Université de Batna

Département hydraulique

Branche :
hydraulique urbain

2016/2017 Les lois des

statistique

Users :
BENLAHCENE TAQYEDDINE
HAMOUTA ZAKARIA
AKAKBA KAMEL
 Tableau de precipitation dans bba :

Anne bba PMNnovember Anne PJmaxBantna

1975 265.8 27.7 1981/1982 14.3
1976 255.5 26.5 1982/1983 59.6
1977 245.3 25.3 1983/1984 48.3
1978 235.1 24.2 1984/1985 36.8
1979 224.9 23 1985/1986 20.1
1980 327.3 41.5 1986/1987 13.1
1981 387 3.8 1987/1988 35.2
1982 345.3 76.4 1988/1989 60
1983 242.3 15.7 1989/1990 39.7
1984 338.7 22.5 1990/1991 20.7
1985 437.7 28.6 1991/1992 22.1
1986 340.1 24.1 1992/1993 40.8
1987 274.4 54.3 1993/1994 24
1988 372.3 45 1994/1995 34.3
1989 410.9 25.4 1995/1996 34.3
1990 337.3 49.2 1996/1997 27.3
1991 497.5 18.6 1997/1998 51.9
1992 286.7 27.6 1998/1999 17.2
 La loi de Gauss

La mise en œuvre de la loi de Gauss correspond intégralement au dispositif commun de lancement et de

présentation des résultats. Cette loi est définie sur ,et peut convenir à n'importe quel échantillon.

Il nous parait seulement bon de préciser quelques points techniques. La fonction de répartition
𝒖 −𝒖𝟐
𝟏 ̅
𝒙−𝒙
𝑭(𝒙) = ∫ 𝒆 𝟐 du avec 𝒖 = dépends de deux paramètres qui sont la moyenne Ẋ et l'écart-
√𝟐 − 
type .

Ajustement à une loi racine normale : |

On utilise la l’échantillons de pluviale annuelle observes a bba :

% U Anderson = 0.183
Moyenne= 337.6433333 Taille n= 30 I.C. à (en%)= 95
Ecart-type= 93.30854891 sNb au départ (38) U Gauss= 1.960

Sorted Sorted Ordre of Experimental Reduced Experimental Theoretical Lower Upper

observationnns values classification frequency value value value Border border
Obs.7 3.8 1 0.0167 -2.128 3.8 2.41664129 0.011534454 6.2396717
Obs.20 3.8 2 0.0500 -1.645 3.8 5.71531522 1.395288423 10.308794
Obs.22 9.1 3 0.0833 -1.383 9.1 8.08717415 3.079232962 12.999033
Obs.26 13.2 4 0.1167 -1.192 13.2 10.078156 4.701877062 15.199856
Obs.9 15.7 5 0.1500 -1.036 15.7 11.8575987 6.253021872 17.147971
Obs.25 16.6 6 0.1833 -0.903 16.6 13.5044434 7.745814816 18.947227
Obs.29 16.6 7 0.2167 -0.784 16.6 15.0634275 9.193728334 20.654571
Obs.27 16.7 8 0.2500 -0.674 16.7 16.5632376 10.60808896 22.305894
Obs.21 17.6 9 0.2833 -0.573 17.6 18.0240187 11.99828149 23.926254
Obs.17 18.6 10 0.3167 -0.477 18.6 19.4610077 13.37226979 25.534668
Obs.lO 22.5 11 0.3500 -0.385 22.5 20.8865083 14.73706294 27.14666
Obs.5 23 12 0.3833 -0.297 23 22.311073 16.09909124 28.775767
Obs.12 24.1 13 0.4167 -0.210 24.1 23.7442793 17.46451487 30.434513
Obs.4 24.2 14 0.4500 -0.126 24.2 25.1952959 18.83949369 32.13514
Obs.24 25 15 0.4833 -0.042 25 26.6733438 20.2304442 33.8902
Obs.3 25.3 16 0.5167 0.042 25.3 28.1881265 21.64430828 35.713135
Obs.15 25.4 17 0.5500 0.126 25.4 29.7502811 23.08886055 37.618901
Obs.2 26.5 18 0.5833 0.210 26.5 31.3719091 24.57308815 39.624718
Obs.18 27.6 19 0.6167 0.297 27.6 33.0672562 26.10769091 41.751062
Obs.l 27.7 20 0.6500 0.385 27.7 34.8536437 27.70577661 44.023028
Obs.ll 28.6 21 0.6833 0.477 28.6 36.7528175 29.38387467 46.472334
Obs.19 37.2 22 0.7167 0.573 37.2 38.7930045 31.16348458 49.140378
Obs.6 41.5 23 0.7500 0.674 41.5 41.0122105 33.07356174 52.083173
Obs.14 45 24 0.7833 0.784 45 43.4638286 35.15474182 55.379751
Obs.16 49.2 25 0.8167 0.903 49.2 46.2268657 37.46703528 59.147528
Obs.30 49.6 26 0.8500 1.036 49.6 49.4263414 40.10514855 63.57302
Obs.13 54.3 27 0.8833 1.192 54.3 53.2792295 43.23291578 68.981201
Obs.23 63.9 28 0.9167 1.383 63.9 58.2180856 47.17569155 76.022689
Obs.8 76.4 29 0.9500 1.645 76.4 65.3381363 52.75323594 86.353347
 Reduced Theoretical Lower Upper
value value border border Valeur Fréquence Période de retour
Frequency
0.9 1.282 55.57018 45.07035612 72.23335931
0.1 -1.282 9.1163689 3.900041763 14.14081497 337.6433333 0.500 2.0

Ajustement à une loi de Gauss

700 (Moyenne=1.50, Ecart-type=0.71, Taille n=2, I.C. à (en%)=80)

600

500
Valeurs naturelles

400

300

200

100

0
-2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5
Fréquences selon une échelle gaussienne

Après l’utilisation de la loi de gauss avec une erreur acceptable 5 % et une temps de rature on remarque
que les valeurs expérimentales de pluie annuelle de bba se situe dans l’intervalle de cofinance 95 %, et
quelle que valeur son Proportionnelle a la droit (valeur théorique de gauss) alors on remarque que set
enchantaient l’échantillons ou set série est acceptable .
 Loi racine normale

La mise en œuvre de la loi de Racine-normale correspond intégralement au dispositif commun de

lancement et de présentation des résultats. Comme pour la loi de Galton on se ramène à une loi de Gauss
par un changement de variable
−𝑼𝟐
𝟏 𝒖 √𝒙−𝒂
La fonction de répartition est 𝒇(𝒙) = ∫ 𝒆 𝟐 du avec 𝒖 = ici nous
√𝟐𝝅 −∞ 𝒃
considérerons que :

c'est la variable √𝒙 qui suit une loi de Gauss à deux paramètres :

a : la moyenne des√𝒙 .
𝒏
∑𝒊=𝟏 √𝒙𝒊 ∑𝒏 𝑿𝟏 − 𝒏𝒏𝟐
𝒂= 𝒃 = √ 𝒊=𝟏
𝒏 𝒏−𝟏
b : l'écart-type des √𝒙.

Cette loi est définie sur [o.+ ∞] et 11e peut donc convenir qu'à une population de valeurs positives. Pour
le calcul des quantités et de leurs intervalles de confiance, les calculs sont faits sur la variable
transformée √𝒙 supposée gaussienne, puis ramenés en variable naturelle par𝑥 = √𝑥 2 .

Ajustement à une loi racine normale :

On utilise la l’échantillons de pluviale mensuelle Observes a bba :

% U Anderson = 0.277

Average=5.24 (x1/2) Nb. of data n=30 C.I. at (in%)=95

St. dev. =1.73 (x1/2) Nb. at begin(29) U Gauss=1.960

Sorted Sorted Order of Experimental Reduced Experimental Theoretical Lower Upper

observations values classification frequency value value value border border

Obs.7 3.8 1 0.0167 -2.128 3.8 2.4166413 0.011534454 6.239672

Obs.20 3.8 2 0.0500 -1.645 3.8 5.7153152 1.395288423 10.30879
Obs.22 9.1 3 0.0833 -1.383 9.1 8.0871741 3.079232962 12.99903
Obs.26 13.2 4 0.1167 -1.192 13.2 10.078156 4.701877062 15.19986
Obs.9 15.7 5 0.1500 -1.036 15.7 11.857599 6.253021872 17.14797
Obs.25 16.6 6 0.1833 -0.903 16.6 13.504443 7.745814816 18.94723
 Obs.29 16.6 7 0.2167 -0.784 16.6 15.063427 9.193728334 20.65457
Obs.27 16.7 8 0.2500 -0.674 16.7 16.563238 10.60808896 22.30589
Obs.21 17.6 9 0.2833 -0.573 17.6 18.024019 11.99828149 23.92625
Obs.17 18.6 10 0.3167 -0.477 18.6 19.461008 13.37226979 25.53467
Obs.10 22.5 11 0.3500 -0.385 22.5 20.886508 14.73706294 27.14666
Obs.5 23 12 0.3833 -0.297 23 22.311073 16.09909124 28.77577
Obs.12 24.1 13 0.4167 -0.210 24.1 23.744279 17.46451487 30.43451
Obs.4 24.2 14 0.4500 -0.126 24.2 25.195296 18.83949369 32.13514
Obs.24 25 15 0.4833 -0.042 25 26.673344 20.2304442 33.8902
Obs.3 25.3 16 0.5167 0.042 25.3 28.188127 21.64430828 35.71314
Obs.15 25.4 17 0.5500 0.126 25.4 29.750281 23.08886055 37.6189
Obs.2 26.5 18 0.5833 0.210 26.5 31.371909 24.57308815 39.62472
Obs.18 27.6 19 0.6167 0.297 27.6 33.067256 26.10769091 41.75106
Obs.1 27.7 20 0.6500 0.385 27.7 34.853644 27.70577661 44.02303
Obs.11 28.6 21 0.6833 0.477 28.6 36.752818 29.38387467 46.47233
Obs.19 37.2 22 0.7167 0.573 37.2 38.793005 31.16348458 49.14038
Obs.6 41.5 23 0.7500 0.674 41.5 41.012211 33.07356174 52.08317
Obs.14 45 24 0.7833 0.784 45 43.463829 35.15474182 55.37975
Obs.16 49.2 25 0.8167 0.903 49.2 46.226866 37.46703528 59.14753
Obs.30 49.6 26 0.8500 1.036 49.6 49.426341 40.10514855 63.57302
Obs.13 54.3 27 0.8833 1.192 54.3 53.27923 43.23291578 68.9812
Obs.23 63.9 28 0.9167 1.383 63.9 58.218086 47.17569155 76.02269
Obs.8 76.4 29 0.9500 1.645 76.4 65.338136 52.75323594 86.35335
Obs.28 80.9 30 0.9833 2.128 80.9 79.554241 63.61561771 107.4638

Reduced Theoretical Lower Upper

Value Frequency Return
value value border border
time
Frequency
0.9 1.282 55.57018 45.07035612 72.23335931 27.425506 0.500 2.0
0.1 -1.282 9.1163689 3.900041763 14.14081497
 12 Adjustment to a square root gaussian distribution

(Average=5.24, St. dev. =1.73, Nb. of data n=30, C.I. at (in%)=95)

10

8
Square root of value

0
-2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5
Frequency with Gaussian scale

Après l’utilisation de la loi de racine de gauss avec une erreur acceptable 5 % et une temps de rature on
a remarqué que les valeurs expérimentales de pluie mensuelle a bba se situe dans l’intervalle de
cofinance 95 %, et quelle que valeur son Proportionnelle a la droit (valeur théorique de gauss) alors on
remarque que set enchantaient l’échantillons ou set série est acceptable

Loi de Gumbel

La mise en œuvre de la loi de Gumbel correspond intégralement au dispositif commun de lancement et de

𝑢 𝑥−𝑥
présentation des résultats. La fonction de répartition est 𝑓(𝑥) = ⅇ ⅇ 𝒂𝒗𝒆𝒄 𝑢 = 𝑔 0 (variable réduite de
Gumbel).

Le tenue u est la variable réduite de Gumbel 𝒙𝟎 est le paramètre de position (mode) et g est le paramètre
d'échelle différent de zéro et positif (g est aussi appelé "gradex").

Cette loi est définie sur ,et peut convenir à n’importe quel échantillon.

On peut noter dès à présent le comportement asymptotiquement exponentiel de la distribution de Gumbel:

si F tend vers 1. en posant T = Erreur !. la variable réduite de Gumbel u tend vers Ln T.

Les paramètres sont estimés par la méthode des moments :

g = 0.78 α et 𝑥0 = x, -0.577 s

L'intervalle de confiance à α % sur un quantile 𝑋𝑓 s'exprime en fonction de l'écart-type σ par :

̂ 𝑭 − 𝒉 𝟏 𝝈 ≤ 𝑿𝑭 < 𝒙
𝒙 ̂ 𝑭 + 𝒉𝟐 𝝈
où ℎ1 et ℎ2 sont des paramètres dépendant de la taille n de l'échantillon de la fréquence F et de la valeur
de 𝜎 .

Ajustement à une loi de gumbel :

On utilise la l’échantillons de pluviale journalière maximale observes a Batna :

% U Anderson = 0.252
Mode=29.31007167 Taille n=30 I.C. à (en%)=95
Gradex=11.05706816 Nb au départ(30) U Gauss=1.960

Sorted Sorted Ordre of Experimental Reduced Experimental Theoretical Lower Upper

observationnns values classification frequency value value value Border border

Obs.6 13.1 1 0.0167 -1.410 13.1 13.72395 3.194223652 19.44986

Obs.1 14.3 2 0.0500 -1.097 14.3 17.17838 8.349300468 22.33764
Obs.18 17.2 3 0.0833 -0.910 17.2 19.24554 11.35902282 24.14083
Obs.5 20.1 4 0.1167 -0.765 20.1 20.8543 13.64854923 25.59692
Obs.21 20.3 5 0.1500 -0.640 20.3 22.22982 15.56094637 26.88713
Obs.10 20.7 6 0.1833 -0.529 20.7 23.466 17.23773376 28.0885
Obs.26 21.1 7 0.2167 -0.425 21.1 24.61223 18.75218568 29.24278
Obs.11 22.1 8 0.2500 -0.327 22.1 25.69845 20.14769416 30.37631
Obs.13 24 9 0.2833 -0.232 24 26.74473 21.45249733 31.50752
Obs.19 26.8 10 0.3167 -0.140 26.8 27.76562 22.6864233 32.65051
Obs.16 27.3 11 0.3500 -0.049 27.3 28.77247 23.86437984 33.81677
Obs.29 32.6 12 0.3833 0.042 32.6 29.77469 24.99833088 35.01627
Obs.14 34.3 13 0.4167 0.133 34.3 30.78062 26.09849682 36.25817
Obs.15 34.3 14 0.4500 0.225 34.3 31.79803 27.17412841 37.55135
Obs.7 35.2 15 0.4833 0.319 35.2 32.83464 28.23403949 38.90496
Obs.27 36.2 16 0.5167 0.415 36.2 33.89847 29.28701028 40.32887
Obs.4 36.8 17 0.5500 0.514 36.8 34.99824 30.34213874 41.8343
Obs.28 39.3 18 0.5833 0.618 39.3 36.14385 31.40920355 43.43454
Obs.9 39.7 19 0.6167 0.727 39.7 37.34696 32.49910189 45.14582
Obs.20 39.8 20 0.6500 0.842 39.8 38.62179 33.62443942 46.98863
Obs.12 40.8 21 0.6833 0.966 40.8 39.98626 34.80038567 48.98954
Obs.24 42.8 22 0.7167 1.099 42.8 41.46377 36.04598451 51.18399
Obs.23 45.2 23 0.7500 1.246 45.2 43.08607 37.38626881 53.62085
Obs.3 48.3 24 0.7833 1.410 48.3 44.89811 38.85587638 56.37017
Obs.25 49.9 25 0.8167 1.597 49.9 46.96705 40.50568501 59.53744
Obs.17 51.9 26 0.8500 1.817 51.9 49.40033 42.41614338 63.29232
Obs.22 52.4 27 0.8833 2.087 52.4 52.38672 44.7275635 67.93402
Obs.2 59.6 28 0.9167 2.442 59.6 56.3083 47.72253718 74.06956
Obs.8 60 29 0.9500 2.970 60 62.15172 52.12836912 83.26882
Obs.30 64.6 30 0.9833 4.086 64.6 74.48873 61.30505627 102.8161
 Fréquence Variable Valeur Borne Borne Valeur Fréquence Période de
réduite théorique inférieure supérieure retour

0.9 2.250 54.192537 46.1115008 70.75452486 35.69 0.570 2.3

Ajustement à une loi de Gumbel

120 (Mode=29.31, Gradex=11.06 ,Taille n=30 , I.C. à (en%)=95)

100

80
Valeurs naturelles

60

40

20

0
-2 -1 0 1 2 3 4 5
Fréquences selon une échelle gumbelienne

Après l’utilisation de la loi de racine de gauss avec une erreur acceptable 5 % et une temps de rature on
a remarqué que les valeurs expérimentales de pluie journalière maximale a Batna se situe dans
l’intervalle de cofinance 95 %, et quelle que valeur son Proportionnelle a la droit (valeur théorique de
gauss) alors on remarque que set enchantaient l’échantillons ou set série est acceptable
 Conclusion

La loi de Gauss ( loi normal ) et loi racine normal est particulièrement simple puisque l’un d’eux est la moyenne
l’autre l’écart-type. Nous avons vu que la moyenne s’exprime correctement à partir des données de l’échantillons.et
aussi offre une répartition symétrique de part et d’autre de la moyenne, qui est en même temps la médiane et le
mode. Son emploi est très répandu en hydrologie et en climatologie pour représenter la répartition statistique de
valeurs moyennes (par exemple : pluies annuelles ou débits moyens annuel pour loi normale ou loi de gauss. et
pluies mensuelle pour la racine normale ). Cette propriété de la loi de Gauss n’est pas fortuite ; elle découle du
théorème central limite dont l’application est si importante pour l’hydrologue.

Mais par conter la loi de gumbel elle a été créée pour l'étude de la distribution des fréquences de valeurs extrêmes
(maximums ou minimums annuels ou journalière par exemple ). On considère que sur les n’observations d 'une
donnée hydrologique que comporte une année, N peuvent être considérées Comme indépendantes. Si l'on désigne
par h(x) le nombre moyen annuel de valeurs journalières supérieures à x,la probabilité pour que toutes les valeurs
journalières soient inférieures à x. C’est-à-dire pour que le maximum annuel soit inférieur à x. est égal, d'après le
théorème des probabilités composées.