: tdr21 ————— Lois de Probabilités ————

30 oct. 2016 ajoute la lettre r devant loi. Ci-dessous un tableau grossier récapitulatif : Loi : loi densité fonction de répartition quantile simulation.

Notes de cours Statistique avec le logiciel R

test(x y). Page 10. 8. Introduction. Exercice. 1. Soit X1

Quelques rudiments de Stat sous R. 1 Quelques rappels sur les lois

– pnorm() avec p pour probabilité qui représente la fonction de répartition de la loi normale. – qnorm() avec q pour quantile

T. P. n 4 Simulation de lois avec le logiciel R

continue et de la fonction de probabilité (P[X = k]) dans le cas d'une loi discr`ete ;. • pnomdist : il s'agit de la fonction de répartition (P[X<x]) ;.

Fonction de répartition et copules

10 oct. 2008 Soit X une variable aléatoire `a valeurs dans R de fonction de répartition F. Si F est continue alors F(X) est de loi uniforme sur [0

: tdr21 ————— Lois de Probabilités —————

qnorm() avec q pour quantile qui représente la fonction réciproque de la fonc- tion de répartition de la loi normale. rnorm() avec r pour random (aléatoire

Résumé du Cours de Statistique Descriptive

15 déc. 2010 Les fréquences cumulées sont représentées au moyen de la fonction de répartition. Cette fonction présentée en Figure 1.7

cours3 [Mode de compatibilité]

Fonction write.table() : exporte un fichier créé dans R dans le répertoire de travail ecdf(x) : construit la fonction de répartition empirique de x.

C Fonction de répartition et quantile

Soit x ? R et (Xnn ? N?. ) une suite de variables aléatoires réelles indépen- dantes et de même loi. D'apr`es la loi forte des grands nombres

Exercices de probabilités avec éléments de correction Memento

Fonction de répartition (si d = 1) : FX(t) = P(X ? t) t ? R. – Fonction génératrice (si X à valeurs dans N) : GX(s) = E[sX] = ?.

Lois de probabilité usuelles (rappels) - ENS

>Lois de probabilité usuelles (rappels) - ENS

Comment calculer la fonction de répartition d’une loi continue?

i) Fonction de répartition d’une loi continue Si X est une variable aléatoire de densité f, sa fonction derépartitionestégaleà F X(x) = P(X 6x) = Z

Quelle est la fonction de répartition d’une loi discrète?

Généralités Fonction de répartition d’une loi discrète Si X est une variable aléatoire telle que X( ) = f x 1;:::;x ng,safonctionderépartitionestégaleà F X(x) = P(X 6x) = P 16i6n x i6x P(X = x i) Fonction de répartition d’une loi continue Si X est une variable aléatoire de densité f, sa fonction derépartitionestégaleà F X(x) = P(X 6x) = Z x 1

Qu'est-ce que le logiciel R ?

Le logiciel R dispose d'une extension (package) dédiée aux statistiques, stats, qui est chargée par défaut.

Fiche TD avec le logiciel:tdr21

Lois de Probabilités

A.B. Dufour, D. Chessel & J.R. Lobry

Conventions (d p q r) et (x q p n), Loi binomiale, loi normale, loi hypergéométrique, loi de Poisson, loi uniforme, loi du Khi2, loi de Student, loi de Fisher, loi exponentielle, loi beta

1 Conventions de nommage

Les conventions de nommage utilisées pour les lois de probabilité danssont plus robustes que celles des langages de programmation généralistes parce

qu"elles illustrent des propriétés mathématiques. C"est pourquoi il est intéressant de se les approprier.

1.1 Nom des fonctions : d p q r

Sixxxdésigne sousune loi de probablité alorsdxxx(),pxxx(),qxxx() etrxxx()représentent la fonction de densité de probablité, la fonction de ré- partition, la réciproque de cette dernière et la fonction de génération aléatoire de cette loi, respectivement (voir la figure 1 page 6 pour une illustration de ces notions). Par exemple, la loi normale est notéenorm, nous avons donc : dnorm()avecdpourdensité, qui représente la fonction de densité de probabilité de la loi normale. pnorm()avecppourprobabilité,qui représente la fonction de répartition de la loi normale. qnorm()avecqpourquantile, qui représente la fonction réciproque de la fonc- tion de répartition de la loi normale. rnorm()avecrpourrandom (aléatoire, du vieux françaisaller à randon, comme dans une randonnée), qui représente la fonction permettant de faire des tirages aléatoire selon une loi normale. Cette convention de nommage est respectée par toutes les lois de probabilités définies dans(voir la table 1 page 5 pour les lois disponibles dans la distribu- tion de base). La page d"aide des quatres fonctions est toujours la même, vous pouvez donc y accéder en invoquant dans la consoleindifféremment?dnorm, ?pnorm,?qnormou?rnorm, dans le cas de la loi normale. Plus généralement 1

A.B. Dufour, D. Chessel & J.R. Lobry

?dxxx,?pxxx,?qxxxou?rxxxpour la loixxx. Mais n"oubliez pas la lettre ini- tiale sans quoi vous pourriez avoir des surprises : essayez d"entrer?normdans la console. La notation des paramètres est cohérente entre toutes les fonctionsd p q r. Par exemple, pour la loi normaleN(μ,σ), les deux paramètresμetσsont toujours notésmeanetsdpour les fonctionsdnorm(),pnorm(),qnorm()et rnorm().

1.2 Nom des arguments : x q p n

Le premier argument des fonctionxxxest toujours nommé de la façon sui- vante : dxxx(x)avecxcomme dans la fonction de densité de probabilitéφ(x)un vec- teur de valeurs possibles pour une variable aléatoire suivant la loixxx. pxxx(q)avecqpourquantile, un vecteur de valeurs possibles pour une variable aléatoire suivant la loixxx. qxxx(p)avecppourprobabilité, un vecteur de probabilités. rxxx(n)avecnun entier donnant le nombre total de tirages aléatoire voulu. Avec ces notations on met bien en évidence les fonctions réciproques : on a qxxx(pxxx(q)) = q, par exemple : q1 <- 1.96 qnorm(pnorm(q1)) [1] 1.96 qnorm(pnorm(q1)) == q1 [1] FALSE all.equal(qnorm(pnorm(q1)), q1) [1] TRUE

2 Application

Donner toutes les valeurs de la loi binomiale de paramètresn= 10etp= 1/3 (B(10,1/3)). options(digits = 7) #par défaut dbinom(0:10, 10, 1/3)

[1] 1.734153e-02 8.670765e-02 1.950922e-01 2.601229e-01 2.276076e-01 1.365645e-01[7] 5.690190e-02 1.625768e-02 3.048316e-03 3.387018e-04 1.693509e-05

options(digits = 4)

Rappeler l"ordre avec la touche↑.

dbinom(0:10, 10, 1/3)

[1] 1.734e-02 8.671e-02 1.951e-01 2.601e-01 2.276e-01 1.366e-01 5.690e-02 1.626e-02[9] 3.048e-03 3.387e-04 1.694e-05

Quelle est la probabilité d"obtenir 1 avec une loi binomialeB(10,1/3)? dbinom(1, 10, 1/3) [1] 0.08671version 3.4.1 (2017-06-30) - Page2/23 - Compilé le 2018-01-30

A.B. Dufour, D. Chessel & J.R. Lobry

Quelle est la probabilité d"obtenir plus de 45 et moins de 55 avec une loi bino- mialeB(100,1/2)?

Taper :

?dbinom La fenêtre de documentation de la fonction apparaît et vous pouvez lire en bas : # Compute P(45 < X < 55) for X Binomial(100,0.5) sum(dbinom(46:54, 100, 0.5)) Copier l"ordre et le coller dans la fenêtre de commande : sum(dbinom(46:54, 100, 0.5)) [1] 0.6318 Quelle est la probabilité d"obtenir au plus 1 avec une loi binomiale pourB(10,1/3)? pbinom(1, 10, 1/3) [1] 0.104 dbinom(0, 10,1/3) [1] 0.01734 dbinom(1, 10,1/3) [1] 0.08671 dbinom(0, 10,1/3) + dbinom(1, 10,1/3) [1] 0.104 pbinom(0.5, 10, 1/3) [1] 0.01734 pbinom(-0.5, 10, 1/3) [1] 0 Noter queddonne les valeursP(X=j)(densité, définie pour les valeurs pos- pour toutx).

Exercice

1. Quelle est la probabilité de dépasser stricte ment4 p ourune loi de P oisson de paramètre 2.7 (P(2.7))? [1] 0.1371 2. Quelle est la probabilité de dépasser 1.96 p ouru neloi nor malecen trée réduite (N(0,1))? [1] 0.025 tile)? qnorm(0.975) [1] 1.96 Exercice. Quel est le quantile 1 % pour une loiTde Student à 5 ddl? [1] -3.365version 3.4.1 (2017-06-30) - Page3/23 - Compilé le 2018-01-30

URL :https://pbil.univ-lyon1.fr/R/pdf/tdr21.pdf

A.B. Dufour, D. Chessel & J.R. Lobry

(quantile). Donner un échantillon aléatoire simple de 10 valeurs d"une loi de PoissonP(2.7): rpois(10, 2.7) [1] 6 7 1 4 1 2 4 5 2 2 d"une loi normale réduite : rnorm(10) [1] -0.5642 -0.4045 0.4689 -0.2729 1.1111 -0.6367 -0.7952 0.9134 -1.3452 -0.9886 d"une loi du Khi2 à 2 ddl : rchisq(10, 2)

[1] 0.8502195 0.5396597 0.3360932 0.1493039 1.4367047 0.9608651 0.5160077 0.0005666[9] 1.8328644 0.9710617

d"une loi binomialen= 100etp= 1/2. rbinom(10, 100, 0.5) [1] 42 51 51 47 50 55 53 55 55 56

Noter querdonne des échantillons.

Les d, p, q et r disponibles dans la distribution standard desont donnés dans la table 1, ceux disponibles dans le paquetSuppDistssont donnés dans la table 2. De nombreuses autres lois sont disponibles, un inventaire détaillé est maintenu par Christophe Dutang sur le site du CRAN 1. La figure 1 illustre l"utilisation ded p q rdans le cas d"une loi binomiale et de son approximation par une loi normale. Elle a été produite avec la fonction suivante, oùsizereprésente le nombre de tirages etprobla probabilité d"un succès : dpqr <- function(size = 20, prob = 0.5){ opar <- par(no.readonly = TRUE) par(mfrow = c(2, 2), cex.main = 3) plot(0:size, dbinom(0:size, size, prob), type = "h", main = "d", las = 1, ylab = "probabilité", xlab = "Nombre de succès")mean = size*prob sd = sqrt(size*prob*(1 - prob)) xseq <- seq(from = 0, to = size, length = 255) lines(xseq, dnorm(xseq, mean, sd), col = "red") legend("topleft", inset = 0.01, legend = c("dbinom", "dnorm"), lty = 1, col = c("black", "red")) plot(0:size, pbinom(0:size, size, prob), type = "s", main = "p", las = 1, ylab = "probabilité", xlab = "Nombre de succès") lines(xseq, pnorm(xseq, mean, sd), col = "red") legend("topleft", inset = 0.01, legend = c("pbinom", "pnorm"), lty = 1, col = c("black", "red")) pseq <- seq(from = 0, to = 1, length = 255) plot(pseq, qbinom(pseq, size, prob), type = "s", main = "q", las = 1, ylab = "Nombre de succès", xlab = "Probabilité") lines(pseq, qnorm(pseq, mean, sd), col = "red") legend("topleft", inset = 0.01, legend = c("qbinom", "qnorm"), lty = 1, col = c("black", "red"))

n <- 500bin <- rbinom(n, size, prob)1.http://cran.r-project.org/web/views/Distributions.htmlversion 3.4.1 (2017-06-30) - Page4/23 - Compilé le 2018-01-30

A.B. Dufour, D. Chessel & J.R. Lobry

d p q r beta dbeta pbeta qbeta rbeta binom dbinom pbinom qbinom rbinom cauchy dcauchy pcauchy qcauchy rcauchy chisq dchisq pchisq qchisq rchisq exp dexp pexp qexp rexp f df pf qf rf gamma dgamma pgamma qgamma rgamma geom dgeom pgeom qgeom rgeom hyper dhyper phyper qhyper rhyper lnorm dlnorm plnorm qlnorm rlnorm logis dlogis plogis qlogis rlogis nbinom dnbinom pnbinom qnbinom rnbinom norm dnorm pnorm qnorm rnorm pois dpois ppois qpois rpois signrank dsignrank psignrank qsignrank rsignrank t dt pt qt rt unif dunif punif qunif runif weibull dweibull pweibull qweibull rweibull wilcox dwilcox pwilcox qwilcox rwilcoxTable1 - Les lois de probabilité définies dans. plot(table(bin)/n, xlim = c(0, size), main = "r", lwd = 1, las = 1, ylab = "probabilité", xlab = "Nombre de succès", xaxt = "n") axis(1, pretty(c(0, size))) nor <- rnorm(n, mean, sd)lines(density(nor), col = "red") legend("topleft", inset = 0.01, legend = c("rbinom", "rnorm"), lty = 1, col = c("black", "red")) par(opar) Copiez/collez le code source de la fonctiondpqr()dans votre console, puis explorez l"espace des paramètres avec par exemple : dpqr() dpqr(30) dpqr(50) dpqr(100) dpqr(50, 0.6) dpqr(50, 0.7) dpqr(50, 0.8) dpqr(50, 0.9) dpqr(50, 0.95) dpqr(50, 0.99)

3 Loi binomiale

SoitXune loi binomiale. La probabilité d"obtenirksuccès pournessais indépendants avec une probabilitépde succès est :

P(X=k) =?n

k? p

URL :https://pbil.univ-lyon1.fr/R/pdf/tdr21.pdf

A.B. Dufour, D. Chessel & J.R. Lobry05101520

0.00 0.05 0.10 0.15 d

Nombre de succès

probabilité dbinom dnorm

05101520

0.0 0.2 0.4 0.6 0.8 1.0 p

Nombre de succès

probabilité pbinom pnorm

0.00.20.40.60.81.0

0 5 10 15 20 q

Probabilité

Nombre de succès

qbinom qnorm 0.00 0.05 0.10 0.15 r

Nombre de succès

probabilité

05101520

rbinom rnormFigure1 - Illustration ded p q rdans le cas d"une loi discrète, la loi binomiale avecn= 20etp= 0.5et de son approximation par une loi continue, la loi normale de paramètresμ=npetσ=?np(1-p).ddonne la fonction de densité de probabilité, c"est à dire les valeursP(X=j). Notez la différence entre la loi discrète et et la loi continue : dans le cas de la loi discrète la fonction n"est définie que pour les valeurs possibles (0,1,2,...,n).pdonne la fonction la loi discrète que pour la loi continue.qdonne les quantiles, c"est la fonction

réciproque de la fonction de répartition.rdonne un échantillon pseudo-aléatoire.version 3.4.1 (2017-06-30) - Page6/23 - Compilé le 2018-01-30

URL :https://pbil.univ-lyon1.fr/R/pdf/tdr21.pdf

A.B. Dufour, D. Chessel & J.R. Lobry

d p q r

Friedman dFriedman pFriedman qFriedman rFriedman

ghyper dghyper pghyper qghyper rghyper invGauss dinvGauss pinvGauss qinvGauss rinvGauss

Johnson dJohnson pJohnson qJohnson rJohnson

Kendall dKendall pKendall qKendall rKendall

KruskalWallis dKruskalWallis pKruskalWallis qKruskalWallis rKruskalWallis maxFratio dmaxFratio pmaxFratio qmaxFratio rmaxFratio NormScore dNormScore pNormScore qNormScore rNormScore

Pearson dPearson pPearson qPearson rPearson

Spearman dSpearman pSpearman qSpearman rSpearmanTable2 - Les lois de probabilité définies dans le paquet SuppDists

Sa moyenne et sa variance sont :

μ=npetσ2=np(1-p)

La loi binomiale normalisée est définie par : •0=0-μσ ,?•1=1-μσ ,...,?•n=n-μσ et,

P(?•k) =?n

k? p

L"espérance vaut 0 et la variance vaut 1.

Comparer les lois binomiales normalisées pourp= 1/3etn = 5, 20, 50, 100,

200, 500, 1000, 5000.Pour cela, écrire la fonction ci-dessous puis appliquer la

aux différentes valeurs denproposées. loibin <- function(n, p) { y <- dbinom(0:n, n, p) x <- ((0:n)-n*p)/sqrt(n*p*(1-p)) etiq0 <- paste("n=", n) plot(x, y, xlab = etiq0, ylab = "", type = "h", xlim = c(-3,3)) old.par <- par(no.readonly = TRUE) effectif <- c(5, 20, 50, 100, 200, 500, 1000, 5000)par(mfrow = c(2,4)) par(mar = c(5,4,1,2)) sapply(effectif, loibin, p = 1/3) par(old.par)version 3.4.1 (2017-06-30) - Page7/23 - Compilé le 2018-01-30

URL :https://pbil.univ-lyon1.fr/R/pdf/tdr21.pdf

A.B. Dufour, D. Chessel & J.R. Lobry-302

0.00 0.15 0.30 n= 5 -302 0.00 0.10 n= 20 -302quotesdbs_dbs21.pdfusesText_27

[PDF] : tdr21 ————— Lois de Probabilités —————

Comment calculer la fonction de répartition d’une loi continue?

Quelle est la fonction de répartition d’une loi discrète?

Qu'est-ce que le logiciel R ?

Fiche TD avec le logiciel:tdr21

Lois de Probabilités

A.B. Dufour, D. Chessel & J.R. Lobry

1 Conventions de nommage

1.1 Nom des fonctions : d p q r

A.B. Dufour, D. Chessel & J.R. Lobry

1.2 Nom des arguments : x q p n

2 Application

Rappeler l"ordre avec la touche↑.

A.B. Dufour, D. Chessel & J.R. Lobry

Taper :

Exercice

URL :https://pbil.univ-lyon1.fr/R/pdf/tdr21.pdf

A.B. Dufour, D. Chessel & J.R. Lobry

Noter querdonne des échantillons.

A.B. Dufour, D. Chessel & J.R. Lobry

3 Loi binomiale

P(X=k) =?n

URL :https://pbil.univ-lyon1.fr/R/pdf/tdr21.pdf

A.B. Dufour, D. Chessel & J.R. Lobry05101520

Nombre de succès

05101520

Nombre de succès

0.00.20.40.60.81.0

Probabilité

Nombre de succès

Nombre de succès

05101520

URL :https://pbil.univ-lyon1.fr/R/pdf/tdr21.pdf

A.B. Dufour, D. Chessel & J.R. Lobry

Friedman dFriedman pFriedman qFriedman rFriedman

Johnson dJohnson pJohnson qJohnson rJohnson

Kendall dKendall pKendall qKendall rKendall

Pearson dPearson pPearson qPearson rPearson

Sa moyenne et sa variance sont :

μ=npetσ2=np(1-p)

P(?•k) =?n

L"espérance vaut 0 et la variance vaut 1.

200, 500, 1000, 5000.Pour cela, écrire la fonction ci-dessous puis appliquer la

URL :https://pbil.univ-lyon1.fr/R/pdf/tdr21.pdf

A.B. Dufour, D. Chessel & J.R. Lobry-302