R EPU LIQ E ALGERI NNE DEM CRATIQUE ET POPU AIR E
MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE
SCIENTIFIQUE
Université de Mohamed El-Bachir El-Ibrahimi - Bordj Bou Arreridj
Faculté des Scfiences et de la technologie
Département d’Electronique
Compte rendu de tp_1 saps
Filière : ELECTRONIQUE
Spécialité : TELECOMMUNICATION
Réalisé par :
Zitouni saber
Sidali ismail
Simulation des lois de probabilité
Année Universitaire 2019/2020
Tp__1 : Simulation des loi de probabilité
Objectifs du TP :
o Générer des variables aléatoires.
o Représenter la densité de probabilité (PDF) et la fonction de répartition (CDF) de
−𝑥, 𝑥 < 0
|𝑥| = {
𝑥, 𝑥 ≥ 0
o différentes lois de probabilité.
[Link] théorique :
La loi normale :
La densité de probabilité de la loi normale d’espérance ‘µ’, et d’écart type ‘𝜎’ est donnée par :
1 1 𝑥−µ 2
𝑓 (𝑥 ) = 𝑒 −2 ( )
𝜎√2п 𝜎
La fonction de réapparition est définie par :
𝑥
1 1 2
𝛷 (𝑥 ) = ∫ 𝑒 −2𝑡 𝑑𝑡, 𝑝𝑜𝑢𝑟 𝑡𝑜𝑢𝑡 𝑥 € 𝑅
√2п −∞
La loi uniforme :
La densité de probabilité de la loi uniforme continue est une fonction porte sur l’intervalle
1
, 𝑝𝑜𝑢𝑟 𝑎 ≤ 𝑥 ≤ 𝑏
[a , b]: f (x)= { 𝑏−𝑎
0 𝑠𝑖𝑛𝑜𝑛
La fonction de répartition est donnée par :
0 , 𝑝𝑜𝑢𝑟 𝑎 ≤ 𝑥 ≤ 𝑏
𝑋−𝑎
𝑠𝑖𝑛𝑜𝑛
F (x)= 𝑏−𝑎
1 𝑝𝑜𝑢𝑟 𝑥 ≥ 𝑏
{
La loi de Rayleigh:
𝑥 −𝑥 2
La function de probabilite est donnee par : f (x ,𝜎 2 )=𝜎2 exp (2𝜎2 ) ; Pour x €[0,∞[ .
−𝑥 2
La fonction de probabilité est donnée par : 1-exp ( )
2𝜎2
La loi exponentielle :
La densité de probabilité de la distribution exponentielle de paramètre λ >0 prend la forme :
(−𝜆𝑥)
f (x) = { 𝜆𝑒 𝑠𝑖 𝑥 ≥ 0
0 𝑠𝑖 𝑥 < 0
La fonction de répartition est donnée par :
(−𝜆𝑥)
F(x) = {1 − 𝑒 𝑠𝑖 𝑥 ≥ 0
0 𝑠𝑖 𝑥 < 0
La loi de Chi-2:
2
I
Tp__1 : Simulation des loi de probabilité
La densité de probabilité de X notée fx est donnee par :
1
Pour tout x positif fx(x ; k)= 𝑘
𝑘
22 Г(2 )
𝑘 𝑥
𝛾(2 , 2)
La loi de répartition est définie par : F(x ; k)= 𝑘
Г( )
2
La fonction de répartition est définie par :
Ou γ(s, t) est la fonction gamma incompléte
[Link] théorique :
Génération des variables aléatoires :
La simulation informatique de variables aléatoires, aussi complexes soient elle, repose sur la
simulation de variables aléatoires indépendantes très simples, auxquelles sont appliquées des
transformations adéquates. La variable aléatoire de base est celle de loi uniforme sur [0, 1].
3
Tp__1 : Simulation des loi de probabilité
Les loi de probabilités :
Dans cette partie de tp présenté les fondements de la simulation de variable aléatiores et la tracage
de la densité de probabilité et la densité de répartition de la loi normale et la loi uniforme
1-La loi normale :
En théorie des probabilités et en statistique, la lois normale est parmi les lois de probabilité les plus
utilisées pour modéliser des phénomènes naturels issus de plusieurs événements aléatoires. Elles
sont en lien avec de nombreux objets mathématiques dont le mouvement brownien, le bruit blanc
gaussien ou d'autres lois de probabilité. Elles sont également appelées lois gaussiennes, lois de
Gauss ou lois de Laplace-Gauss des noms de Laplace (1749-1827) et Gauss (1777-1855), deux
mathématiciens, astronomes et physiciens qui l'ont étudiée.
Cette courbe est aussi appelée loi de Gauss, en l'honneur du grand mathématicien
allemand Karl Friederich Gauss (1777-1855).
La loi normale est la loi statistique la plus répandue et la plus utile.
Elle représente beaucoup de phénomènes aléatoires.
De plus, de nombreuses autres lois statistiques peuvent être approchées par la loi normale,
tout spécialement dans le cas des grands échantillons
2-La loi uniforme :
La loi uniforme continue est une généralisation de la fonction rectangle à cause de la forme de
sa fonction densité de probabilité. Elle est paramétrée par les plus petites et plus grandes valeurs a
et b que la variable aléatoire uniforme peut prendre. Cette loi continue est souvent notée U(a, b).
les lois uniformes continues forment une famille de lois de probabilité à densité caractérisées
par la propriété suivante : tous les intervalles de même longueur inclus dans le support de la loi ont
4
Tp__1 : Simulation des loi de probabilité
la même probabilité. Cela se traduit par le fait que la densité de probabilités de ces lois est
constante sur leur support.
La loi uniforme est la loi exacte de phénomènes continus uniformément répartis sur un
intervalle
La loi uniforme continue étant une loi de probabilité, l’aire hachurée en rouge sur la
1
figure ci-dessus . Ceci implique que la valeur prise par f(x) vaut .
𝑏−𝑎
La probabilité que X Î [a’,b’] avec a’ < b’ et a’, b’ Î [a,b] vaut :
La fonction de répartition associée à la loi uniforme continue est telle que :
FX (x) = 0 si x < a
FX (x) = 1 si x > b
FX (x) = si a £ x £ b
3. La loi de Rayleigh :
la loi de Rayleigh, ou distribution de Rayleigh, est une loi de probabilité à densité. Elle
apparaît comme la norme d'un vecteur gaussien bi-dimensionnel dont les coordonnées sont
indépendantes, centrées et de même variance. Cette loi de probabilité est baptisée d'après Lord
Rayleigh.
5
Tp__1 : Simulation des loi de probabilité
Les fonctions sont deux identifiants de domaine [0, +∞ [
La densité de probabilité à un filtre passe-haut dans la première partie est dans la deuxième
partie à un filtre passe-bas, la fonction de répartition à un filtre passe-haut
4- La loi de poisson
la loi de Poisson est une loi de probabilité discrète qui décrit le comportement du nombre
d'événements se produisant dans un intervalle de temps fixé, si ces événements se produisent avec
une fréquence moyenne ou espérance connue, et indépendamment du temps écoulé depuis
l'événement précédent.
La loi de Poisson est également pertinente pour décrire le nombre d'événements dans d'autres
types d'intervalles, spatiaux plutôt que temporels, comme des segments, surfaces ou volumes.
Les fonctions de masse ne sont définies que pour les entiers k.
Lorsque le paramètre λ de la loi de Poisson devient grand, son diagramme en bâton est
correctement approché par l'histogramme d'une loi normale d'espérance et de variance
égales à λ (l'intervalle de classe étant égal à l'unité). Cette convergence était mise à profit,
6
Tp__1 : Simulation des loi de probabilité
avant que les moyens informatiques ne se généralisent, pour utiliser la loi normale en lieu
et place de la loi de Poisson dans certains tests.
cette loi est asymétrique mais le devient de moins en moins au fur et à mesure que λ
augmente
5- La loi exponentielle
Une loi exponentielle modélise la durée de vie d'un phénomène sans mémoire, ou sans
vieillissement, ou sans usure : la probabilité que le phénomène dure au moins s + t heures sachant
qu'il a déjà duré t heures sera la même que la probabilité de durer s heures à partir de sa mise en
fonction initiale. En d'autres termes, le fait que le phénomène ait duré pendant t heures ne change
rien à son espérance de vie à partir du temps t.
La fonction f est continue et positive sur R+.
𝑋 𝑥
De plus lim ∫0 𝑓 (𝑡)𝑑𝑡= lim [−𝑒 −𝜆𝑡 ] = ( lim 1− 𝑒 −𝜆𝑡 ) =1−0=1
𝑥→+∞ 𝑥→+∞ 0 𝑥→+∞
Toutes ces fonctions sont positives et décroissantes et on a toujours f(0)= λ.
la loi exponentielle de paramètre λ > 0 si elle admet pour densité de probabilité sur
[0 ; +∞ [
6. La loi de Chi-2 :
la loi du χ2 centrée (prononcé « khi carré » ou « khi-deux ») avec k degrés de liberté est la loi
de la somme de carrés de k lois normales centrées réduites indépendantes. La loi du χ2 est utilisé
en inférence statistique et pour les tests statistiques notamment le test du χ².La loi du χ² non centrée
généralise la loi du χ2.
7
Tp__1 : Simulation des loi de probabilité
La densité de probabilité a un filtre passe-bas,la fonction de répartition a un filtre passe
haut
les courbes ressemblent de plus en plus à celle de la loi normale au fur et augmente, en
application du théorème central-limite
intervient de la façon suivante : si X1,...,Xn sont n variables aléatoires qui suivent une
loi normale centrée réduite, alors la somme de leur carré X 12+...+Xn2 suit une loi du chi-
deux à n degrés de liberté. Cette propriété fonde le test statistique du chi-deux
conclusion :
Dans ce TP nous avons présenté quelques méthodes de simulation de variables aléatoires Et
apprenez à connaître les lois de probabilité, aussi nous avons représenté la densité de probabilité
(PDF) et la fonction de répartition (CDF)
8
Tp__1 : Simulation des loi de probabilité
9
Tp__1 : Simulation des loi de probabilité
10
11