Distributions de plusieurs variables PDF

Dans une étude statistique on donne le nom de variable statistique à tout caractère dont les données peuvent être différentes. CORRÉLATION. Étudier la

Statistique Les distributions à deux caractères

L'ensemble des couples (XY) constitue une distribution à deux caractères

Statistiques descriptives et exercices

Donc di = ni × 360. N . 2.3.2 Distribution à caractère quantitatif discret. A partir de l'observation d'une variable quantitative discrète

Série statistique à deux variables A

Partie A Étude de la série statistique à une variable y On partage le nuage en deux sous-nuages de trois points (les 3 premiers et les 3 derniers).

Chapitre 2: Série statistique à deux variables

Combien il y'a de distributions conditionnelles? Comme x prend p valeurs différentes alors il existe p séries conditionnelles de y en x. Comme y prend q

Chapitre 2 : Série statistique à deux variables

Une série statistique double peut être donnée comme l'énumération d'un Définition : on appelle distribution statistique à deux variables la donnée (. ).

Distributions de plusieurs variables

8 mai 2008 Variables aléatoires continues : deux variables aléatoires X ... Exemple : Distribution uniforme bivariée sur un carré un disque

Dépendance et codages de deux variables aléatoires

16 mars 2020 une distribution statistique à deux dimensions est connue sous la forme d'un tableau de contingence m x p où les distributions marginales ne ...

Chapitre 2 Comparaisons de deux distributions

PMP STA 21 Méthodes statistiques pour l'analyse des données en psychologie On étudie deux populations P1 et P2 et deux variables qui représentent le ...

Cours 4 Liaison entre deux variables conjointes

2 La liaison statistique se manifeste principalement sur les distributions conditionnelles ; supposons par exemple que nous étudions la liaison de Y à X ; pour

[PDF] Série statistique à deux variables A

Série statistique à deux variables A Étude de deux exemples Énoncé Le tableau suivant donne la moyenne y des maxima de tension artérielle en fonction de

[PDF] STATISTIQUES À DEUX VARIABLES - maths et tiques

L'objectif est à partir des valeurs d'une série statistique à deux variables d'obtenir des approximations pour des valeurs inconnues de cette série Exemples

[PDF] SÉRIES STATISTIQUES À DEUX VARIABLES - Pierre Lux

A ) DÉFINITION Définition : On considère deux variables statistiques numériques x et y observées sur une même population de n individus

[PDF] Distributions à deux caractères - Mathématiques du Cnam

2 LES CARACTÉRISTIQUES DES SÉRIES À DEUX CARACTÈRES 1 Présentation générale Soit X une variable (caractère) statistique dont les modalités sont x1x2

[PDF] Les distributions statistiques à deux caractères : étude de - UMMTO

Statistique 2/Chapitre 2: Les distributions statistiques à deux caractères : étude de la régression l'ajustement et la corrélation

[PDF] Chapitre 2: Série statistique à deux variables - E-monsite

Combien il y'a de distributions conditionnelles? Comme x prend p valeurs différentes alors il existe p séries conditionnelles de y en x Comme y prend q

[PDF] Statistiques à deux variables MathsComp 1 Ajustement affine

On obtient alors une série statistique à deux variables quantitatives ou série statistique double qui peut être représentée par : • une liste de couples xi ;

[PDF] Chapitre 3 Etude de la liaison entre deux variables Analyse

Etude simultanée de deux variables X et Y définies sur une même population P : mettre en évidence une éventuelle liaison (relation dépendance) entre les

[PDF] STATISTIQUE DESCRIPTIVE BIVARIEE

1 1 Distributions statistiques W deux variables On considère une population de N individus mesurés simultaniment par les deux caractères

[PDF] Statistique Les distributions à deux caractères

L'ensemble des couples (XY) constitue une distribution à deux caractères ou distribution à deux variables Exemple : On considère la note en maths et en

Comment calculer des statistiques à deux variables ?
Graphiquement, elle correspond à une droite d'équation réduite y=ax+b qui donne une relation entre les deux variables quantitatives. Gr? à l'ajustement affine, on peut interpoler ou extrapoler, c'est-à-dire faire des prévisions.
Quel lien statistique entre 2 variables ?
La corrélation est une mesure statistique qui exprime la notion de liaison linéaire entre deux variables (ce qui veut dire qu'elles évoluent ensemble à une vitesse constante). C'est un outil courant permettant de décrire des relations simples sans s'occuper de la cause et de l'effet.
C'est quoi la distribution d'une variable ?
La distribution d'une variable est le profil des valeurs , c'est-à-dire l'ensemble formé de toutes les valeurs possibles et des fréquences associées à ces valeurs. Les distributions de fréquences sont représentées sous forme de tableaux ou de graphiques.
Le coefficient de Pearson permet de mesurer le niveau de corrélation entre les deux variables. Il renvoie une valeur entre -1 et 1. S'il est proche de 1 cela signifie que les variables sont corrélées, proche de 0 que les variables sont décorrélées et proche de -1 qu'elles sont corrélées négativement.

Distributions de plusieurs

variables

Mathematiques Generales B

Universite de Geneve

Sylvain Sardy

8 mai 2008

1. Distributions conjointes

Comment generaliser les fonctions de probabilite et de densite a plus d'une variable aleatoire?

Variables aleatoires discretes:

Considerons 2 variables discretes :X=utilite des mathematiques etY= branche d'etude.XnYPharma SdlT Bio ChimieTotal

Math15 2 16 831

Math219 4 24 1259

Math32 2 6 414

Total26 8 46 24104

Tableau de contingence (2007)Distributions

XnYPharma SdlT Bio ChimieTotal

Math10.05 0.02 0.15 0.080.30

Math20.18 0.04 0.23 0.120.57

Math30.02 0.02 0.06 0.040.13

Total0.25 0.08 0.44 0.231

Tableau de probabilite

La probabilite conjointe est simplement donnee par un tableau de probabilites, ou

P(X = i;Y = j) = pijpour tout(i;j)

pour deux variables. Pour trois variables, il faut denir : P(X = i;Y = j;Z = k) = pijkpour tout(i;j;k):Distributions 3 Variables aleatoires continues: deux variables aleatoiresX=taille etY= poids ont unefonction de densite conjointesi

P((X;Y)2A) =Z Z

A f(x;y) dx dy; ouf(x;y)>0etR Rf(x;y)dx dy= 1.

Exemple :

f(x;y) =exp(y)0 < x < y <1 0 sinon

Est-ce bien une fonction de densite?

Exemple : Distribution uniforme bivariee sur un carre, un disque, ...Distributions 4y x f(x,y)Fonction de densite a deux variables.

Distributions

5 Il est aussi possible de denir unefonction de repartition conjointe

F(x;y) = P(X6x;Y6y)

pour deux variables. Il est facile de generaliser an>2variables. La fonction de densite conjointe s'obtient de la fonction de repartition en dierenciant@2F@x@y =f pourn= 2.Distributions 6 Exemple : On tire deux boules sans remise d'une urne qui contient 8 Rouge,

6 Bleue et 4 Verte. SoitX=le nombre de boules Rouge etY=le nombre de

boules Bleue. Trouver la distribution conjointe deXetY.

XnY0 1 2

06 153
24153
15153
132
153
48153
0228
153
0

0 Distributions

7 Exemple : Soit deux variables aleatoiresXetYde densitef(x;y) =c(x+y) sur[0;1][0;1]. (1) Que vautc? (2) Que vautP(X<1=2)? (etP(X61=2)?) (3) Que vautP(X + Y<1)? (1) (2)P(X<1=2) = P(X<1=2;Y2[0;1]) =R1=2 0R 1

0(x + y) dy dx =

(3)P(X + Y<1) = P(X<1Y;Y2[0;1]) =R1 0R 1y

0(x + y) dx dy =Distributions

2. Distributions marginales

Comment trouver lesdistributions marginalesdeXet deYa partir de la distribution conjointe de(X;Y)?

Cas discret

P(X = x) =

X yP(X = x;Y = y) est la distribution marginale deX.

P(Y = y) =

X xP(X = x;Y = y) est la distribution marginale deY.Distributions 9

Exemple :XnYPharma SdlT Bio ChimieP(X = x)

Math10.05 0.02 0.15 0.080.30

Math20.18 0.04 0.23 0.120.57

Math30.02 0.02 0.06 0.040.13

P(Y = y)0.25 0.08 0.44 0.231

Tableau de probabiliteDistributions

Exemple :

XnY0 1 2P(X = x)

06 153
24153

1515345

153
132
153
48153
080
153
228
153
0 0 :::

P(Y = y):::

72153

Distributions

Cas continu

X(x) =Z

f(x;y)dy est la distribution marginale deX. f

Y(y) =Z

f(x;y)dx est la distribution marginale deY. Cela denit-il bien des fonctions de densite?Distributions 12

Exemple :

f(x;y) =exp(y)0 < x < y <1 0 sinon

On trouve :

X(x)= Z

f(x;y)dy=Z 1 x exp(y)dy= exp(x) f

Y(y)= Distributions

130246810

0.0 0.2 0.4 0.6 0.8 1.0 x f(x)

Densité marginale X

0246810

0.0 0.1 0.2 0.3 y f(y) Densité marginale YFonctions de densite marginale.

Distributions

3. Independance

Denition

Deux v.a.XetYsontindependantessi pour tout ensembleAetBon a

P(X2A;Y2B) = P(X2A)P(Y2B):

On peut demontrer que cette denition est equivalente a :

Cas disc ret:

P(X = x;Y = y) = P(X = x)P(Y = y)

Cas c ontinu:

f (X;Y)(x;y) =fX(x)fY(y) pour toutx;y.Distributions 15

Exemple :

XnY0 1 2P(X = x)

06 153
24153

1515345

153
132
153
48153
080
153
228
153
0 0 28

153P(Y = y):::

72153

Puisque

P(X = 2;Y = 2)6= P(X = 2)P(Y = 2);

on deduit queXetYne sont pas independantes.Distributions 16

Exemple :

f(x;y) =exp(y)0 < x < y <1 0 sinon

On a trouve :

X(x)= Z

f(x;y)dy=Z 1 x exp(y)dy= exp(x) f

Y(y)= yexp(y)

DoncXetYne peuvent pas ^etre independantes.

Exemple :(X;Y)a pour densite conjointef(x;y) = (x+y)2(xy)2sur [0;1]2. Les v.a.XetYsont-elles independantes?Distributions 17

4. Somme de deux v.a. independantes

Soit 2 v.a.XetY. On s'interesse a la distribution de leur sommeS=X+Y. D'une maniere generale, c'est un probleme dicile. En supposant queXetY sont independantes, le probleme est parfois simplie.

Cas discret

P(S = s)

P(X + Y = s)

=X xP(X = x;Y = sx) X xP(X = x)P(Y = sx):Distributions 18 Exemple :XPoi()etYPoi()sont independantes. Peut-on dire quelque chose deS=X+Y? PuisqueP(X = j) = 0quandj <0, etP(Y = kj) = 0quandj > k

P(X + Y = k)

kX j=0P(X = j)P(Y = kj) kX j=0exp()jj!exp()kj(kj)! exp( (+))1k!k X j=0C k;jjkj exp( (+))1k!:::Distributions 19

Donc on peut ecrire "Poi()ind+ Poi() = Poi(+)".

C'est plus l'exception que la regle de trouver une distribution simple et de m^eme loi. Par exemple a-t-on "Bin(n;p1)ind+ Bin(n;p2) = Bin(n;p1+p2)"? Ou plut^ot "Bin(n1;p)ind+ Bin(n2;p) = Bin(n1+n2;p)"?Distributions 20

Cas continu

SiXfXest independante deYfY, alorsS=X+Ya pour densite f

X+Y(s) =Z

X(x)fY(sx)dx:

On peut par exemple demontrer que

"N(1;21)ind+ N(2;22) = N(1+2;21+22)":Distributions 21

5. Distributions conditionnelles

Cas discret

P(X = xjY = y) =P(X = x;Y = y)P(Y = y)

Cas continu

f(xjY=y) =f(x;y)f Y(y) Ainsif(x;y) =f(xjY=y)fY(y). Donc siXetYsont independants, on obtient (page 14) : f(x;y) =fX(x)fY(y):Distributions 22

Exemple :XnYPharma SdlT Bio ChimieP(X = x)

Math10.05 0.02 0.15 0.080.30

Math20.18 0.04 0.23 0.120.57

Math30.02 0.02 0.06 0.040.13

P(Y = y)0.25 0.08 0.44 0.231

Tableau de probabilite

P(X = 2jY = Bio) =P(X=2;Y=Bio)P(Y=Bio)

=0:230:44= 0:52Distributions 23

Exemple :

f(x;y) =exp(y)0 < x < y <1 0 sinon f(xjY=y) =f(x;y)f(y)=exp(y)yexp(y)=1y pour0< x < y

DoncXjY=y:::.

f(yjX=x) =f(x;y)f(x)=exp(y)exp(x)= exp((yx))poury > x.

DoncYXjX=xExp(1).Distributions

24012345

0.0 0.5 1.0 1.5 2.0 x f(x|Y=0.5)

Conditional X|Y=0.5

012345

0.0 0.5quotesdbs_dbs42.pdfusesText_42

[PDF] distribution conditionnelle statistique exercice corrigé

[PDF] redoublement scolaire pour ou contre

[PDF] tableau de contingence exercice corrigé

[PDF] fréquence cumulée croissante calcul

[PDF] commission d appel passage en seconde

[PDF] redoublement terminale refusé

[PDF] recours affectation lycée

[PDF] formule effectif cumulé croissant

[PDF] regulateur de pression d'eau reglage

[PDF] réducteur de pression eau

[PDF] comment installer un reducteur de pression d'eau

[PDF] le diagramme ci contre représente certains niveaux d'énergie

[PDF] la couleur de la nébuleuse d'orion

[PDF] la nébuleuse d'orion se trouve ? 1 70

[PDF] réduction des endomorphismes mp

[PDF] Distributions de plusieurs variables

Comment calculer des statistiques à deux variables ?

Quel lien statistique entre 2 variables ?

C'est quoi la distribution d'une variable ?

Distributions de plusieurs

Mathematiques Generales B

Universite de Geneve

Sylvain Sardy

8 mai 2008

1. Distributions conjointes

Variables aleatoires discretes:

Math15 2 16 831

Math219 4 24 1259

Math32 2 6 414

Total26 8 46 24104

Tableau de contingence (2007)Distributions

XnYPharma SdlT Bio ChimieTotal

Math10.05 0.02 0.15 0.080.30

Math20.18 0.04 0.23 0.120.57

Math30.02 0.02 0.06 0.040.13

Total0.25 0.08 0.44 0.231

Tableau de probabilite

P(X = i;Y = j) = pijpour tout(i;j)

P((X;Y)2A) =Z Z

Exemple :

Est-ce bien une fonction de densite?

Distributions

F(x;y) = P(X6x;Y6y)

6 Bleue et 4 Verte. SoitX=le nombre de boules Rouge etY=le nombre de

XnY0 1 2

0 Distributions

0(x + y) dy dx =

0(x + y) dx dy =Distributions

2. Distributions marginales

Cas discret

P(X = x) =

P(Y = y) =

Exemple :XnYPharma SdlT Bio ChimieP(X = x)

Math10.05 0.02 0.15 0.080.30

Math20.18 0.04 0.23 0.120.57

Math30.02 0.02 0.06 0.040.13

P(Y = y)0.25 0.08 0.44 0.231

Tableau de probabiliteDistributions

Exemple :

XnY0 1 2P(X = x)

1515345

P(Y = y):::

Distributions

Cas continu

X(x) =Z

Y(y) =Z

Exemple :

On trouve :

X(x)= Z

Y(y)= Distributions

130246810

Densité marginale X

0246810

Distributions

3. Independance

Denition

P(X2A;Y2B) = P(X2A)P(Y2B):

Cas disc ret:

P(X = x;Y = y) = P(X = x)P(Y = y)

Cas c ontinu:

Exemple :

XnY0 1 2P(X = x)

1515345

153P(Y = y):::

Puisque

P(X = 2;Y = 2)6= P(X = 2)P(Y = 2);

Exemple :

On a trouve :

X(x)= Z

Y(y)= yexp(y)

DoncXetYne peuvent pas ^etre independantes.

4. Somme de deux v.a. independantes

Cas discret

P(S = s)

P(X + Y = s)