Loi normale multidimensionnelle

. . 2 1 1.2.1 Gï¿ 2 nï¿ 1 ralitï¿ 1 s . . . . . . . . . . . . . . . . . 2 2 1.2.2 Loi de probabilitï¿ 1 d’une variable alï¿ 1 atoire . 2 2 1 1.2.3 Fonctions de rï¿ 2 partitions . . . . . . . . . . . . 1.2.4 Variables alï¿ 1 atoires discrï¿ 1 tes . . . . . . . . 2 2 1.2.5 Variables alï¿ 1 atoires continues . . . . . . . . . 2 1 1.3 Convergences de suites de variables alï¿ 2 atoires . . . . 1.3.1 Convergence en loi . . . . . . . . . . . . . . . . 1.3.2 Convergence en probabilitï¿ 1 . . . . . . .

UNIVERSITE PARIS OUEST NANTERRE LA DEFENSE Licence de gestion 3ème année STATISTIQUES Mme CHEZE cheze@u-paris10.fr TABLES STATISTIQUES Loi binomiale Loi normale Loi de Student Loi du khi-deux Loi de Fisher Fonction de r´partition de la loi normale centr´e r´duite e e e (probabilit´ F(z) de trouver une valeur inf´rieure ` z) e e a z 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 0,00 0,5000 0,5398 0,5793 0,6179 0,6554

.......... Lois de probabilités classiques en statistique................................. Loi normale unidimensionnelle.................................................................. Loi du khi-deux ............................................................................................ Loi de Student.............................................................................................. Loi de Fisher-Snedecor.........................................................................

longueur est comprise entreL-ΔL et L+ΔL (2ΔL est l'intervalle de tolérance). Le processus de production, lui, produit des pièces dont la longueur varie, la longueur moyenne est L, et avec un écart type σ (on suppose que cette longueur suit une loi normale). En général, le processus est réglé afin que l'on ait σ = ΔL/3 ; on écrit en général plutôt ΔL = 3×σ, mais c'est bien ΔL qui est une contrainte (la pièce est utilisable ou non) et σ qui est ajusté (les machines sont plus ou moins bien réglées)

36 3,40 3,44 3,48 3,52 3,56 3,60 3,64 3,68 3 2 5 12 39 24 10 3 1 1 Effectif 50 40 30 20 10 0 1 2 3 4 5 6 7 8 9 10 Classes page 4 sur 4 1 2 3 4 5 6 7 8 9 10 Graphique L’allure du graphique suit une distribution normale (loi statistique de Laplace Gauss) 39 24 12 5 10 3 1 1 3 2 Lycée P. Duez Cambrai Cours N°11 : version professeur Le suivi de la qualité Tpco11.doc Révisé le 03 mai 05 par M. RICHARD La carte de contrôle Composition Les démarches

Notations : – X = (X1 , . . . , Xp ) : variable aléatoire explicative de dimension p, x = (x1 , . . . , xp ) une réalisation de x ; – Y variable (univariée) à expliquer. – (X1 , Y1 ), . . . , (Xn , Yn ) : un n-échantillon aléatoire (iid et de même loi que le couple (X, Y )), tel que Xi = (Xi1 , . . . , Xip ) ; – (x1 , y1 ), . . . , (xn , yn ) une réalisation de (X1 , Y1 ), . . . , (Xn , Yn ). 1.1 Rappels sur le modèle linéaire Le contexte Nous cherchons à expliquer une variable Y par p variables

Définition…..………………………………………………………….……………………………...4 2.1.1. Approche empirique………………………………………………..…………….4 2.1.2. Approche théorique …………………………………………………………….5 2.2. Loi de probabilité de la moyenne……………….…………………………………...6 2.2.1. Définition…………………………………………………………………………...….6 2.2.2. Convergence …………………………………………………………………....….7 2.3. Loi de probabilité d’une fréquence……………….…………………………….....8 3. Estimateur………………………………………………………………………………....8 3.1. Définition…..………………………………………………………….………………………..…..

définir la loi de probabilité de sa demande qui, le plus souvent, est une loi normale. Elle peut, par exemple, calculer la probabilité de réaliser ses objectifs de vente ou d'atteindre le seuil de rentabilité. Ce calcul de probabilité renvoie à l'utilisation de la loi normale par le calcul de la valeur de la variable centrée réduite t = (X – m) / (, X représentant le plus souvent la demande. Exemple : Les ventes annuelles en quantités (Q) des planches à voile Junior suivent une loi normale de moyenne

G´n´ralit´s . . . . . . . . . . . . . . . . . . . . . . . e e e 3.2.1 Variable al´atoire discr`te . . . . . . . . . . . e e 3.2.2 Loi d’une variable al´atoire discr`te . . . . . . e e 3.2.3 Fonction de r´partition . . . . . . . . . . . . . e 3.3 Lois discr`tes classiques . . . . . . . . . . . . . . . . e 3.3.1 Lois de Bernoulli . . . . . . . . . . . . . . . . 3.3.2 Loi uniforme sur un ensemble fini de r´els . . e 3.3.3 Lois binomiales . . . . . . . . . . . . . . . . . 3.3.4 Lois hyperg´om´triques

fonction de répartition de la loi normale centrée réduite T able de la fonction de répartition (x) de la loi normale centrée réduite Extraits de la table de la fonction de répartition de la loi normale centrée réduite N(0 ; 1) : Pour une table plus réduite et moins précise... Table pour x appartenant à l'intervalle [0 ; 3,4] http://homeomath.imingo.net/tablelois1.htm[21/03/2011 19:42:11] Homeomath : table de la fonction de répartition de la loi normale centrée réduite Table pour