LES LOIS D'AJUSTEMENT

LOI NORMALE OU LOI DE GAUSS-

LAPLACE
Définition
Encore appelée loi de Laplace Gauss, ou loi des
petites erreurs pour rappeler que ces deux
savants l’ont découverte en étudiant les
distributions d’erreurs dans des mesures
astronomiques.
Une variable aléatoire continue partout définie (X
variant de - à +). suit la loi normale d'un
moyenne ou mieux d’espérance et d’écart type si
sa densité des probabilités est :

Cette loi sera notée .

La courbe représentative de la fonction de densité des
probabilités de Gauss (Fig. 1)

Fig. 1. Courbe de densité des probabilités de Gauss

 Loi normale centrée réduite
 Une loi normale est complètement définie par la
structure de sa fonction de densité et les données de
son espérance et de son écart-type.
 Il y a autant de variables X normales que de couples de
nombres μ et σ
 Cas particulier μ = 0 et σ = 1 alors

On peut passer d’une variable normale quelconque X à

une variable réduite N(X: µ, σ) par la transformation
suivante:
Z = (Q - µ)/ σ
Où Z est la variable réduite ou centrée dont la densité
des probabilités; déduite de f(x); est donnée par:
 Les valeurs de F(x) sont fournies par la table de
l’intégrale de Gauss en fonction de la variable réduite Z.
 Supposons qu’un échantillon de hauteurs de pluies
annuelles s’ajuste bien à une loi de Gauss. Pour chaque
valeur de i de notre échantillon, nous pouvons calculer
sa variable réduite de Zi. La table de Gauss nous donne
la probabilité de non-dépassement (PND ou FND) de Zi,
c'est-à-dire la probabilité de ne pas dépasser ou d’égaler
Zi, qui est la même que la probabilité de non-
dépassement de xi. Notez que F(x) est égale à la surface
sous la courbe f(x) qui va de -∞ à x ; elle est donc égale à
la probabilité d’avoir xi inférieur ou égal à x, c'est-à-dire
la probabilité d’égaler ou de ne pas dépasser x. F(x) est
aussi appelée la fréquence au non-dépassement (FND)
de x.
Notez qu’il existe des tables de l’intégrale de Gauss qui
donnent la probabilité au dépassement FD(x) :

Donc FD(x) est égale à la surface sous la courbe f(x) qui

va de x a +∞ ; elle est donc égale à la probabilité d’avoir
xi supérieur ou égal à x, c'est-à-dire la probabilité
d’égaler ou de dépasser x.
  La droite de Henry
La droite de Henry est une présentation graphique
permettant d’évaluer la normalité ou d'apprécier
l'adéquation d'une distribution observée à la loi de
gausse.
Principe: la courbe des fréquences cumulées est une
droite si la distribution statistique suit une Loi
Normale (courbe en forme de cloche ou courbe de
Gauss).
La droite de Henry correspond aux fréquences
théoriques cumulées tirées de la table de la Loi
Normale. Les points indiquent les valeurs des
fréquences réelles cumulées pour les différentes
valeurs de la variable. Si la distribution des valeurs
réelles de la variable était parfaitement “normale”,
tous les points se trouveraient sur la droite de Henry.
L’équation de la variable réduite z=(x-µ/σ) peut s’écrire
x=µ+z*σ.
Cette équation est l’équation de Henry; elle représente la
courbe de Gauss sur le papier à probabilité normale
(figue 3)
Il existe deux types de papier de probabilité normale qui
ne différent que par échelle des abscisses:
L’un à une échelle arithmétique sur laquelle on porte les
valeurs des variables réduites Zi correspondant chacune
à la variable naturelle xi;
L’autre a une échelle gaussienne (ou de probabilité) sur
laquelle on porte les fréquences expérimentales fi= (ni-
0.5)/N.
Ou ni: rang de la variable, N= nombre de valeurs dans la
série) et les fréquences théoriques calculées ou lues sur
la table de Gauss.
Evidement, l’on porte sur l’axe des ordonnées les
valeurs de xi expérimentales ou calculées
(théoriques).

A partir de l’équation de la droite de Henry on peut

facilement calculer les valeurs que prendrait la
variable analysée (hauteur de pluie annuelles, par
exemple) pour une probabilité voulue.
  Ajustement d’une loi normale à un échantillon
 On se propose d’ajuster une loi de Gauss à un
échantillon donnée de pluie annuelle. Les étapes à
suivre sont les suivantes :
 Calcul des caractéristiques empiriques

 Classement des valeurs

 On classe les valeurs de l’échantillon par ordre

croissant ou décroissant en attribuant à chaque des
valeurs son numéro d’ordre ni compté à partir de 1.
 Calcul de la fréquence expérimentale

 On calcule la fréquence expérimentale de chacune des

valeurs. Plusieurs formules sont données dans la
littérature. On recommande F(x)= (ni-0.5)/N
 Deux cas peuvent se poser:
 Si on a classé nos valeurs par ordre croissant, la
formule ci-dessus donne la fréquence au non
dépassement (F=FND)
 Si on a classé nos valeurs par ordre décroissant,
la formule ci-dessus donne la fréquence au
dépassement (F=FD)
 Report des valeurs
 On reporte les valeurs de notre échantillon sur du
papier à probabilité normale. On porte en ordonnées
arithmétique les valeurs des probabilités annuelles.
Pour les abscisses, deux possibilités existent :
 On porte les fréquences expérimentales calculées,
Fi(x)= (n-0.5)/N sur une graduation gaussienne de
0.0001 à 0.9999.
 Ou bien on porte les variables réduites Zi= (xi-x)/S sur
une graduation arithmétique ou l’unité est égale à la
variable réduite de Gauss Z
 L’alignement des points permet d’un premier abord,
visuellement, de conclure si notre échantillon s’ajuste
ou non à une loi de Gauss.
Tracé la droite de Henry
On trace la droite de henry en la faisant passer par
deux points. Chaque point est défini par une
abscisse et une ordonnée. On choisit pour chaque
point, arbitrairement, l’ordonnée ou l’abscisse et l’on
calcule l’autre coordonnée en utilisant l’équation de
la droite de Henry.
Elle permet d’obtenir :
 Soit la valeur de l’ordonnée si on choisit
arbitrairement l’abscisse.
 Soit la valeur de Z si on a choisit arbitrairement
l’ordonnée.
Maintenant, si l’on a utilisé le papier à échelle
arithmétiques, on porte le point sur le graphe et
on procède par une démarche identique pour
porter le second point de la droite de Henry.
Si on utilise le papier a échelle de probabilité, on
utilise la table de Gauss pour trouver la FD ou la
FND correspond à Z.
Observations
Plusieurs cas peuvent se présenter:
 Les points expérimentaux s’alignent bien et la droite
de henry se place au milieu des points. On en conclut
que la loi de Gauss peut s’adepte à notre échantillon.
 Les points expérimentaux s’alignent bien, mais la
droite de Henry est mal placée par rapport à ces
points. Il peut s’agir d’une erreur dans la
détermination des caractéristiques empiriques.
 Les points expérimentaux ne s’alignent pas la loi de
Gauss est à rejeter. Il faudrait essayer d’ajuster une
autre loi de probabilité à notre échantillon.
Exemple
On considère la série des pluies journalières maximales.
Les caractéristiques de l’échantillon sont moyenne
=37.35mm et écart-type=11.14mm
Année P(mm) Année P(mm) Année P(mm) Année P(mm) Année P(mm)

1922 44 1933 35.4 1951 44.9 1971 27 1981 36.9

1923 29.7 1934 40.6 1952 21 1972 43.4 1982 24

1924 30.2 1935 26.6 1953 47.3 1973 42.6 1983 35

1925 40.5 1943 30 1954 39.7 1974 63.8 1984 27.5

1926 63 1944 40.5 1955 39.6 1975 32.4 1985 43.1

1927 35.1 1945 32.5 1956 29.9 1976 37.7 1986 48.4

1928 41.6 1946 31.2 1957 79.1 1977 35 1987 19.7

1929 49.5 1947 40.2 1958 28.7 1978 30.7 1988 37.5

1930 43.8 1948 45.8 1959 31 1979 28.2 1989 33.3

1931 53.5 1949 25.4 1969 30.6 1980 37.4 1991 41.0

1932 22.1 1950 40 1970 21.8

Solution
Le tableau suivant donne les différentes étapes de calcul
(1) (2) (3) (4) (5)
Pluies mesurées Pluies classées Rang n FND Zi théoriques
44 19.7 1 0.009 -1.584
29.7 21 2 0.028 -1.468

37.5 63 51 0.953 2.303

33.3 63.8 52 0.972 2.374
41 79.1 53 0.991 3.748

 La première colonne indique les pluies telles qu’elles ont été

mesurées;
 La colonne deuxième donne les pluies classées par ordre
croissant.
 La troisième colonne donne l’ordre de classement n.
 La quatrième colonne donne la fréquence au non dépassement
étant donnée que les pluies sont classées par ordre croissant en
appliquant la formule Fn= (n-0.5)/N.
 La cinquième colonne donne la variable réduite z
 Maintenant on porte les points expérimentaux:
 Soit sur le papier à échelle arithmétique en abscisses
les Zi et en ordonnées les Pi
 Soit sur du papier à échelle de probabilité en abscisses
les FND et en ordonnées le Pi
 Pour tracer la droite de Henry ou droite théorique :

 Sur le papier millimétré on porte 2 points par lesquels

passe la droite de Henry et pour lesquels on choisit
arbitrairement les abscisses Z1=+1 et Z2=-1 par
exemple. Les ordonnées correspondant sont:
 P2=P+Z1*S==37.35-11.14=26.21mm et

 P2= P+Z2*S=37.35+11.14=48.49mm
 Sur le papier de probabilité, on choisit
arbitrairement les abscisses FND1=0.2 et
FND2=0.9 par exemple. On cherche ensuite sur la
table de Gauss Z1 et Z2 correspondant à FND1 et
FND2 ; on trouve
 Z1= -0.84 et Z2=1.28

 D’où P1=P+Z1*S = 37.35-0.84*11.14=28mm4

 P2= P+Z2*S= 37.35+1.28*11.14=51.61mm

 Modèle générale pour estimation des
quantiles
 Pour déterminer le débit QT ou pluie (PT) correspond à
une période de retour T, on utilise la formulation
générale suivante ou:
 KT est un paramètre de fréquence propre à chaque
fonction de distribution de probabilité.
 Pour déterminer la période de retour T
correspondante à un débit donné QT on utilise
l’équation précédente sous la forme:

 nous allons voir maintenant comment s’exprime le

paramètre de fréquence KT pour certaines lois
statistiques.
Procédure d’utilisation
Le débit correspondant à une période de retour T peut
être calculé en utilisant la procédure suivante :
 On calcule F(Z)=1-1/T

 On obtient Z à partir de F(Z), table 2

 On calcule

Inversement, la période de retour T qui correspond à un

débit donné Q peut être calculée selon les étapes
suivantes :
1. Z=Q-µ/σ
2. La table 2 nous donne F(Z)
3. T=1/ (1-F(Z)).
Application
On doit calculer le débit ayant une période de retour
de 100 ans et trouver la période de retour associée
au débit le plus élevé de l’échantillon fourni par le
tableau 1
rang Débit (m3/s) rang Débit (m3/s)
1 2120 16 1030
2 1950 17 1010
3 1840 18 960
4 1760 19 920
5 1610 20 910
6 1560 21 889
7 1400 22 870
8 1375 23 840
9 1360 24 820
10 1310 25 810
11 1300 26 805
12 1190 27 790
3 140 28 780
14 1090 29 760
15 1050 30....60 750
Les paramètres de l’échantillon sont: µ=870.58 m3/s,
σ=410.62 m3/s
Le tableau 2 indique la valeur Z associée à la probabilité
de non dépassement 0.99 soit Z=2.30
Q100=µ+2.30*σ=1823.22 m3/s
La valeur du paramètre de fréquence Z associée à la plus
grande valeur de l’échantillon 2120 m3/s est selon
Z=Q-µ/σ= 3.043
Le tableau indique que la probabilité de non dépassement
associée à cette valeur de Z est 0.9988
T=741 ans.
  Tests d’adéquation
Supposons qu’une répartition empirique soit
approchée par une courbe théorique F(x). Même
si la courbe est bien choisie, certains écarts entre
celles-ci et les points expérimentaux sont
inévitables.
Une question se pose alors:
Ces écart sont il-dut uniquement au hasard, vu le
nombre limité d’observations ?
Ou bien sont ils structurels et proviennent-ils du
fait que la courbe théorique a été mal choisie !?
Pour y répondre, l’on fait appel aux tests d’adéquation
ou conformité. Dans ce cours, nous décrirons le test
d’adéquation est Khi-deux (χ²).
L’application de ce dernier consiste à vérifier l’hypothèse
H0 selon laquelle une certaine loi de répartition F (x)
s’ajuste à notre échantillon. C’est à dire que H0 est
considérée comme hypothèse vrai est appelée
hypothèse nulle. Toute autre hypothèses est appelé
hypothèse alternative H1.
Le risque consenti et choisi à l’avance et que nous
appelons a de rejeter H0 alors qu’elle est vrai est
appelé seuil de signification. On a
 α: Probabilité de rejeter H0 alors qu’elle est
vraie.
 α: Probabilité de nous tromper dans notre choix.
 Test de χ²
 Pour pouvoir faire des prévisions à l’aide d’un
échantillon de données, on émet l’hypothèse H0
que cet échantillon appartient à une population
dont les caractéristiques sont égales à celles de
l’échantillon.
 La procédure d’utiliser ce test est la suivante:
 On divise l’intervalle de variation en K classes et
bornée par les valeurs i et xi-1. On détermine la
fréquence absolue de chaque classe n01, n02,…., n0k
 On peut obtenir la fréquence théorique : ft1=N*p1=
N*p2= N*p2=…= N*pk ou Pi représente la probabilité
que la variable étudiée prenne une valeur appartenant
à la classe i
Pi= FND i-FND i-1
 Pour évaluer l’ampleur de l’écart entre les fréquences
absolues et théoriques obtenues à partir de la loi
théorique que l’on suppose adéquate, on utilise la
quantité :
Pearson a démontré que la distribution de cette quantité
est approximativement elle du khi deux avec υ degrés de
liberté, avec : υ=k-1-r
R : nombre des paramètres qui caractérisent
complètement la distribution théorique (dans le cas de la
loi normale r = 2).
 Les conditions d’utilisation du test χ² sont:

a). l’échantillon prélevé au hasard à partir de la population

b). la taille de l’échantillon suffisamment importante
Une fois le χe² relatif a notre donnée déterminé, on le
compare au χ² (υ,α) donné par la table pour un degré de
liberté connu υ et une probabilité au dépassement α
Deux cas peuvent se poser :
 Si χe² < χ² (υ,α) l’on accepte l’hypothèses que le
phénomène étudiée suit la distribution théorique
choisie et que les écarts entre les fréquences absolues et
théoriques ne sont pas significatifs.
 Si χe² > χ² (υ,α) l’on rejette l’hypothèses H0 car les écarts
entre les fréquences absolues et théoriques sont
significatifs ce qui veut dire que les données
expérimentales suivent une autre loi autre que celle de
notre hypothèse, et l’on essaye un autre loi
d’ajustement.
Application
 On essaye de savoir une loi normale, s’ajuste à notre pluie à
un seuil de signification de 0,05. Pour cela on fait subir le test
du χ² à l’échantillon. Celui-ci est divisé en 8 classes. Le
tableau ci-dessous donne les détails des calculs :
 La première colonne donne le numéro des classes i,
 La seconde et la troisième colonne indiquent, respectivement,
la limite inferieure xi-1 et la limite xi de chaque classe i.
 La quatrième colonne et cinquième donnent la variable
réduite correspondant à la limite inférieure et supérieure de
chaque intervalle
 Les colonnes 06 et 07 indiquent la probabilité au non
dépassement FNDi et FNDi-1 correspondant respectivement
à la limite supérieure xi et inferieure xi-1.
 La colonne 08 donne les fréquences théoriques de chaque
intervalle i.
 La colonne 10 indique χi² et au bas de la colonne nous avons :
χ²=Σ χi²
Test du Khi-deux appliquée au série pluviométrique

1 2 3 4 5 6 7 8 9 10

I BI BS Z i-1 Zi FND i-1 FND i ni Fti χi²

1 - ∞ 26

2 26 30

3 30 33

4 33 36

5 36 40

6 40 42

7 42 46

8 46 +∞

χ²=

Maintenant, l’on cherche sur le tableau du χ² le χ² (α,υ)

théorique ou υ= nombre de degré de liberté =k-1-r =8-1-2=5
et α seuil de signification ou degré de risque, c‘est a dire la
probabilité que le χ² dépasse une valeur donnée (surface
sous la courbe qui se trouve a la valeur du χ²). Notez que la
table du χ² donne la F.N.D =1-α=0.95= seuil de confiance.
 Pour υ=5 et 1-α=0.95 la table donne χ²=11.1
 Comme le χ² calculé< χ² théorique on conclut que
le χ² calculé est situé dans la zone favorable et
qu’il y’à une 95% de chances que la loi normale
choisie s’ajuste a notre à notre échantillon.
LA LOI LOG-NORMALE
Définition

 La fonction de répartition de la loi log-normale s’écrit:
Ou z=a*log(x-x0) +b

 L’intervalle de définition de x est] x0 ; + ?] ; S’il existe une

transformation telle que:
 z= a*log (x-x0) +b ; Ou z suit une loi normale, alors la
distribution de x est dite log-normale.
 A, b, x0 sont des paramètres; x0 est le paramètre de position.
 Dans ce cours on se limitera au cas où a =1 ; x0=0 ; et b=0; ce qui
revient à ajuster une loi normale aux logarithmes de la variable
étudiée.
  Ajustement de la loi log-normale
 On ajuste maintenant la loi log-normale à l’échantillon
des pluies étudiée à la loi précédente. Le tableau ci-
dessous indique les étapes de calcul
 Dans le tableau, on classe les valeurs des pluies par
ordre croissant, ensuite on calcule leur fréquence
expérimentale (FND= (i-0.5)/N); ainsi que les
algorithmes népériens correspondants.
 Les caractéristiques de l’échantillon des logarithmes
népériens sont :
Moyenne= =3.58

Ecart type= =0.28

Le report des points expérimentaux réalisé sur le papier

de probabilité logarithmique.
 (1) (2) (3) (4)

Pluies classée ni FND Log Pi

19.7 1 0.01 2.98

21 2 0.03 3.04

…… …… ……. ……

79.1 53 0.99 4.37

 On trace la droite de Henry: LnPi=LnP+Zi*SLnP en
reportant 03 points :
 FND= 0.5 ; Z=0 ; Ln P (0.5)=3.58 d’où P
(0.5)=e3.58=35.87mm.
 FND= 0.90 ; Z=1.28 ; Ln (P0.1)=3.58+1.28*0.28=3.94
d’où P=e 3.94=51.42mm.
 FND= 0.98 ; Z=2.05 ; Ln P (0.02)=3.58+2.05*0.28= 4.15
d’où P= e 4.15= 63.69mm
 On constate d’après la figure précédente on constate
que la droite théorique de Henry s’adapte bien aux
points expérimentaux.
  Détermination des quantiles selon la loi log-
normale
 La procédure d’utilisation de la loi log-normale est
identique à celle de la loi normale, mis a part qu’on doit
procéder avant toute chose à une transformation
logarithmique des données.
On calcule alors la moyenne µy et l’écart type σy des
données transformées. Une fois qu’on a exécuté les trois
étapes pour trouver le logarithme du débit log(QT) de
période de retour T comme pour la loi normale, on doit
utiliser une information inverse du type QT=10 log(QT)pour
trouver le débit.
Inversement, la période de retour correspondant à un débit
donné Q peut être calculée aussi selon la même
procédure que celle utilisée pour la loi normale, en
calculant le paramètre Z à l’aide des données
transformées : Z= [logQ- µy]/ σ y
Application
On doit calculer le débit ayant une période de retour de
100 ans et trouver la période de retour associée au
débit le plus élevé de l’échantillon fourni par le tableau
suivant:
Y = LogX

Moyenne log 3,015

Ecart type log 0,212

Comme pour la loi normale, le tableau 2 indique la

valeur du paramètre associée à la probabilité de non
dépassement 0.99, soit Z=2.30
 On obtient log(Q100)=3.015+2.30*0.212= 3.50 et
Q100=3190 m3/s
 On voit que cette valeur de débit Q100 dépasse le débit
2120 m3/s
Le calcul de la période de retour associée à la valeur
du débit Q se fait on calculant :
Z= (3.50-3.015)/0.212=2.3
L’interpolation linéaire dans le tableau de Gauss on
aura: F=0.9897 et T=97 ans
  Application du test Khi-Deux
Le tableau suivant indique les détails des calculs
La première colonne donne les numéros des classes.
La seconde et la troisième colonne indiquent
respectivement la borne inférieure et la borne
supérieure de chaque classe;
La quatrième et la cinquième colonne montrent
respectivement les logarithmes des bornes supérieures
et inferieures;
La sixième et la septième colonne montrent
respectivement les variables réduites correspondantes
aux logarithmes des bornes supérieures et inferieures;
La huitième et la neuvième colonne indiquent FND
correspondantes aux logarithmes des bornes inférieures
et supérieures tirées à partir de la loi de la table loi
normale.
La dixième colonne indique les fréquences absolues dans
chaque intervalle.
La onzième colonne donne les fréquences théoriques dans
chaque intervalle :
Fti=N*(FNDi-FNDi-1)
La douzième colonne indique les
 Test de Khi-Deux des pluies par ajustement log-normale

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12)

FND i-
i Xi-1 Xi Lnxi-1 lnxi Zi-1 Zi FND i N0i fti χi²
1

1 - ∞ 26

2 26 30

3 30 33

4 33 36

5 36 40

6 40 42

7 42 46

8 46 +∞
 On cherche sur le tableau du χ² le χ² (α,υ) théorique ou
υ= nombre de degré de liberté =k-1-r =8-1-2=5 et α
seuil de signification ou degré de risque, c‘est a dire la
probabilité que le χ² dépasse une valeur donnée
(surface sous la courbe qui se trouve a la valeur du χ²).
Notez que la table du χ² donne la F.N.D =1-α=0.95=
seuil de confiance.
 Pour υ=5 et 1-α=0.95 la table donne χ²=11.1

Comme le χ² calculé< χ² théorique on conclut que le χ²

calculé est situé dans la zone favorable et qu’il y’à une
95% de chances que la loi log- normale choisie s’ajuste
a notre à notre échantillon.
LA LOI DE GUMBEL
 Pour l’étude des pluies extrêmes (ou n’importe
quel valeurs rares on constitue un échantillon de
N valeurs, chacune d’elle représentent la
précipitation journalière la plus forte d’une N
années. On parvient généralement à ajuster à cet
échantillon la loi de Gumbel ou loi Galton (log-
normale).
 La fonction de répartition de la loi de Gumbel
est : (1)

 Ou F(x) : fréquence au non-dépassement =FND

 Α et x0: coefficients d’ajustement.

Par un changement de variable y=α (x-x0) donc la loi de
Gumbel s’écrit : (2)

 Ou Y est la variable réduite de Gumbel, liée à la

probabilité attachée à la valeur de x, et F(y) : fréquence
au non dépassement de la variable réduite de Y.
 L’équation y= α (x-x0) présentée sous la forme :

X=1/α*Y+x0 (3)
 Est l’équation d’une droite qui représente la loi de
Gumbel sur du papier diagramme à l’échelle de
probabilité Gumbel
 Le papier de probabilité de Gumbel porte en graduation
d’abscisse deux (02) échelles :
 Une échelle de fréquences au non dépassement FND
 Une échelle arithmétique de la variable réduite Y. a
chaque valeur de y de la seconde échelle correspond, sur
la première échelle, la valeur de la fréquence au non-
dépassement calculée par l’expression
 L’ordonnée sur le papier de Gumbel, représente, sur une
échelle arithmétique, la variable étudiée x. la
représentation graphique de l’échantillon des valeurs
extrêmes sur papier du Gumbel est obtenue en portant
en ordonnées les valeurs de x et en abscisses les
fréquences expérimentales au non-dépassement : F(x) =
(i-0.5)/N
 Les valeurs 1/α et x0 sont approximativement :

1/α=0.780*σ et x0 = µ- (0.577/α)
 Une fois les paramètres sont déterminées, on
trace la droite en calculant trois valeurs de x à
partir de la valeur de y en utilisant l’équation
(03) ci-dessus.
 L’estimation de la valeur que prendrait la
variable étudiée pour une probabilité donnée
peut se faire soit par la lecture, soit en calculant
a l’aide :
 X= ( 1/α)*y+ x0 avec y= - (Ln(-ln(F(x)))
Ajustement de la loi de Gumbel
On applique maintenant la lo de Gumbel a l’exemple
précédant. Comme dans la loi de Gumbel on utilise la
fréquence au non dépassement (FND), on classe nos
valeurs des pluies par ordre croissant
On reporte les couples (Pi ; FND) sur le papier de
probabilité Gumbel. On a déjà calculé µ=37.35mm ;
σ=11.14mm d’où :
1/α=0.780*σ=8,69 et x0=µ-(0.577/α)=32.34mm
On trace maintenant la pluie ajustée (simulée) P=1/α*y+
x0=8.69*y+32.34
y= - (Ln (-ln (F(x)))
  Estimation des quantiles selon la loi de
Gumbel
La procédure d'utilsation de la loi de Gumbel
Pour calculer la période de retour associée à un débit
donné, on suit la procédure :
 Calculer la moyenne et l’écart type

 Calculer α et u a l’aide formules précédente

 Calculer F

 Calculer la période de retour T

Pour calculer le débit correspond a une période de

retour donné, on suit :
 Calculer la moyenne et l’écart type

 Calculer le coefficient K

 Calculer QT
  Application du test de Khi-Deux
 On va vérifier l’ajustement de la loi de Gumbel aux pluies
grâce au test du χ²
 Le tableau ci-dessous indique les détails des calculs :
 La première colonne donne les numéros des classes.
 La seconde et la troisième colonne indiquent respectivement
la borne inférieure et supérieure de chaque classe.
 La quatrième et la cinquième colonne montrent
respectivement les variables réduites correspondantes aux
bornes supérieures et inferieures.
 La sixième et la septième colonne donne les FND
correspondantes aux variables réduites
 La huitième colonne donne la fréquence absolue dans
chaque intervalle
 La neuvième colonne donne la fréquence théorique dans
chaque intervalle fti=N*(FNDi-FNDi-1)
 La dixième colonne indique les
 Test du Khi-Deux ajustement la loi Gumbel

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)

i Xi-1 Xi Yi-1 Yi FND i-1 FND i n0i fti χi²

1 - ∞ 26

2 26 30

3 30 33

4 33 36

5 36 40

6 40 42

7 42 46

8 46 +∞
 Maintenant, l’on cherche sur le tableau du χ² le χ² (α,υ)
théorique ou υ= nombre de degré de liberté =k-1-r =8-1-
2=5 et α seuil de signification ou degré de risque, c‘est a
dire la probabilité que le χ² dépasse une valeur donnée
(surface sous la courbe qui se trouve a la valeur du χ²).
Notez que la table du χ² donne la F.N.D =1-α=0.95=
seuil de confiance.
 Pour υ=5 et 1-α=0.95 la table donne χ²=11.1

 Comme le χ² calculé< χ² théorique on conclut que le χ²

calculé est situé dans la zone favorable et qu’il y’à une
95% de chances que la loi Gumbel choisie s’ajuste a
notre à notre échantillon