Scribd
Importer
7 vues2 pages

Types de lois statistiques et leurs propriétés

Le document présente divers concepts statistiques, y compris les types de variables (discrètes et continues) et plusieurs lois de probabilité telles que la loi uniforme, Bernoulli, binomiale, géométrique, de Poisson, hypergéométrique, uniforme, exponentielle et normale. Il inclut également des inégalités importantes comme celles de Tchebychev et de Markov, ainsi que les formules pour l'espérance et la variance associées à chaque loi. Ces concepts sont essentiels pour comprendre les distributions de probabilité et leur application dans l'analyse statistique.

Transféré par

mf72hsbjpq
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
7 vues2 pages

Types de lois statistiques et leurs propriétés

Le document présente divers concepts statistiques, y compris les types de variables (discrètes et continues) et plusieurs lois de probabilité telles que la loi uniforme, Bernoulli, binomiale, géométrique, de Poisson, hypergéométrique, uniforme, exponentielle et normale. Il inclut également des inégalités importantes comme celles de Tchebychev et de Markov, ainsi que les formules pour l'espérance et la variance associées à chaque loi. Ces concepts sont essentiels pour comprendre les distributions de probabilité et leur application dans l'analyse statistique.

Transféré par

mf72hsbjpq
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

Statistique

Si N peut prendre un nombre fini de valeur : variables discrètes ; sinon variables continues

Inégalité de Tchebychev
𝑉(𝑋)
𝑃(|𝑋 − 𝐸(𝑋)| ≥ 𝛿) ≤
𝛿2
2
𝐸(𝑋) = Σ𝑛𝑖𝑥𝑖; 𝑉(𝑋) = 𝐸(𝑋 2 ) − (𝐸(𝑋))

Loi uniforme discrète

Résultat équiprobable ; 𝑛 = 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑’𝑖𝑠𝑠𝑢𝑒 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒

𝑛+1 𝑛2 − 1
𝐸(𝑋) = ; 𝑉(𝑋) =
2 12

Loi Bernoulli

2 issues ; succès ou échec. 𝐸(𝑌) = 𝑝; 𝑉(𝑌) = 𝑝 × (1 − 𝑝)

Loi Binomiale (approximation par la loi poisson : 𝑛 ≥ 30; 𝑝 ≤ 0,1; 𝑛𝑝 < 10

loi normale 𝑛𝑝 ≥ 5 ; 𝑛(1 − 𝑝) ≥ 5)

Répétition de n épreuves identiques et indépendantes.


𝑛
𝑃(𝑋 = 𝑘) = ( ) 𝑝𝑘 (1 − 𝑝)𝑛−𝑘
𝑘

𝐸(𝑋) = 𝑛 × 𝑝; 𝑉(𝑋) = 𝑛 × 𝑝 × (1 − 𝑝); 𝜎(𝑋) = √𝑉(𝑋)

Inégalité de Markov
𝐸(𝑋)
P(𝑋 ≥a)≤ 𝑎

Loi géométrique

Nombre de fois de répétition d’une épreuve pour obtenir un succès ;

𝑃(𝑋 = 𝑘) = 𝑝 × (1 − 𝑝)𝑘−1 La probabilité d’obtenir pour la première fois pile au troisième lancer est PX=3
1 1−𝑝
𝐸(𝑋) = ; 𝑉(𝑋) =
𝑝 𝑝2
Loi de poisson

Modélisation des événements rares qui se produisent de manière aléatoire et indépendante dans le temps ou
l'espace.

𝑒 −𝜆 𝜆𝑘
𝑃(𝑋 = 𝑘) = ; 𝑘 = 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑 ′ é𝑣𝑒𝑛𝑒𝑚𝑒𝑛𝑡; 𝜆 = 𝑡𝑎𝑢𝑥 𝑑′ é𝑣𝑒𝑛𝑒𝑚𝑒𝑛𝑡 𝑝𝑎𝑟 𝑡𝑒𝑚𝑝𝑠
𝑘!
𝐸(𝑋) = 𝑉(𝑋) = 𝜆
𝑁
Loi hypergéométrique (approximation par la loi binomiale : 𝑛 < 1/10)

La loi hypergéométrique concerne les situations où on sélectionne des éléments sans remise dans un
ensemble fini. Cela signifie que chaque fois que l’on effectue une sélection, on réduit la taille de l'ensemble
pour les sélections suivantes. Ainsi, la probabilité de sélection change à chaque tirage.
𝑁𝑝 𝑁𝑞
( )( )
𝑃(𝑋 = 𝑘) = 𝑘 𝑛−𝑘 .
𝑁
( )
𝑛
𝑁 = 𝑡𝑎𝑖𝑙𝑙𝑒; 𝑁𝑝 = é𝑙𝑒𝑚𝑒𝑛𝑡 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒; 𝑁𝑞 = é𝑙𝑒𝑚𝑒𝑛𝑡 𝑛𝑜𝑛 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒; 𝑛 = 𝑡𝑎𝑖𝑙𝑙𝑒 𝑠𝑒𝑙𝑒𝑐𝑡𝑖𝑜𝑛𝑛é
𝑘 = é𝑙𝑒𝑚𝑒𝑛𝑡 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒 𝑑𝑒 𝑙 ′ é𝑐ℎ𝑎𝑛𝑡𝑖𝑙𝑙𝑜𝑛. 𝐻(𝑁, 𝑛, 𝑝)
𝐸(𝑋) = 𝑛𝑝
𝑁−𝑛
𝑉(𝑋) = 𝑛𝑝𝑞
𝑁−1

Loi uniforme
1
𝑓(𝑥) =
𝑏−𝑎
𝑑−𝑐
𝑃(𝑐 ≤ 𝑋 ≤ 𝑑) =
𝑏−𝑎
𝑎+𝑏 (𝑏 − 𝑎)2
𝐸(𝑋) = ; 𝑉(𝑋) =
2 12

Loi exponentielle
𝑓(𝑥) = 𝜆𝑒 −𝜆𝑥
𝑃(𝑋 ≤ 𝑎) = 1 − 𝑒 −𝜆𝑎
𝑃(𝑋 > 𝑎) = 𝑒 −𝜆𝑎
1 1
𝐸(𝑋) = ; 𝑉(𝑋) = 2
𝜆 𝜆

Loi normale
1 1 𝑥−𝑚 2
𝑓(𝑥) = 𝑒 2 𝜎 )
− (
𝜎√2𝜋
𝐸(𝑋) = 𝑚; 𝜎(𝑌) = 𝜎 2
𝑋−𝑚
𝑇=
𝜎
𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = 𝑃(𝑋 ≤ 𝑏) − 𝑃(𝑋 ≤ 𝑎)
𝑃(𝑋 ≤ −𝑎) = 𝑃(𝑋 ≥ 𝑎)
𝑃(𝑋 ≤ 𝑎) = 1 − 𝑃(𝑋 ≥ −𝑎)

Vous aimerez peut-être aussi