Académique Documents
Professionnel Documents
Culture Documents
( ) np X E =
( ) npq X V =
Somme de lois binomiales.
Soient deux variables alatoires indpendantes
1
X qui suit ( ) p n B ,
1
, et
!
X qui suit ( ) p n B ,
!
. "a #.$. dfinie par
! 1
X X X + = suit une loi ( ) p n n B ,
! 1
+ .
2. 2. Loi de Poisson P( Loi de Poisson P( ) )
%n appelle variable alatoire de &oisson une variable alatoire discrte ' pouvant prendre des valeurs
entires 0, 1, !, (, ) avec des probabilits
e
*
,
+ 1
e
*
,
+ !
e
*
, (
+ k
e
*
o, est un paramtre positif arbitraire.
[ ]
+
i
x
i
x
e x X P
i
= =
,
+
R k
( ) = X E
( ) = X V
Estimation.
x =
-
, sans biais
Somme de deux lois de Poisson.
Soient
1
X
et
!
X
deux variables alatoire indpendantes suivant respectivement les lois
( )
1
P
et
( )
!
P
. "a loi
! 1
X X Z + =
suit une loi
( )
! 1
+ P
.
.vent prob.,/rials
0,1,10
0inomial 1istribution
x
p
r
o
b
a
b
i
l
i
t
2
0 ! 3 4 5 10
0
0,1
0,!
0,6
0,3
3. 3. Loi du Khi-deux Loi du Khi-deux
!
( )
!
1
!
! 7
!
!
1
x
e x x f
=
[ ] = X E
[ ] =! X Var
Somme de carr de loi normales centres rduites.
Soient
variables alatoires
( ) 1 , 0 N
indpendantes
X X X , , ,
! 1
. "a variable alatoire
=
=
1
!
i
i
X X
suit une loi de probabilit
!
8)9i*deux :
degrs de libert;.
Somme de lois du Khi-deux.
Soient X et Y deux variables alatoires indpendantes suivant une loi du
!
de paramtres
1
n
et
!
n
. $lors la variable alatoire. Y X Z + = suit une loi
!
! 1
n n +
Distance du
!
<ette distance est utilise pour tester si une distribution observe suit une certaine loi.
Il s=agit de la valeur
( )
matrice ou vecteur
!
ue on t9oriq distributi
ue on t9oriq distributi * observe on distributi
! d
, ou plus
prcisment
&our un vecteur
( )
=
r
i
i
i i
Np
Np n
d
1
!
! , qui suit une loi
!
1
r
. "es
i
n
correspondent aux quantits
observes, les
i
p
aux probabilits t9oriques 8lues dans les tables;, et N : la taille de l=c9antillon
observ.
&our une matrice
( )
= =
=
s r
j i
ij
ij ij
Np
Np n
d
,
1 , 1
!
!
, qui suit une loi
( )( )
!
1 1
s r
>ean
10
&oisson 1istribution
x
p
r
o
b
a
b
i
l
i
t
2
0 ? 10 1? !0 !? 60
0
0,06
0,04
0,0@
0,1!
0,1?
4. 4. Loi Gamma Loi Gamma
( ) l a,
Rappel mathmatique: fonction gamma dEuler et proprits
( )
+
=
0
1
dx e x l
x l
, pour 0 > l
( ) ( ) l l l = + 1
( ) 1 1 =
=
!
1
( ) ( )+ 1 = n n
, si
n
est entier
!nralits sur la loi gamma
( )
( )
1
=
l ax
l
x e
l
a
x f si 0 x
[ ]
a
l
X E =
[ ]
!
a
l
X V =
Somme de lois gamma.
Soient
1
X
et
!
X
, ! variables alatoires indpendantes suivant respectivement les lois
( )
1
, l a
et
( )
!
, l a
. $lors la variable alatoire
! 1
X X Z + =
suit une loi
( )
! 1
, l l a +
Rapport entre loi normale et loi gamma.
Soit X une variable alatoire suivant la loi
( ) 1 , 0 N
. $lors la loi
!
!
1
X Y = suit une loi
!
1
, 1
.
1eg. of freedom
10
<9i*Square 1istribution
0 10 !0 60 30
x
0
0,0!
0,03
0,04
0,05
0,1
d
e
n
s
i
t
2
5. 5. Loi Normal Loi Normal
( )
!
, m N
( )
!
!
1
!
1
=
m x
e x f
( ) m X E =
( )
!
= X Var
"o#enne.
x m = -
, sans biais
$ariance lorsque la mo#enne est connue 8mo2enne
0
m m =
;.
( )
=
!
0
!
1
- m x
n
i
, sans biais
$ariance lorsque la mo#enne n%est pas connue.
( )
=
! !
1
- x x
n
i
, biais. 1ans ce cas, on utilise
( )
=
! !
1
1
x x
n
S
i
, sans biais. <et estimateur prend
en compte le fait qu=il faut utiliser une estimation pralable de la mo2enne pour estimer la variance. Il n=2
a donc plus
n
donnes disponibles 8ou degrs de libert;, mais
1 n
.
Aemarque
! !
1
=
n
n
S
,
!
tant la valeur observe de la variance.
&entrer-rduire.
Soit une variable alatoire X qui suit la loi normale ( )
!
, m . "a variable alatoire
=
m X
Y
suit
une loi normale centre*rduite
( ) 1 , 0
.
'a somme de
p
lois (ormales.
( )
!
,
i i
N deux : deux indpendantes est une loi Bormale
( )
!
,
i
i
N
.
Botons quon peut retrouver ce rsultat en calculant
[ ]
i
X E
, et.
[ ]
i
X V
.
'oi de la mo#enne.
Si
n
X X X , ,
! 1
deux : deux indpendants suivent une loi ( )
!
, N , alors X suit une loi
n
N
!
,
. Botons quon peut retrouver ce rsultat en calculant [ ] X E , et [ ] X V .
'oi de la mo#enne si les deux param)tres sont inconnus. <f loi de Student.
S9ape,Scale
1,1
Camma 1istribution
0 1 ! 6 3 ? 4
x
0
0,!
0,3
0,4
0,5
1
d
e
n
s
i
t
2
. . Loi Normale !en"r#e r#dui"e Loi Normale !en"r#e r#dui"e
( ) 1 , 0 N
( )
!
!
!
1
x
e x f
( ) 0 = X E
( ) 1 = X V
Somme de carr de lois (ormales centres rduites *loi du Khi-deux+.
Soient
n
X X X , ,
! 1
deux : deux indpendantes qui suivent c9acune une loi
( ) 1 , 0 N
. $lors,
=
=
n
i
i
X Y
1
!
suit une loi
!
n
.
$. $. Loi %xponen"ielle Loi %xponen"ielle
( ) exp
( )
=
x
X
e x f
1
[ ] = X E
[ ]
!
= X Var
Estimation.
x =
-
>ean,Std. dev.
0,1
Bormal 1istribution
*? *6 *1 1 6 ?
x
0
0,1
0,!
0,6
0,3
d
e
n
s
i
t
2
>ean,Std. dev.
!,1
Bormal 1istribution
x
d
e
n
s
i
t
2
*6 *1 1 6 ? D
0
0,1
0,!
0,6
0,3
'oi Exponentielle et loi !amma.
"a loi .xponentielle
( ) m exp
est un cas particulier de la loi de paramtres
= = 1 ,
1
l
m
a
.
&. &. Loi de '"uden" Loi de '"uden"
/
[ ] 0 = Z E
[ ]
!
= Z Var
Proprit.
Soient deux variables alatoires indpendantes X qui suit
( ) 1 , 0 N
, et Y qui suit
!
. "a variable
alatoire dfinie par
=
Y
X
Z
suit une loi
/
8Student :
degrs de libert;.
'oi de la mo#enne d%une loi normale dont les , param)tres sont inconnus.
Si X suit ( )
!
, N , de mo2enne 8t9orique; X , alors
n S
X
1
/
n
8
n
tant la taille de
l=c9antillon, et S lestimateur de la variance;. <eci nest valable que lorsque
n
est petit 8 60 < n en
pratique;. Si
n
est plus grand, la loi de Student tend vers une loi
( ) 1 , 0 N
.
Somme de -ariables !aussiennes centres.
Soient
n
X X X X , , , ,
! 1
, 1 + n variables alatoires gaussiennes indpndantes et centres.
n
X
X
T
i
=
!
suit une loi
n
T
8Student : n degrs de libert;.
>ean
10
.xponential 1istribution
0 10 !0 60 30 ?0 40
x
0
0,0!
0,03
0,04
0,05
0,1
d
e
n
s
i
t
2
(. (. Loi de Bernouilli Loi de Bernouilli
[ ] 1 , 0
"a variable alatoire X ne peut prendre que ! valeurs, par exemple 0 et 1 8ou c9ec et succs;, avec les
probabilits
[ ] q X p = =0
et
[ ] q p X p = = = 1 1
.
[ ] p X E =
[ ] pq X V =
1). 1). Loi *is!r+"e Loi *is!r+"e
&our la valeur x dune variable alatoire discrte X pouvant prendre les valeurs ordonnes
, , , ,
! 1 i
x x x
avec les probabilits
, , , ,
! 1 i
p p p
, o,
1
1
=
i
p
, on notera la fonction de
rpartition par
( ) [ ]
=
= =
i
k
k i i
p x X x F
1
&r
1eg. of freedom
10
Student=s t 1istribution
*4 *3 *! 0 ! 3 4
x
0
0,1
0,!
0,6
0,3
d
e
n
s
i
t
2