MTH 2301 Mthodes statistiques en ingnierie

MTH 2301 Mthodes statistiques en ingnierie

Dfinition

VARIABLES ALATOIRES

E : exprience alatoire

S : espace chantillonnal associ

X fonction de S dans les nombres rels ( R )

dfinition

X est une variable alatoire ; X( o ) est un nombre rel

fonction de rpartition

Exemple :

variable alatoire discrte

lancement dune pice de monnaie 3 fois

X = nombre de fois P I L E

X = 0, 1, 2, 3

moyenne - variance - cart type

esprance mathmatique
variable alatoire continue

F : Face

fonction dune variable alatoire : transformation

P : Pile

combinaison linaire de variables alatoires

FFF
FFP
FPF
PFF
FPP
PFP
PPF
PPP

Les probabilits
sur S

se transportent

sur R

1
Bernard CLMENT, P h D

2
Bernard CLMENT, P h D

MTH 2301 Mthodes statistiques en ingnierie

MTH 2301 Mthodes statistiques en ingnierie

Fonction de rpartition
X une v,a,

VARIABLE ALATOIRE DISCRTE

x une valeur (relle) prise par X

vnement : { X x }

X est une v,a, discrte si elle prend un nombre fini ou infini de

valeurs distinctes gnralement des entiers 0, 1, 2, 3, 4,

F X ( x ) = P X ( X x ) : fonction de rpartition

Exemples (comptages)

proprits

1. 0 F X ( x ) 1

2. x
x
3. F X (x)
4. F X (x)

F X (x)
F X (x)

non dcroissante
continue droite

0
1

X discrte

X continue

nombre de dfauts de surface ;

nombre de versions d'un dessin de dfinition pendant une anne;
nombre de pices non conformes dans un lot de 500 ;
nombre de pices en attente devant une machine;
nombre de cotes ambigus,

Fonction de masse

p X (x) = PX ( X = x)
p X (x) 0

Fonction de rpartition

Fx(u) =

p X (x)

Distributions importantes Binomiale - Poisson - Hypergomtrique

3

Bernard CLMENT, P h D

4
Bernard CLMENT, P h D

MTH 2301 Mthodes statistiques en ingnierie

MTH 2301 Mthodes statistiques en ingnierie

VARIABLE ALATOIRE DISCRTE

Binomiale

X le nombre de succs dans une suite de n essais de

Bernoulli

Bar/Column Plot (ch3.sta 10v*31c)

0.18

avec une probabilit commune de succs de

0.16

X i la variable associe au i-me succs

X 1 , X 2 , ,, X n
indpendantes X = X i
X est une variable binomiale X ~ b (n , )
p x (x)

masse

0.14
0.12

= [ n! / x ! ( n- x) ! ] x ( 1 ) n x

0.10

FX (x) = [

rpartition

= 0,30

Exemple : n = 30

0.08

n! / k ! ( n- k ) ! ] k ( 1 ) n k

0.06

FE3

k=0
0.04
0.02

tude dtaille - chapitre des lois discrtes

binom

0.00

5
Bernard CLMENT, P h D

10

12

14

16

18

20

22

24

26

28

30

Bernard CLMENT, P h D

MTH 2301 Mthodes statistiques en ingnierie

MTH 2301 Mthodes statistiques en ingnierie

moyenne - variance - cart type

Esprance mathmatique
X v,a, discrte

Moyenne : E [ X ] = = x p X (x )

n = 30

en gnral / n
= 0,3

E[X]=9

Variance : Var [ X ] = 2 = ( x - )2p X (x ) = x 2p X (x ) - 2

Exemple : X ~ b i nom ( n, )
2 = n ( 1 - ) en gnral
n = 30

= 0,3

h: R

E [ h(X) ] = h(x) p X(x)

Exemple : X ~ b i nom ( n, )
E[X]=n

p X(x) sa fonction de masse associe

h fonction de R dans R

premier moment par rapport lorigine centre de masse

Var [ X ] = 2 = 6,3

cart type : ET [ X ] = = Var [ X ]

Exemple : X ~ b i nom ( n = 30 , = 0,3 )

Cas particuliers

E [ h( X ) ]

h( x ) = x
h(x)=x2
h(x)= (x-)2
h(x)= xk
h(x)= (x)k

moyenne

R
: esprance mathmatique de h

2 ime moment par rapport lorigine 0

variance
k - ime moment par rapport lorigine
k ime moment par rapport la moyenne

ET [ X ] = = 2,51
7

Bernard CLMENT, P h D

8
Bernard CLMENT, P h D

MTH 2301 Mthodes statistiques en ingnierie

MTH 2301 Mthodes statistiques en ingnierie

Exemple 2: - vous achetez des billets du spectacle des RS 40,00$ dans
l'espoir de les revendre 70,00$ le soir du spectacle.,
- estimation de la demande billets X

Esprance mathmatique
Exemple 1 : soumission pour la ralisation d'un travail dingnierie
X v.a.

nombre de jours requis pour le travail ,

Vous estimez vos

probabilits

<3

p(x)

1/8

4/8

2/8

1/8

Y = profit net = (X)

x
Y = (x)

10K$ 3K$

24

25

26

27

28

29

30

0,02

0,04

0,08

0,16

0,32

0,18

0,12

0,08

L(x, s) = 40 (s - x )
L(x, s) = (70 - 40) (x s)

6___

0,7K$

23

probabilit p(x)

Combien de billets S acheter pour minimiser les pertes ?

-Vous perdez 40$/billet si vous stockez trop de billets: x S
-Vous 30$/billet (profit) si vous ne stockez pas assez de billets: x S+1
Fonction de perte L (x, s):

total

dpend du nombre de jours X pris pour

raliser le travail
3

nombre billets x

-1,5K$

perte moyenne

Profit net moyen = ?

E(L)

si 23 x s
stock excessif
si s+1 x 30 stock manquant
s

E [L ( X , s)] =

30

40(s x) p X ( x) +
x=23

E( Y ) = 10K$ *1/8 + 3K$ * 4/8 + 0,7K$ * 2/8 + (-1,5K$) * 1/8 = 2,73K$

30 ( x s) p X ( x)
x=s+1

Quelle valeur de S minimise E(L) ?

9

Bernard CLMENT, P h D

MTH 2301 Mthodes statistiques en ingnierie

MTH 2301 Mthodes statistiques en ingnierie

Exemple 2:
suite

10
Bernard CLMENT, P h D

40(s x)p(x)

23
24
25
26
27
28
29
30

0,00
0,80
3,20
8,80
20,80
45,60
77,60
114,40

30(x s)p(x)

VARIABLE ALATOIRE CONTINUE ( v,a,c )

E [ L(X,s) ]

124,20
94,80
66,60
40,80
19,20
6,20
0,00
0,00

124,20
95,60
69,90
49,60
40,60
51,60
77,60
114,40

L'espace de la v,a, X est un intervalle sur les nombres rels

sa fonction de rpartition FX( x ) est drivable
La drive de FX( x ) note f X

minimum

Exemples (mesures)
- temprature relle d'un recuit ;
- longueur extrude avant perte de contrle ;
- volume rel du rservoir
- temps requis pour finaliser une conception ;
- tension d'un hauban,

nouvelle distribution de probabilit

x
prob

23

24

0,30 0,20

25

26

0,15

0,12 0,10 0,08

solution optimale devient

27

28

29

30

0,04

0,01

S = 24

11
Bernard CLMENT, P h D

est la densit de X

12
Bernard CLMENT, P h D

MTH 2301 Mthodes statistiques en ingnierie

MTH 2301 Mthodes statistiques en ingnierie

VARIABLE ALATOIRE CONTINUE ( v,a,c )

PX ( X = x) =

Exemple : loi uniforme (quiprobabilit)

lim
[ FX ( x + x) FX ( x) ] = 0
x 0

d
f X ( x) =
FX ( x )
dx

fX(x)

(x)=

( t ) dt

E ( X ) = xf X (t ) dt =

RX

X a ou X b

= k

si

a X b

FX ( x ) = 0

f ( x ) dx
a

fX x

si

f X ( x ) dx = 1

k=?

k=1/(ba), E(X) = (a+b)/2 ,

P (a x b) =

= 0

si

Var ( X ) = ( b a ) 2 / 12

Xa

= (xa)/(ba)

si

= 1

si X b

a X b
a

Application gnrateurs de nombres (pseudo) alatoires de la loi uniforme

mthode linaire congruente : I i

VAR[ X ] = (x )2 f (x) dx = x 2 f X ( x) dx 2

+1

= ( a I i + b ) mod m

choisir : a, b, m , I 0 ( semence )
employ pour la SIMULATION : Statistica

i = 0, 1, 2,

u i= I i / m

fonction Rnd

13
Bernard CLMENT, P h D

14
Bernard CLMENT, P h D

MTH 2301 Mthodes statistiques en ingnierie

MTH 2301 Mthodes statistiques en ingnierie

Fonction dune variable alatoire

Fonction dune variable alatoire discrte

X v,a, sur S et despace image R X ( rels )

RX

Y = ( X ) une transformation ( fonction ) est une v,a,

.
.
x i1 ..

lespace image est R Y ; E Y vnement dans R Y

Alors PY ( E Y ) = PX ( { x dans RX : ( x ) dans E Y} )
Exemple:

RY

Y = (X)

.
.Yj

x i2 .

X diamtre dun fil - distribution uniforme intervalle ( 1,00 1,01 )

f X ( x ) = 100
1,00 x 1,01
= 0
autrement

Y = aire de la section = ( X / 2) 2 = 0,25 X 2

x i3 .

Quelle est la probabilit que Y varie entre 0,252 et 0,254 ?

.
.

pY ( y j ) = PY (Y = y j ) =

varie dans lintervalle ( 0,25 , 0,255025 )

PX ( xik )
x i k j

rponse : P ( 0,252 Y 0,254 ) = P ( 1,00399 X 1,00797 )

= 100 ( 0,00398) = 0,398
15
Bernard CLMENT, P h D

16
Bernard CLMENT, P h D

MTH 2301 Mthodes statistiques en ingnierie

MTH 2301 Mthodes statistiques en ingnierie

Exemple : tir de Bernoulli sur loi exponentielle

f x (x ) = e

x 0

=0
E [X ]=

probabilits de Y

x<0

x e x dx = xe

[X ] =

x e
2

1
dx

Var
,

Exemple : tir de Bernoulli sur loi exponentielle (suite)

e x dx =

1/

pY (0) =

e t dt = e t

1/

=1/

= 1 e 1 0.6321

p Y (1) =

Le temps X jusqu' la dfaillance (ex, tube rayons cathodiques)

X dure vie suit une loi exponentielle, taux de dfaillance

e t dt = e t

1/

1/

=e

0 .3679

Posons : Y variable Bernoulli dfinie par le fait que X excde ou non

sa dure moyenne 1/

Y=0

si X 1 /

=1

si X > 1 /
17

Bernard CLMENT, P h D

18
Bernard CLMENT, P h D

MTH 2301 Mthodes statistiques en ingnierie

MTH 2301 Mthodes statistiques en ingnierie

Fonction continue dune V,A, continue

X

v.a.c densit f x

Densit f Y = ?

fonction continue Y = (X)

Fonction continue dune V,A, continue (suite)

Y est une v.a.c

Exemple:

Pour la trouver la densit il faut :

1. Obtenir F Y (y) = P( Y y ) par l'vnement de R X quivalent (Y y) dans R y

2. Driver F Y (y) par rapport y pour obtenir la fonction de densit fy

Y = aire de la section = ( X / 2) 2 = 0,25 X 2 varie dans lintervalle

0,250000 = 0,78540 quand x = 1,00
0,255025 = 0,80118 quand x = 1,01

3. Trouver l'espace image de cette v.a.c.

THORME

Si est une v.a.c de densit f x telle que f x > 0 pour a < x < b
et y = (x ) est une fonction continue strictement monotone,
alors la v.a.c
Y = ( X) possde une densit

f Y ( y ) = f X ( x)
avec x = - 1 (y )

X diamtre dun fil - distribution uniforme intervalle 1,00 1,01

100
f X ( x ) = 100
1,00 x 1,01
0
0
= 0
autrement
X
1,00
1,01

transformation inverse X = Y 0,5 / 0,25

dx / dy = 1/ (2 y 0,5 0,25 ) = ( 1/ 0,50 ) y - 0,5 = 0,6366 y - 0,5

dx
dy

fY ( y) = f X ( x)

exprim en terme de y

f y (y ) = 100 ( 0,6366 y - 0,5 ) = 63,66 y - 0,5

71,28
0

19
Bernard CLMENT, P h D

dx
dy

Bernard CLMENT, P h D

0,7854

67,86
0
0,80118

20

MTH 2301 Mthodes statistiques en ingnierie

MTH 2301 Mthodes statistiques en ingnierie

Combinaison linaire de variables alatoires indpendantes

Combinaison linaire de variables alatoires indpendantes

a 1 , a2 , , a n
X 1 , X2 , , X n

combinaison linaire

E(Xi )= i

moyenne de X i

Var( X i ) = i 2

variance de X i

alors

modle : X Y variables indpendantes

P ( X = x j ; Y = y j ) var iables
PROBABILITES CONJOINTES

variables alatoires discrtes ou continues indpendantes

W = ai Xi
Thorme

probabilits conjointes p(x,y)

exemple

constantes

E ai X i =
i 1

Var

n
i 1

p(X=6, Y = 4)

10

13

14

prob

0,05

0,15

0,20

0,30

0,10

0,10

0,10

1,00

0,05

0,0025

0,0075

0,0100

0,0150

0,0050

0,0050

0,0050

0,05

= p(X=6)*p(Y=4)

0,10

0,0050

0,0150

0,0200

0,0300

0,0100

0,0100

0,0100

0,10

= 0,20* 0,15

0,30

0,0105

0,0450

0,0600

0,0900

0,0300

0,0300

0,0300

0,30

= 0,0300

0,15

0,0075

0,0225

0,0300

0,0450

0,0150

0,0150

0,0150

0,15

0,20

0,0100

0,0300

0,0400

0,0600

0,0200

0,0200

0,0200

0,20

0,20

0,0100

0,0300

0,0400

0,0600

0,0200

0,0200

0,0200

0,20

1,00

0,05

0,15

0,20

0,30

0,10

0,10

0,10

ai i

i 1

ai X i =

ai2 i2

Moyenne et variance de W = 4X + 3Y ?

i 1
21

Bernard CLMENT, P h D

22
Bernard CLMENT, P h D

MTH 2301 Mthodes statistiques en ingnierie

MTH 2301 Mthodes statistiques en ingnierie

Combinaison linaire de variables alatoires indpendantes

CALCUL DES MOYENNES

Exemple

valeurs de W = 4 X + 3 Y

Exemple
suite

10

13

14

3Y

4X

12

20

24

36

40

52

56

15

23

27

39

43

55

59

18

26

30

42

46

58

62

21

29

33

45

49

61

65

12

12

24

32

36

48

52

64

68

15

15

27

35

39

51

55

67

71

18

18

30

38

42

54

58

70

74

suite
aij

a=4

x=3

10

13

14

E(X)=

b=3

45,85

0,15

0,75

1,20

2,70

1,00

1,30

1,40

8,50

y=1

0,05

0,0375

0,173

0,270

0,585

0,215

0,275

0,295

0,20

0,090

0,390

0,600

1,260

0,460

0,580

0,620

0,90

0,315

1,305

1,980

4,050

1,470

1,830

1,950

0,60

0,180

0,720

1,080

2,160

0,780

0,960

1,020

1,00

0,270

1,050

1,560

3,060

1,100

1,340

1,420

1,20

0,300

1,140

1,680

3,240

1,160

1,400

1,480

E(Y) =

3,95

45,85

Calcul avec la formule : E(W) = 4*E(X) + 3*E(Y) = 4*8,50 + 3*3,95 = 45,85

a i j = (4x i + 3y j )* p(x i , y j )
23

Bernard CLMENT, P h D

E(W) =

Calcul direct : E(W) = a i j

24

Bernard CLMENT, P h D

MTH 2301 Mthodes statistiques en ingnierie

MTH 2301 Mthodes statistiques en ingnierie

CALCUL DES VARIANCES

Exemple
suite

Combinaison linaire de variables alatoires indpendantes

a=4

10

13

14

V(X) =

b=3

178,528

1,513

1,838

1,250

0,075

0,225

2,025

3,025

9,950

0,435

2,379

3,916

3,553

0,704

0,041

0,419

0,865

0,380

3,878

5,910

5,024

0,445

0,000

1,476

2,608

0,271

9,263

12,777

9,907

0,065

0,298

6,886

11,002

Application importante : processus chantillonnage alatoire dune population X

n variables X

Dfinition dun chantillon alatoire:

(a) X 1 , X 2 , X 3 , .., X n indpendantes

(b) toutes les variables ont la mme distribution que X
La variable alatoire moyenne, note X,

b ij

0,000

3,581

4,316

2,911

0,208

0,567

4,941

X =

7,359

5
6

V(Y) =

0,221
0,841

3,553
2,512

3,532
1,849

1,877
0,593

1,591
3,985

2,148

1,674
2,952

8,946

15,848

V(W) =

Proprits de X
178,528

b i j = [w i j E( W )

p(x i , y j )

Calcul direct : Var(W) = b i j

Bernard CLMENT, P h D

E [X ]=

25

est une combinaison linaire des X i

= ai Xi
1
n

ai=1/n

E[X ] = E[X ] =

1
Var[ X ] =
n

Calcul avec la formule : Var(W) = 42 * 9,95 + 32 * 2,148

]2

1
Xi
n

12,650

11,664

Var[ X ] =
1

Var[ X ] 2
=
n
n
26

Bernard CLMENT, P h D