Scribd
Importer
5 vues2 pages

Distributions de Probabilité et Moments

Le document présente diverses distributions de probabilités, notamment la distribution gamma, chi2, uniforme, normale, exponentielle, de Rayleigh, weibull et log-normale. Chaque distribution est décrite par sa fonction densité et ses propriétés, ainsi que des applications dans des domaines tels que les statistiques de signaux et la communication. Il aborde également les moments centrés et les distributions jointes, en soulignant l'importance de la distribution normale dans les variables aléatoires continues.

Transféré par

bousbiasalahchihab
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
5 vues2 pages

Distributions de Probabilité et Moments

Le document présente diverses distributions de probabilités, notamment la distribution gamma, chi2, uniforme, normale, exponentielle, de Rayleigh, weibull et log-normale. Chaque distribution est décrite par sa fonction densité et ses propriétés, ainsi que des applications dans des domaines tels que les statistiques de signaux et la communication. Il aborde également les moments centrés et les distributions jointes, en soulignant l'importance de la distribution normale dans les variables aléatoires continues.

Transféré par

bousbiasalahchihab
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Rappel du chapitre 1: la valeur de l’espérance d’une Distribution gamma

v.a X de pdf fx(x) est Une v.a est dite ayant une distribution gamma si sa
fonction densité est donnée par,

Pour une v.a discrète la pdf

notée par
Dans ce cas en utilisant les propriétés de la fonction Distribution chi2
delta, la définition de la valeur de l’espérance pour des C’est une distribution importante qui est un cas spécial de
v.a discrètes se réduit à la distribution gamma avec =n/2 et =2 et n est un entier

positif et represente le degré de liberté

Moments centrées : x est le moment d’ordre 1

la distribution chi 2 que la variable aléatoire X où

Distributions continues et discrètes

Distribution de Rayleigh
Distribution uniforme Qui est fréquemment utilisée pour modéliser les
Une variable aléatoire X est dite uniformément distribuée statistiques de signaux ; on trouve ses applications dans
sur l’intervalle a à b, a<b, comme montré sur la figure si beaucoup de problèmes de radar et de communication. Soit
sa fonction densité est donnée par

où X1 et X2 sont des v.a


statistiquement indépendants gaussiennes de moyenne
nulle et de variance et 2. en fait X possède une distribution
chi2 avec n=2 degré de liberté, on obtient dans ce cas
Distribution normale
particulier sa fonction densité ,
La plus importante distribution de probabilité de variables
aléatoire continues est la distribution normale

Où m et  sont respectivement la moyenne et la déviation On définit une nouvelle variable


standard de X et satisfait

Par transformation :
Distribution exponentielle
Une v.a X possède une distribution exponentielle de
paramètre , >0 si sa fonction densité satisfait On obtient,

1
Y possède une distribution de Rayleigh L’intégrante en dessus est une fonction densité gaussienne
Si le résultat est généralisé à n v.a
de moyenne et de variance

Avec Xi i=1,2,….,n variables aléatoires statistiquement et la fonction densité conditionnelle

indépendantes gaussiennes de moyenne mi et chacune


ayant une variance 2. est aussi gaussienne de moyenne et de

On obtient,
variance .
L’espérance conditionnelle de X2 sachant X1=x1

En general si De manière similaire on peut démontrer que

Alors la fonction densité est

Est gaussienne de moyenne

et de variance

Quelques distributions spéciales


Les moments joints les plus fréquemment utilisés sont
Distribution gaussiennes Bivariable et multivariable
d’ordre 2n=4 càd n=2
Le développement est fait sur la distributiob gaussienne à
deux dimensions et n dimensions dû à l’importance de
celle-ci. Soient deux v.a X1 et X2 jointement gaussiennes
de moyennes

Distribution de weibull
et de variances et
Une v.a X est dite ayant une distribution de weibull si sa
fonction densité de probabilité est
, la fonction densité bivariable gaussienne est,

Distribution log normale


Une v.a X est dite ayant une distribution log-normale si sa
fonction densité de probabilité est

Et est le coefficient de correlation entre X1 et X2 ; la


pdf conditionnelle est

Où xm est la mediane de X et est la variance, un


Où
parametre utilisé pour caracteriser cette distribution est

Vous aimerez peut-être aussi