Tout pour apprendre mieux...

Accueil

Mathématiques

Distributions

Aperçu sur les distributions

Aperçu sur les distributions

Choisir une leçon

Propriétés des fonctions


Fonctions linéaires


Vidéo Explicative

Loading...
Enseignant: Laurena

Résumés

Distribution

Définition

Une « distribution » est une fonction qui décrit la distribution d’une variable aléatoire XX. On examine la probabilité avec laquelle une variable aléatoire prend certaines valeurs et comment cette probabilité est répartie en fonction des valeurs.


Exemple

Un dé est lancé 100 fois. Combien de fois chaque chiffre apparaît-il ? La distribution décrit la répartition des résultats, et elle peut être utilisée pour estimer le nombre de 6 obtenus par exemple.


Variable aléatoire

La variable aléatoire indique les résultats possibles d’une expérience aléatoire.

On la représente par la fonction XX, qui attribue un nombre réel X(ω)X(\omega)  à chaque résultat ω\omega d’une expérience aléatoire.


Remarque : Pour la définition de variables aléatoires, on utilise généralement des lettres majuscules, par exemple XX​, YY​ et ZZ​.


Types de distributions

Distributions discrètes et continues

DISCRÈTE

Les valeurs possibles pour la variable aléatoire sont des points séparés (exemple : les nombres entiers).

CONTINUE

Les valeurs possibles pour la variable aléatoire forment un « spectre » (exemple : les nombres réels entre 0 et 1).


Distribution discrète

Une distribution discrète est basée sur des variables aléatoires discrètes.


Exemple

Le résultat d’un lancer de dé est une variable aléatoire discrète car elle ne peut prendre que six valeurs : 1, 2, 3, 4, 5 ou 6.


Fonction de masse

La fonction de masse indique la probabilité que la variable aléatoire prenne la valeur xx.


f(x)=P(X=x)f\left(x\right)=P(X=x)​​


Fonction de répartition

La fonction de répartition indique la probabilité que la variable aléatoire ait une valeur inférieure ou égale à xx.

F(x)=P(Xx)F\left(x\right)=P(X\le x)​​


La fonction de répartition est composée de la somme des valeurs de la fonction de masse jusqu’à xx.


Exemple

On lance quatre fois un dé à 6 faces. Quelle est la probabilité d’avoir un 4 au moins trois fois ?


X=nombre de 4X=nombre\ de\ 4​​


P(X3)Fonction de reˊpartition=P(X=3)+P(X=4)Fonctions de masse=(43)(16)3(56)1+(44)(16)4(56)0=0.0162=1.62%\underbrace{P\left(X\geq3\right)}_{Fonction\ de\ r\acute{e}partition}=\underbrace{P\left(X=3\right)+P\left(X=4\right)}_{Fonctions\ de\ masse}={\left(\begin{matrix}4\\3\\\end{matrix}\right)\cdot\left(\frac{1}{6}\right)}^3\cdot\left(\frac{5}{6}\right)^1+{\left(\begin{matrix}4\\4\\\end{matrix}\right)\cdot\left(\frac{1}{6}\right)}^4\cdot\left(\frac{5}{6}\right)^0=0.0162=1.62\%​​


Distribution continue

Une distribution continue est basée sur des variables aléatoires continues.


Exemple

La hauteur du niveau d’eau dans une bouteille est une variable aléatoire continue : elle peut prendre une infinité de valeurs. 


Fonction de densité

La fonction de densité décrit la distribution de probabilité de la variable aléatoire. La probabilité est obtenue en calculant l’aire sous la fonction de densité (en utilisant l’intégration).


Propriétés

Propriétés d’une fonction de densité  f(x)\ f(x):

  • La fonction de densité n’est jamais inférieure à zéro, mais peut avoir des valeurs supérieures à un.
  • f(x)dx=1\int_{-\infty}^{\infty}f\left(x\right)dx=1​​


Fonction de répartition

La fonction de répartition est obtenue en intégrant la fonction de densité jusqu’à la valeur xx.

P(Xx)=xf(t)dtP(X\le x)=\int_{-\infty}^{x}f\left(t\right)dt​​

Probabilité que la variable aléatoire XX prenne une valeur inférieure ou égale à xx.

Probabilité pour un intervalle (de aa à bb) de XX :


P(aXb)=abf(t)dtP(a\le X\le b)=\int_{a}^{b}f\left(t\right)dt​​


Lois de probabilité typiques et fonction de masse

Distributions discrètes

Loi

Description

Fonction de masse

LOI BINOMIALE

Probabilité d’avoir kk succès parmi nn essais

P(X=k)=(nk)pk(1p)nkP\left(X=k\right)=\binom{n}{k}\cdot p^k\cdot{(1-p)}^{n-k}​​

LOI GÉOMÉTRIQUE

Probabilité que l’essai nn soit le premier succès

P(X=n)=(1p)n1pP\left(X=n\right)={(1-p)}^{n-1}\cdot p​​

LOI DE POISSON

Probabilité d’observer exactement kk occurrences d’un événement sachant que sa fréquence moyenne est de μ\mu

P(X=k)=μkk!eμP\left(X=k\right)=\frac{\mu^k}{k!}\cdot e^{-\mu}​​

LOI HYPERGÉOMÉTRIQUE

Probabilité d’avoir kk succès parmi essais quandon sait qu’il y a exactement MM cas à succès parmi les NN cas possibles

P(X=k)=(Mk)(NMnk)(Nn)P\left(X=k\right)=\frac{\binom{M}{k}\binom{N-M}{n-k}}{\binom{N}{n}}​​

Les expériences aléatoires pour les trois premières lois sont des expériences de Bernoulli. 

  • On ne distingue toujours que deux événements possibles (Pile/Face lors d’un lancer de pièce, ou 6/pas 6 lors d’un lancer de dé).
  • La probabilité ne change pas lorsque l’expérience est répétée.

Distributions continues

Loi

Description

Fonction de densité

LOI NORMALE

Distribution symétrique

f(x, μ, σ2)=12πσe12(xμσ)2f\left(x,\ \mu,\ \sigma^2\right)=\frac{1}{\sqrt{2\pi}\sigma}\cdot e^{-\frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^2}​​

LOI NORMALE STANDARD

Cas particulier de la loi normale avec μ=0\mu=0 et σ=1\sigma=1

f(x, 0, 1)=12πe12x2f\left(x,\ 0,\ 1\right)=\frac{1}{\sqrt{2\pi}}\cdot e^{-\frac{1}{2}x^2}​​


Conseil : Pour calculer la fonction de répartition on a souvent besoin d’une calculatrice.







Créer un compte pour lire le résumé

Exercices

Créer un compte pour commencer les exercices

Questions fréquemment posées sur les crédits

Quels sont les types de distribution existants ?

Qu'est-ce qu'une variable aléatoire ?

Qu'est-ce que la distribution ?

Beta

Je suis Vulpy, ton compagnon de révision IA ! Apprenons ensemble.