Vous êtes sur la page 1sur 25

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

ACT 2284 - Cours 2

Philippe Gagnon, M.Sc., A.S.A.

Université de Montréal

11 janvier 2016

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

1 Fonctions décrivant une variable aléatoire

2 Mesures caractérisant une variable aléatoire

3 Classification des distributions

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Variable aléatoire

Exemples en assurance IARD

La perte liée à une assurance automobile. La réclamation liée à une assurance automobile. Le nombre d’années que le client sera assuré avec la compagnie. etc.

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Fonctions décrivant une variable aléatoire

Fonction de répartition

X : une variable aléatoire. F X ( x ) = P ( X x ) : fonction de répartition.

Propriétés

Non-décroissante. Continue à droite. lim x ! 1 F X ( x ) = 0 et lim x !1 F X ( x ) = 1.

1.0

1.0

0.8

0.8

0.6

0.6

F(x)

F(x)

0.4

0.4

0.2

0.2

0.0

0.0

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Exemples de fonctions de répartition

●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
− 0.5 0.0 0.5 1.0 1.5 − 3 − 2

0.5

0.0

0.5

1.0

1.5

3

2

1

0

1

2

3

 

x

x

Figure 1 : Exemple de fonctions de répartition.

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Fonctions décrivant une variable aléatoire (suite)

Fonction de survie

X : une variable aléatoire. S X ( x ) = P ( X > x ) : fonction de survie.

Propriétés

Non-croissante. Continue à droite. lim x ! 1 S X ( x ) = 1 et lim x !1 S X ( x ) = 0.

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Fonctions décrivant une variable aléatoire (suite)

Fonction de densité

X : une variable aléatoire. f X ( x ) = dx F X ( x ) : fonction de densité.

d

Pour quel type de variables aléatoires cette fonction est utile ? Propriétés

Positive (f X 0). P ( a X b ) = R f ( x ) dx (Si la variable aléatoire est discrète F X ( x ) = P y x P ( X = y ) ).

b

a

Démontrez que F X est non-décroissante en considérant que X est une v.a. continue .

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Fonctions décrivant une variable aléatoire (suite) − 3 − 2 − 1 0 1 2
Fonctions décrivant une variable aléatoire (suite)
3
− 2
− 1
0
1
2
3
x
F(x) et f(x)
0.0
0.2
0.4
0.6
0.8
1.0

Figure 2 : Fonction de répartition et de densité d’une loi normale.

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Fonctions décrivant une variable aléatoire (suite)

Taux de panne

X : une variable aléatoire.

h X ( x ) =

f X ( x ) S X ( x

) : taux de panne.

Propriété

h X ( x ) = S S X ( x ) = ( log S X ( x )) 0 .

S X ( x ) = exp R 1 h X ( y ) dy (à démontrer).

X

( x )

0

x

Théorème fondamental de calcul

Si f ( x ) = F 0 ( x ) est une fonction continue sur l’ensemble [ a , b ] , alors

Z b

a

f ( x ) dx = F ( b ) F ( a ) .

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

1

Fonctions décrivant une variable aléatoire

2

Mesures caractérisant une variable aléatoire

3

Classification des distributions

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Mesures caractérisant une variable aléatoire

Mode

Valeur qui maximise la fonction de probabilité (f X ( x ) si la v.a. est continue ou P ( X = x ) si elle est discrète ).

Médiane

Mesure de tendance centrale (la valeur m telle que P ( X m ) = P ( X m ) ). Qui a-t-il de particulier lorsque X est une v.a. continue ?

Espérance

1

Mesure de tendance centrale (E [ X ] = R 1 xf X ( x ) dx si la v.a. est continue ou E [ X ] = P x x P ( X = x ) si elle est discrète ).

Variance

Mesure de variabilité

(V ar[ X ] = E [( X

E [ X ]) 2 ] = E [ X 2 ] E [ X ] 2 ).

Remarques

E [ g ( X )] = R 1 g ( x ) f X ( x ) dx si la v.a. est continue ou E [ g ( X )] = P x g ( x ) P ( X = x ) si elle est discrète . L’intégrale ou la somme ne converge pas ) l’espérance de cette v.a. n’existe pas .

11 janvier 2016

1

Philippe Gagnon, M.Sc., A.S.A. (UdeM)

11 / 25

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Mesures caractérisant une variable aléatoire (suite)

k -ième moment ( k 2 N )

E [ X k ]

Coecient de variation

Mesure de variabilité standardisé ( p V ar[ X ] /E [ X ] ).

Coecient d’asymétrie

Mesure d’asymétrie (E [( X

Si égal à 0 ) distribution symétrique , si > 0 ) distribution asymétrique à droite . E [( X E [ X ]) 3 ] = E [ X 3 ] 3E [ X 2 ] E [ X ] + 2E [ X ] 3 (à vérifier en exercice ).

E [ X ]) 3 ] /( p V ar[ X ]) 3 ).

Coecient d’aplatissement

Mesure d’aplatissement (épaisseur des ailes )

(E [( X E [ X ]) 4 ] /V ar[ X ] 2 ).

E [( X E [ X ]) 4 ] = E [ X 4 ] 4E [ X 3 ] E [ X ]+ 6E [ X 2 ] E [ X ] 2 3E [ X ] 4

(à vérifier en exercice ).

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Illustration à l’aide de la loi normale et exponentielle − 3 −2 −1 0 1
Illustration à l’aide de la loi normale et exponentielle
3
−2
−1
0
1
2
3
x
densité normale et exponentielle
0.0
0.2
0.4
0.6
0.8
1.0

Figure 3 : Pour la loi normale(0,1), le coe cient d’asymétrie est 0 et le coe cient d’aplatissement est de 3. Pour la loi exponentielle(1), le coe cient d’asymétrie est de 2 et le coe cient d’aplatissement est de 9.

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Exemple

Tableau.

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Percentile

Variable aléatoire continue

f X > 0 sur son domaine ) F X est strictement croissante, donc admet une fonction réciproque. Alors, pour 0 < p < 1, il existe un unique x p tel que F X ( x p ) = p . x p est le 100p -ième percentile (50-ième percentile = médiane ).

De manière générale

Pour 0 < p < 1, le 100 p -ième percentile est toute valeur x p telle que F X ( x p ) p F X ( x p ) , où F X ( x p ) = P ( X < x p ) . x 0. 75 x 0. 25 : distance interquartile .

1.0

0.8

0.6

F(x)

0.4

0.2

0.0

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Percentile (suite)
Percentile (suite)
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
F(x)
0.0
0.2
0.4
0.6
0.8
1.0
F(x) 0.0 0.2 0.4 0.6 0.8 1.0 − 0.5 0.0 0.5 1.0 1.5 − 3 −

0.5

0.0

0.5

1.0

1.5

3

2

1

0

1

2

3

 

x

x

Figure 4 : Quel le 20-ième et le 50-ième percentile dans ces deux situations ?

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Fonction génératrice des moments

La fonction génératrice des moments (fgm) d’une v.a. X , notée M X ( t ) , est donnée par

M X ( t ) = E [ e tX ] ,

pour tout t pour lesquels cette espérance existe.

Fonction génératrice bien définie + existence du k -ième moment )

E [ X k ] = dt d k k M X ( t )

t = 0

Pourquoi ?

M X ( t ) = E [ e tX ] = E h P 1

n

= 0

t n X n

n

!

, k 2 {1, 2,

}.

i = P 1

n

= 0 t n E [ X n ] n !

.

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Fonction génératrice des moments - Loi de Poisson

Si X a une distribution Poisson de paramètre > 0, alors

P ( X = x ) =

e x

x !

.

Quelle est la fonction génératrice des moments ? Calculez l’espérance.

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Fonction génératrice des moments - Loi Gamma

Si X a une distribution Gamma de paramètre > 0, > 0, alors

f X ( x ) = ( ) x 1 e x , x 0,

( )=( 1)! si 2 {1, 2,

Quelle est la fonction génératrice des moments ?

Calculez l’espérance.

} .

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Fonction génératrice des moments - Proposition

Proposition

, pour tout i , alors

Si X 1 ,

X n sont des v.a. indépendantes telles que M X i ( t ) existe

n

M Y n ( t ) =

Y M X i ( t ) ,

i = 1

Y n = P n

i = 1 X i .

Démonstration.

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

1

Fonctions décrivant une variable aléatoire

2

Mesures caractérisant une variable aléatoire

3

Classification des distributions

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Introduction

Pourquoi classifier ?

Ensemble de distributions très vaste . Fonction positive continue ou non + normalisation ) fonction de probabilité. Qu’est-ce qu’on veut dire par normalisation ? L’objectif ?

Critères de classification :

Complexité du modèle (Combien d’éléments doit-on spécifier ?). Forme de la distribution (asymétrie, épaisseur des ailes, etc.). Etc.

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Complexité

Arguments en faveur d’un modèle simple :

Peu d’éléments à spécifier ) ? Modèle plus stable dans le temps et dans des situations similaires.

Qu’est-ce qu’on veut dire ?

Argument en faveur d’un modèle complexe :

Meilleur ajustement aux données.

Principe de parsimonie : le modèle le plus simple qui reflète adéquatement la réalité devrait être utilisé.

« Tous les modèles sont faux, mais certains sont utiles. »- George E.P. Box.

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Classe des distributions paramétriques

Définition

Ensemble de distributions dont chaque membre est spécifié par un ou plusieurs paramètres . Exemples ?

Le nombre de paramètres est fixé et fini. Propriété

Si les valeurs des paramètres sont spécifiés, la distribution est complètement connue .

Qu’est-ce qui caractérise les distributions simples ?

Fonctions décrivant une variable aléatoire Mesures caractérisant une variable aléatoire Classification des distributions

Famille d’échelle

Définition

Une variable aléatoire multipliée par une constante positive ) la nouvelle variable aléatoire a une distribution dans la même famille de distributions. On dit : la famille est fermée sous une transformation d’échelle.

Propositions (à démontrer)

Si X

Si X Exp( ) , alors aX Exp( a ) .

N ( µ, 2 ) , alors aX N ( a µ, a 2 2 ) .

Proposition (à démontrer)

Si X est une variable aléatoire avec une densité f X , alors Y = aX (a > 0) a une densité donnée par f X ( y / a ) ( 1/a ) .