Statistiquescours3

Disponible uniquement sur Etudier
  • Pages : 4 (758 mots )
  • Téléchargement(s) : 0
  • Publié le : 28 octobre 2010
Lire le document complet
Aperçu du document
Loi normale ou loi de Gauss
Familles de loi de probabilité continues, définies sur l’ensemble des réels, complètement caractérisées par leur espérance et leur variance De distribution symétriqueautour de leur espérance
x ~ N (µ ,σ 2 ) f ( x) =  ( x − µ )2   exp −  2σ 2  2πσ   1
2

Exemples de lois normales

Fonction de répartition
Pas calculable analytiquement
Calcul numériqueLa loi normale centrée réduite
Loi normale d’espérance nulle et de variance 1

u ~ N (0,1) f (u ) =  u2  1 exp −   2 2π  

Représentation graphique

Passage d’une loi normalequelconque à la loi normale centrée réduite
On peut toujours déterminer la valeur de la fonction de densité ou de répartition d’une loi normale quelconque à partir de la loi normale centrée réduite eneffectuant un changement de variable

u=

x−µ

x = σu + µ

σ

Tables de distribution de la loi normale centrée réduite

Utilisation de la table de la fonction de répartition

Utilisation dela table de l’écart-réduit

Somme de deux lois normales indépendantes
La somme de deux lois normales indépendantes est une loi normale dont l’espérance et la variance sont égales respectivement à lasomme des espérances et des variances.

Loi binomiale
On obtient une loi binomiale quand :
on répète n fois une même expérience de Bernoulli ayant une probabilité de succès p, les expériencesétant indépendantes entre elles On s’intéresse au nombre de succès k, On dit que X suit alors une loi binomiale de paramètres n et p.

Caractéristiques de la distribution binomiale
k P ( X = k ) = Cn pk q n − k = n! k !( n − k )!

p k q n−k

E ( X ) = np V ( X ) = np (1 − p )
L’espérance et la variance correspondent à celles de la somme de n tirages de Bernoulli indépendants de paramètre p Distribution binomiale n=10
p x 0 1 2 3 4 5 6 7 8 9 10 total 0.1 0.3487 0.3874 0.1937 0.0574 0.0112 0.0015 0.0001 0.0000 0.0000 0.0000 0.0000 1.0000 0.2 0.1074 0.2684 0.3020 0.2013 0.0881 0.0264...
tracking img