6. Quelques lois continues



Documents pareils
14. Introduction aux files d attente

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

3. Caractéristiques et fonctions d une v.a.

Processus aléatoires avec application en finance

Variables Aléatoires. Chapitre 2

Actuariat I ACT2121. septième séance. Arthur Charpentier. Automne charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.

Introduction à la théorie des files d'attente. Claude Chaudet

I3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M

4 Distributions particulières de probabilités

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #6

MODELES DE DUREE DE VIE

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Moments des variables aléatoires réelles

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16

Méthodes de Simulation

Chapitre 2 Le problème de l unicité des solutions

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

Simulation de variables aléatoires

Cours de gestion des risques d assurances et de théorie de la ruine. Stéphane Loisel

Modélisation et simulation

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12

Image d un intervalle par une fonction continue

Correction du Baccalauréat S Amérique du Nord mai 2007

Continuité en un point

Commun à tous les candidats

TSTI 2D CH X : Exemples de lois à densité 1

Chapitre 7 : Intégration sur un intervalle quelconque

Lagrange, où λ 1 est pour la contrainte sur µ p ).

Fiabilité des Systèmes et des Logiciels

Module 7: Chaînes de Markov à temps continu

TABLE DES MATIERES. C Exercices complémentaires 42

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

Annexe commune aux séries ES, L et S : boîtes et quantiles

LES GENERATEURS DE NOMBRES ALEATOIRES

Statistiques Descriptives à une dimension

4. Martingales à temps discret

3. Conditionnement P (B)

La survie nette actuelle à long terme Qualités de sept méthodes d estimation

La fonction exponentielle

1 TD1 : rappels sur les ensembles et notion de probabilité

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Utiliser des fonctions complexes

Suites numériques 4. 1 Autres recettes pour calculer les limites

PRÉCIS DE SIMULATION

Probabilités avancées. Florin Avram

1 TD n 1:dénombrement

FIMA, 7 juillet 2005

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

Programmes des classes préparatoires aux Grandes Ecoles

Travaux dirigés d introduction aux Probabilités

Université Paris-Dauphine DUMI2E 1ère année, Applications

Fiche PanaMaths Calculs avec les fonctions sous Xcas

Mouad Ben Mamoun Master Offshoring Informatique Appliquée

Correction du baccalauréat ES/L Métropole 20 juin 2014

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Calcul fonctionnel holomorphe dans les algèbres de Banach

Que faire lorsqu on considère plusieurs variables en même temps?

Chapitre 6. Réactions nucléaires. 6.1 Généralités Définitions Lois de conservation

Correction de l examen de la première session

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013

Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN

Coup de Projecteur sur les Réseaux de Neurones

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

3 Approximation de solutions d équations

Programmation linéaire et Optimisation. Didier Smets

I. Polynômes de Tchebychev

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34

ENS de Lyon TD septembre 2012 Introduction aux probabilités. A partie finie de N

Modélisation aléatoire en fiabilité des logiciels

Probabilités sur un univers fini

Terminale STMG Lycée Jean Vilar 2014/2015. Terminale STMG. O. Lader

1 Recherche en table par balayage

1.6- Génération de nombres aléatoires

Loi d une variable discrète

Modélisation des risques

La simulation probabiliste avec Excel

Carl-Louis-Ferdinand von Lindemann ( )

BTS Groupement A. Mathématiques Session Spécialités CIRA, IRIS, Systèmes électroniques, TPIL

BACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE

PROBABILITES ET STATISTIQUE I&II

Modélisation et Simulation

Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de

Dualité dans les espaces de Lebesgue et mesures de Radon finies

LISTE D EXERCICES 2 (à la maison)

Loi binomiale Lois normales

Modèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes

n N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v t

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.

Chapitre 19 LES FILES D ATTENTE

Développements limités

Suites numériques 3. 1 Convergence et limite d une suite

Chapitre 2. Eléments pour comprendre un énoncé

Projet Etienne Marceau Méthodes statistiques en assurance non vie

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5

Exercices sur le chapitre «Probabilités»

Transcription:

6. Quelques lois continues MTH2302D S. Le Digabel, École Polytechnique de Montréal H2016 (v1) MTH2302D: Lois continues 1/30

Plan 1. Loi uniforme 2. Loi exponentielle 3. Lois gamma / Weibull / bêta MTH2302D: Lois continues 2/30

1. Loi uniforme 2. Loi exponentielle 3. Lois gamma / Weibull / bêta MTH2302D: Lois continues 3/30

Loi uniforme On dit qu une variable aléatoire X suit une loi uniforme sur l intervalle [a, b] si sa fonction de densité est f X (x) = 1 b a si a x b, 0 sinon. On dénote ceci par X U(a, b). MTH2302D: Lois continues 4/30

Loi uniforme (suite) La fonction de répartition d une variable aléatoire X U(a, b) est F X (x) = 0 si x < a, x a b a si a x < b, 1 si x b. MTH2302D: Lois continues 5/30

fonction de densité de X~U(a=2,b=8) f(x) 0.00 0.05 0.10 0.15 0 2 4 6 8 10 x MTH2302D: Lois continues 6/30

fonction de répartition de X~U(a=2,b=8) F(x) 0.0 0.2 0.4 0.6 0.8 1.0 0 2 4 6 8 10 x MTH2302D: Lois continues 7/30

Autres caractéristiques Si X U(a, b) alors 1. µ = E(X) = a + b 2. 2. σ 2 = V(X) = (b a)2. 12 3. [a; b] = [ µ 3σ; µ + 3σ ]. Exemple 1 Démontrer ces 3 points. MTH2302D: Lois continues 8/30

Loi uniforme : calcul avec des logiciels Excel : faire directement les calculs. R : f X (x) = dunif(x, a, b). F X (x) = punif(x, a, b). MTH2302D: Lois continues 9/30

Exemple 2 Un autobus passe à un arrêt donné sur sa ligne à 7h00, 7h15 et 7h30. Un passager se présente à cet arrêt entre 7h00 et 7h30. L heure exacte de son arrivée est une variable aléatoire uniforme. Quelle est la probabilité que le passager attende l autobus pendant plus de 10 minutes? MTH2302D: Lois continues 10/30

Exemple 3 Soit C le carré de sommets (1, 1), ( 1, 1), ( 1, 1) et (1, 1) dans le plan. On choisit au hasard un point à l intérieur de C. Soit d la distance de ce point à l origine. 1. Quelle est la probabilité que d soit inférieure ou égale à 1? 2. Application pratique de ce résultat? (voir code ci-après). MTH2302D: Lois continues 11/30

MTH2302D: Lois continues 12/30

nt appr. pi error CPU time 10 2.8 0.108732 5e-05 20 3.2 0.0185916 1.3e-05 40 3.1 0.0132394 1.4e-05 80 3.25 0.0345071 1.9e-05 160 3.2 0.0185916 2.8e-05 320 3.2 0.0185916 4.8e-05 640 3.15625 0.00466558 8.9e-05 1280 3.096875 0.0142341 0.000172 2560 3.096875 0.0142341 0.000337 5120 3.11875 0.00727104 0.000665 10240 3.180859375 0.012499 0.001318 20480 3.1525390625 0.00348435 0.002671 40960 3.1482421875 0.00211661 0.004706 81920 3.13779296875 0.00120948 0.009694 163840 3.147802734375 0.00197673 0.019303 327680 3.140576171875 0.000323556 0.039195 655360 3.14435424804687 0.000879043 0.077947 1.31072e+06 3.14145812988281 4.28202e-05 0.150735 2.62144e+06 3.14158172607422 3.47834e-06 0.292705 5.24288e+06 3.1432258605957 0.000519866 0.58607 1.04858e+07 3.1417236328125 4.1692e-05 1.17443 2.09715e+07 3.14186267852783 8.59516e-05 2.36074 4.1943e+07 3.14163837432861 1.45534e-05 4.72282 8.38861e+07 3.14126543998718 0.000104155 9.51239 1.67772e+08 3.14165117740631 1.86287e-05 18.8722 3.35544e+08 3.14161784648895 8.01915e-06 38.4287 6.71089e+08 3.14158190488815 3.42142e-06 75.6125 1.34218e+09 3.14159763455391 1.58549e-06 153.68 2.68435e+09 3.14158941358328 1.03133e-06 304.199 5.36871e+09 3.14159297868609 1.03481e-07 610.915 MTH2302D: Lois continues 13/30

1. Loi uniforme 2. Loi exponentielle 3. Lois gamma / Weibull / bêta MTH2302D: Lois continues 14/30

Loi exponentielle On dit qu une variable aléatoire continue X suit une loi exponentielle de paramètre λ si sa fonction de densité est λe λx si x 0, f X (x) = 0 sinon. On dénote ceci par X Exp(λ). MTH2302D: Lois continues 15/30

Loi exponentielle (suite) La fonction de répartition d une variable aléatoire X Exp(λ) est 0 si x < 0, F X (x) = 1 e λx si x 0. Notons que P (X > x) = 1 F X (x) = e λx pour x 0. MTH2302D: Lois continues 16/30

fonction de densité de X~Exp(lambda=5) f(x) 0 1 2 3 4 5 0 1 2 3 4 5 x MTH2302D: Lois continues 17/30

fonction de répartition de X~Exp(lambda=5) F(x) 0.0 0.2 0.4 0.6 0.8 1.0 0 1 2 3 4 5 x MTH2302D: Lois continues 18/30

Autres caractéristiques Si X Exp(λ) alors 1. E(X) = 1 λ. 2. V(X) = 1 λ 2. 3. Médiane : x = ln 2/λ. 4. Mode : x = 0 (le maximum de λe λx pour x 0). 5. Si X Exp(λ), alors γ 1 = 2 et β 2 = 3 pour tout λ. Toutes les distributions exponentielles ont la même forme. Exemple 4 Démontrer ces points. MTH2302D: Lois continues 19/30

Loi exponentielle : calcul avec des logiciels Excel : f X (x) = LOI.EXPONENTIELLE(x, λ, 0). F X (x) = LOI.EXPONENTIELLE(x, λ, 1). R : f X (x) = dexp(x, λ). F X (x) = pexp(x, λ). MTH2302D: Lois continues 20/30

Lien avec la loi de Poisson Considérons un processus de Poisson où le nombre moyen de réalisations par unité de temps (i.e. t = 1) de l événement d intérêt est égal à λ. Soit X Poi(c = λt) le nombre de réalisations dans l intervalle [0, t] et T le temps d attente avant la première réalisation. Alors P (T > t) = P (X = 0) = e c c 0 /0! = e λt et donc T suit une loi exponentielle de paramètre λ. Plus généralement, soit T le temps écoulé entre deux réalisations successives. Alors T Exp(λ). MTH2302D: Lois continues 21/30

Absence de mémoire Si X Exp(λ) alors pour tous s, t > 0, P (X > s + t X > t) = P (X > s). MTH2302D: Lois continues 22/30

Exemple 5 À un poste de péage sur une autoroute, il arrive en moyenne 5 voitures par minute selon un processus de Poisson. Une voiture arrive à 12h00. 1. Quelle est la probabilité que la voiture suivante arrive après 12h02? 2. Si la deuxième voiture arrive à 12h02, quelle est la probabilité qu aucune autre voiture n arrive avant 12h03? 3. Quel est le temps moyen entre deux arrivées? MTH2302D: Lois continues 23/30

Exemple 6 La durée de fonctionnement d un transistor suit une loi exponentielle et est en moyenne de 20,000 heures (= 1/λ). Un tel transitor, utilisé à une fin particulière, fonctionne déjà depuis 20,000 heures. Quelle est la probabilité que ce transistor fonctionne au moins 30,000 heures? MTH2302D: Lois continues 24/30

Fiabilité Soit T la durée de vie (durée de fonctionnement sans panne) d une pièce d équipement. Alors R(a) = P (T > a) = 1 F T (a) est la probabilité que la pièce fonctionne au temps a. On appelle R(a) la fiabilité de la pièce au temps a. MTH2302D: Lois continues 25/30

Exemple 7 Considérons un système constitué de deux composants A et B en parallèle fonctionnant indépendamment. Supposons que la durée de vie de A et B suive une loi exponentielle de moyenne 3 ans. Calculer la fiabilité du système pour une année. MTH2302D: Lois continues 26/30

1. Loi uniforme 2. Loi exponentielle 3. Lois gamma / Weibull / bêta MTH2302D: Lois continues 27/30

Loi gamma Fonction gamma Γ(x) = t=0 t x 1 e t dt pour x > 0. Loi gamma : X Γ(α, λ) avec α, λ > 0 f X (x) = λ Γ(α) (λx)α 1 e λx pour x > 0. MTH2302D: Lois continues 28/30

Loi gamma (suite) Γ ( 1 2) = π, Γ(1) = 1, Γ(i) = (i 1)! pour tout entier i > 0. Γ(x) = (x 1)Γ(x 1) pour x > 1. Si X Γ(α, λ), alors E(X) = α/λ et V(X) = α/λ 2. Si α = 1, alors X Exp(λ). Si X Γ(α = n, λ) avec n entier, alors F X (x) = 1 F Y (n 1) avec Y Poi(c = λx). Si X 1, X 2..., X n sont des v.a. indépendantes qui suivent toutes une loi Exp(λ), alors X = X 1 + X 2 +... + X n suit une loi Γ(α = n, λ) (loi d Erlang). Exemple 8 Calculer P (X < 5) si X Γ(α = 5, λ = 0.5). MTH2302D: Lois continues 29/30

Loi de Weibull : X W(λ, β) avec λ, β > 0 f X (x) = λβx β 1 e λxβ pour x > 0. Loi bêta : X Be(α, β) avec α, β > 0 f X (x) = Γ(α + β) Γ(α)Γ(β) xα 1 (1 x) β 1 pour 0 < x < 1. Voir exercice 6.24 page 147. MTH2302D: Lois continues 30/30