec :
_

_
= 1
L =
M =
=

ce qui permet decrire :


p
BetaPrime
[, ] (x) = FG
_

, , , 1
_
(x) = LMG
1,1
1,1
_
x

; .
; .
,

, 1
_
86
C.2.6 Loi de Burr
Appeleee parfois distribution de Feller-Pareto, ou distribution de Burr XII, elle secrit :
p
Burr
[k, c] (x) = c k
x
c1
(1 +x
c
)
k+1
On reconnat formellement une distribution de Fisher generalisee FG [, L, M, ] et une simple
identication permet decrire :
_

_
= c
L = 1
M = k
= 1
On a donc
p
Burr
[k, c] (x) = FG [1, 1, k, c] (x) = LMG
1,1
1,1
_
x

k ; .
1 ; .
, 1, c
_
C.2.7 Distribution Chi
La Loi du Chi est donnee par la relation :
p

[, k] (x) =
2

_
k
2
_

2
2
_
x

2
2
_
k1
e

x
2
2
2
Pour k = 1, on retrouve la loi semi-normale (cest `a dire la loi gaussienne restreinte aux
valeurs positives de x).
On reconnait dans cette expression une loi de Nakagami avec :
_
L =
k
2
=

k
C.2.8 Distribution Chi-2
La Loi du Chi-2 est donnee par la relation :
p
2
[, k] (x) =
1

_
k
2
_
2
2
_
x
2
2
_k
2
1
e

x
2
2
On reconnait dans cette expression une loi Gamma avec :
_
L =
k
2
= k
2
C.2.9 Distribution de Dagum
Elle est decrite par la ddp p
Dagum
:
p
Dagum
[a, b, p] (x)
ap x
ap1
b
ap
_
1 +
_
x
b
_
a
_
p+1
87
On reconnat formellement une distribution de Fisher generalisee FG [, L, M, ] et une
simple identication permet decrire :
_

_
= a
L = p
M = 1
= b
do` u :
p
Dagum
[a, b, p] (x) = FG [b, p, 1, ] (x) = LMG
1,1
1,1
_
x

1 ; .
p ; .
, b, a
_
C.2.10 Distribution dErlang
Elle est decrite par la ddp p
Erlang
:
p
Erlang
[, m] (x) =
x
m1
e

m
(m)
.
qui sapparente `a une loi Gamma. Par identication, on a :
_

_
= 1
L = m
= m
ce qui donne :
p
Erlang
[, m] (x) = GG [m, m, 1] = LMG
1,0
0,1
_
x

; .
m ; .
, m, 1
_
C.2.11 F-distribution
On trouve dans la litterature la F-distribution (la lettre F ayant ete choisie par Snedecor en
hommage `a Fisher) sous le formalisme :
p
Fdistribution
[
1
,
2
] (x) =

_

1
+
2
2
_
(
_

1
2
_
(
_

2
2
_
_

2
_

1
2
x

1
2
1
1
_
1 +

1

2
x
_

1
+
2
2
Par identication, il est facile de montrer que cest une loi de Fisher F [, L, M] avec :
_

_
L =

1
2
M =

2
2
= 1
On a donc :
p
Fdistribution
[
1
,
2
] (x) = FG
_
1,

1
2
,

2
2
, 1
_
= LMG
1,1
1,1
_
x

2
2
; .

1
2
; .
, 1, 1
_
88
C.2.12 La loi de Fisher
Dans le monde de limagerie radar, il est dusage
10
de donner ce nom `a la loi suivante :
F [, L, M] (x) =
L
M
(L +M)
(L)(M)
_
Lx
M
_
L1
_
1 +
Lx
M
_
L+M
qui est une variante (typographique) de la F-distribution faisant intervenir un troisi`eme pa-
ram`etre : cest lintroduction de ce param`etre qui permet davoir un premier moment et un
mode globalement independant des param`etres de forme L et M. On a en eet :
m
mode
=
(L 1)M
L(M + 1)

Comme nous lavons vu precedemment, on a :


F [, L, M] (x) = LMG
1,1
1,1
_
x

M ; .
L ; .
, , 1
_
C.2.13 La loi de Fisher Generalisee
Dans le monde de limagerie radar, il est dusage de donner ce nom `a cette generalisation de
la loi de Fisher :
FG [, L, M, ] =

L
1

M
1

(L +M)
(L) (M)
_
L
1

M
1

_
L1
_
1 +
_
L
1

M
1

_
L+M
Comme nous lavons vu precedemment, on a :
FG [, L, M, ] (x) = LMG
1,1
1,1
_
x

M ; .
L ; .
, ,
_
C.2.14 La distribution de Frechet
Elle est donnee par la relation
p
Frechet
[, ] (x) =

(x)
1
exp
(

x
)

Il est aise de montrer que cette loi est une loi Gamma Inverse generalisee, avec :
_

_
M = 1
=
=
On a donc :
p
Frechet
[, ] (x) = LMG
0,1
1,0
_
x

1 ; .
. ; .
, ,
_
10
Fisher ayant ete probablement un des tout premiers `a sinteresser `a la loi suivie par le ratio de deux variables
aleatoires
89
C.2.15 La loi Gamma
Il y a beaucoup de denitions et dusages de cette loi. Dans ce document, nous avons choisi
un des formalismes classiquement utilises en imagerie coherente[11] :
G [, L] (x) =
1
(L)
L

_
Lx

_
L1
e

Lx

Comme nous lavons vu precedemment, on a :


G [, L] (x) = LMG
1,0
0,1
_
x

. ; .
L ; .
, , 1
_
C.2.16 La loi Gamma Generalisee
Il y a beaucoup de denitions et dusages de cette loi. Dans ce document, nous avons choisi
un des formalismes classiquement utilises en imagerie coherente[11] :
GG [, L, ] (x) =
||

L
1

(L)
_
_
L
1

_
_
L1
e

_
L
1

On a bien evidemment :
GG [, L, ] (x)LMG
1,0
0,1
_
x

. ; .
L ; .
, ,
_
C.2.17 La loi Gamma Inverse
Dans ce document, nous avons choisi un des formalismes classiquement utilises en imagerie
coherente[11] :
GI [, L] (x) =
1
(M)
1
M
_
M
x
_
M+1
e

M
x
Comme nous lavons vu precedemment, on a :
GI [, M] (x) = LMG
0,1
1,0
_
x

M ; .
. ; .
, , 1
_
C.2.18 La loi K
Comme nous lavons vu precedemment, on a :
K[, L, M] (x) =
2 L M

1
(L)(M)
_
L M x

_M+L
2
1
K
ML
_
2
_
L M x

_1
2
_
= LM
2,0
0,2
_
x

. ; .
L, M ; .
,
_
C.2.19 La loi K Inverse
Comme nous lavons vu precedemment, on a :
KI [, L, M] (x) =
2
LM
1
(L) (M)
_
L M
x
_M+L
2
+1
K
ML
_
2
_
L M
x
_1
2
_
= LM
0,2
2,0
_
x

L, M ; .
. ; .
,
_
90
C.2.20 La distribution de Kumaraswany
Elle verie la relation :
p
Kumaraswany
[, ] (x) = x
1
(1 x

)
1
Par identication, il est facile de montrer que cest une loi Beta Generalisee BG [, L, M]
avec :
_

_
L = 1
M = + 1
=
_
1
+1
_ 1

=
On a donc :
p
Kumaraswany
[, ] (x) = BG
_
1, + 1,
_
1
+ 1
_1

,
_
= LMG
1,0
1,1
_
x

. ; + 1
1 ; .
,
_
1
+ 1
_1

,
_
C.2.21 La distribution de Levy
Sous sa forme Standard, elle est donnee par la relation :
p
Levy
[c] (x) =

2
1
x
3
2
e

c
2x
On reconnait aisement une loi Gamma Inverse avec M =
1
2
et = c.
C.2.22 La distribution Log-Logistique
Elle sera etudiee comme un cas particulier de la distribution de Singh Maddala au paragrapheC.2.28.
C.2.23 La distribution de Maxwell
Elle verie la relation :
p
Maxwell
[] (x) =

x
2
e

x
2
2
2
On reconnat lexpression de la loi Gamma generalisee et une simple identication permet
decrire :
_

_
= 2
L =
3
2
=

3
ce qui donne :
p
Maxwell
[] (x) = GG
_
=

3, L =
3
2
, = 2
_
(x) = LMG
1,0
0,1
_
x

; .
3
2
; .
,

3, 2
_
C.2.24 La loi de Nakagami
Denie par :
RN [, L] (x) =
2

L
(L)
_
Lx

_
2L1
e

Lx

_
2
elle sexprime simplement sous la forme dune loi de Meijer generalisee :
LMG
1,0
0,1
_
x

. ; .
L ; .
, , 2
_
91
C.2.25 La loi de Nakagami Inverse
Denie par :
RNI [, L] (x) =
2

L(L)
_
L
x
_
2L1
e

L
x
_
2
elle sexprime simplement sous la forme dune loi de Meijer generalisee :
LMG
0,1
0,1
_
x

L ; .
. ; .
, , 2
_
C.2.26 La distribution de Pareto-2
La distribution de Pareto-2 verie la relation :
p
Pareto2
[b, q] (x) =
q b
q
(b +x)
q+1
Par identication, il est facile de montrer que cest une loi de Fisher F [, L, M] avec :
_

_
L = 1
M = q
= b
On a donc :
p
Pareto2
[b, q] (x) = FG [1, q, b, 1] = LMG
1,1
1,1
_
x

q ; .
1 ; .
, b, 1
_
C.2.27 La distribution de Rayleigh
La distribution de Rayleigh est donnee par la relation :
p
Rayleigh
[] (x) =
1

2
x e

x
2
2
2
Cest un cas particulier de la loi de Nakagami :
p
Rayleigh
[] (x) = RN
_
=

2, L = 1
_
(x)
ce qui donne :
p
Rayleigh
[] (x) = LMG
1,0
0,1
_
x

. ; .
1 ; .
,

2, 2
_
C.2.28 La distribution de Singh Maddala
Elle est denie par :
p
Singh
[a, q, b] (x) =
a q
b
x
a1
_
1 +
_
x
b
_
a
_
q+1
Par identication, il est facile de montrer que cest une loi de Fisher Generalisee FG [, L, M, ]
avec :
_

_
L = 1
M = q
=
b
q
1
a
= a
92
On a donc :
p
Singh
[a, q, b] (x) = FG
_
1, q,
b
q
1
a
, a
_
= LMG
1,1
1,1
_
x

q ; .
1 ; .
,
b
q
1
a
, a
_
Un cas particulier de la distribution de Singh Maddala est la distribution Log-Logistique :
p
LogLogistique
[, ] (x) =
x
1
_
1 +
_
x

_
2
= p
Singh
[, q = 1, b = ] (x)
On a donc :
p
LogLogistique
[, ] (x) = FG [1, 1, , ] = LMG
1,1
1,1
_
x

1 ; .
1 ; .
, ,
_
C.2.29 La distribution Student-t
Elle est denie par :
p
Studentt
[] (x) =

_
+1
2
_

2
_
_
1 +
x
2

_+1
2
Par identication, il est facile de montrer que cest une loi de Fisher Generalisee FG [, L, M, ]
avec :
_

_
L =
1
2
M =

2
= 1
= 2
On a donc :
p
Singh
[a, q, b] (x) = FG
_
1
2
,

2
, 1, 2
_
= LMG
1,1
1,1
_
x

2
; .
1
2
; .
, 1, 2
_
C.2.30 La loi de Weibull
Elle est donnee par lexpression [11] :
W[, ] (u) =

_
u

_
1
e

_
u

Cest donc de mani`ete evidente la loi de Meijer generalisee LMG


1,0
0,1
_
x

. ; .
1 ; .
, , 1
_
93
C.3 Tableau recapitulatif des lois usuelles denies sur IR
+
et exprimees comme
lois de Meijer
LMG
1,1
2,2
_
x

M ;

M
L ;

L
, ,
_
L M

L

M
Amoroso
p
Amoroso
[, , , ] (x) LMG
1,0
0,1

1

- - -
Beta
B [, L, M] (x) LMG
1,0
1,1
L - - M 1
Beta Inverse
BI [, L, M] (x) LM
0,1
1,1
- L M - 1
Beta Generalisee
BG [, L, M, ] (x) LMG
1,0
1,1
L - - M
Beta Prime
p
BetaPrime
[, ] (x) LMG
1,1
1,1

- - 1
Burr
p
Burr
[k, c] (x) LMG
1,1
1,1
1 1 k - - c
Chi
p

[, k] (x) LMG
1,0
0,1

k
k
2
- - - 2
Chi-2
p
2
[, k] (x) LMG
1,0
0,1
k
2 k
2
- - - 1
Dagum
p
Dagum
[a, b, p] (x) LMG
1,1
1,1
b p 1 - - a
Erlang
p
Erlang
[, m] (x) LMG
1,0
0,1
m m - - - 1
F-distribution
p
Fdistribution
[
1
,
2
] (x) LMG
1,1
1,1
1

1
2

2
2
- - 1
Fisher
F [, L, M] (x) LMG
1,1
1,1
L M - - 1
Fisher Generalisee
FG [, L, M, ] (x) LMG
1,1
1,1
L M - -
Frechet
p
Frechet
[, ] (x) LMG
0,1
1,0
- 1 - -
Gamma
G [, L] (x) LMG
1,0
0,1
L - - - 1
Gamma Generalisee
GG [, L, ] (x) LMG
1,0
0,1
L - - -
Gamma Inverse
GI [, L] (x) LMG
0,1
1,0
- M - - 1
94
LMG
1,1
2,2
_
x

M ;

M
L ;

L
, ,
_
L M

L

M
Loi K
K[, L, M] (x) LMG
2,0
0,2
L, M - - - 1
Kumaraswany
p
Kumaraswany
[, ] (x) LMG
1,0
1,1
_
1
+1
_ 1

1 + 1 - -
Levy
p
Levy
[c] (x) LMG
0,1
1,0
c -
3
2
- - 1
Log-Logistique
p
LogLogistique
[, ] (x) LMG
1,1
1,1
1 1 - -
Maxwell
p
Maxwell
[] (x) LMG
1,0
0,1

3
3
2
- - - 2
Nakagami
RN [, L] (x) LMG
1,0
0,1
L - - - 2
Nakagami Inverse
RNI [, L] (x) LMG
1,0
0,1
- L - - 2
Pareto-2
p
Pareto2
[b, q] (x) LMG
1,1
1,1
b 1 q - - 1
Rayleigh
p
Rayleigh
[] (x) LMG
1,0
0,1

2 1 - - - 2
Singh Maddala
p
Singh
[a, q, b] (x) LMG
1,1
1,1
b
q
1
a
1 q - - a
Student-t
p
Studentt
[] (x) LMG
1,1
1,1
1
1
2

2
- - 2
Loi U
Q
U
[, L, M, N] LM
2,1
1,2
L, M N - - 1
Loi W
Q
W
[, L, M, N] LM
2,0
1,2
L, M - - N 1
Weibull
W[, ] (x) LMG
1,0
0,1
1 - - -
Loi Z
Q
Z
[, L, M, N] (x) LM
1,1
1,2
L M N - 1
95
References
[1] L. Amoroso Richerche intorno alla curve di redditi Ann. Mat. Pura Appl. 21 (1925), 123-159
[2] H. Bateman Higher transcendental functions McGraw-Hill, 1953
[3] H. Bateman Table of integral transforms, vol. 1 McGraw-Hill, 1954
[4] H. Cram`er Mathematical methods of statistics Princeton University press, 1946
[5] G. Crooks The Amoroso Distribution http ://arxiv.org/abs/1005.3274v1, mai 2010
[6] B. Epstein Some applications of the Mellin transform in statistics Annals of Mathematical
Statistics, 19 (1948), pp 370-379
[7] R.A. Fisher On a distribution yielding the error functions of several well known statistics
Proceedings of the International Congress of Mathematics, Toronto, 2 :805-813, 1924
[8] Norman N. Johnson, Samuel Klotz Continuous univariate distributions-1 John Wiley &
Sons, 1970
[9] James B. McDonald Some generalized functions for the size distribution of income Econo-
metrica, Vol 52, No 3 (mai 1984), pp 647-664
[10] J.G. Mauldon A generalization of the Beta distribution Annals of Mathematical Statistics,
30 (1959), 509-520
[11] J.M. Nicolas Application de la transformee de Mellin : etude des lois statistiques de lima-
gerie coherente Rapport TelecomParisTech 2006D010
[12] J.M. Nicolas Projet EFIDIR : aspects theoriques en imagerie RSO. Lois statistiques des
images produits et des images rapports Rapport TelecomParisTech 2010D012
[13] A. Papoulis Probability, Random Variables and Stochastic Processes McGraw-Hill, 2002
[14] E.W. Stacy A generalization of the Gamma distribution Annals of Mathematical Statistics,
33 (1962), 1187-1192
[15] G. Vikas et N. Deepak n-Rayleigh Distribution in Mobile Computing over Flat-Fading
Channel International Conference on Methods and Models in Computer Science, 2009
96




















































Dpt lgal : 2011 1er trimestre
Imprim Tlcom ParisTech Paris
ISSN 0751-1345 ENST D (Paris) (France 1983-9999)





















































Tlcom ParisTech
Institut TELECOM - membre de ParisTech
46, rue Barrault - 75634 Paris Cedex 13 - Tl. + 33 (0)1 45 81 77 77 - www.telecom-paristech.frfr
Dpartement TSI



I
n
s
t
i
t
u
t

T
E
L
E
C
O
M

-
T

c
o
m

P
a
r
i
s
T
e
c
h

2
0
1
1

Vous aimerez peut-être aussi