1 / 17

Autres LOIS de PROBABILITES

Autres LOIS de PROBABILITES. Professeur Pascale FRIANT-MICHEL > Faculté de Pharmacie Pascale.Friant@cbt.uhp-nancy.fr. I - INTRODUCTION > II - LOI du x2 (1). Les autres LOIS de PROBABILITES. Grand nombre de lois de probabilités

barth
Download Presentation

Autres LOIS de PROBABILITES

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Autres LOIS de PROBABILITES Professeur Pascale FRIANT-MICHEL>Faculté de Pharmacie Pascale.Friant@cbt.uhp-nancy.fr

  2. I - INTRODUCTION > II - LOI du x2 (1) Les autres LOIS de PROBABILITES • Grand nombre de lois de probabilités • - Etude de trois lois très utilisées dans les tests statistiquesde formulation connue mais complexe • => seules leurs principales caractéristiques seront données II – LOI du c2(lettre grecque : khi, on dit : loi du khi deux) Permet, en particulier, de comparer des distributions 1. Définition Soient X1, X2, . . . Xn, n lois normales centrées réduites N (0, 1) indépendantes P. FRIANT-MICHEL Chapitre - Autres Lois de Probabilités

  3. II - LOI du c2 (2) • Définition (2) La loi de c2 à n degrés de liberté est la loi de la variable aléatoire somme : c2n = + + . . . + Remarque : c2 à 1 degré de liberté est le carré d’une variable normale centrée réduite 2. Propriétés • a)c2 0, + ∞  • b) distribution de c2continue • c)représentation graphique de la loi de c2 . courbe en cloche unimodale asymétrique avec étalement vers la droite (pour les faibles valeurs de n) . famille de courbes de c2 suivant le nombre n de degrés de liberté P. FRIANT-MICHEL Chapitre - Autres Lois de Probabilités

  4. II - LOI du c2 (3) 2. Propriétés (2) P(c2) n = 4 0,15 n = 1 0,10 n = 15 0,05 c2 0 10 20 30 • . La loi de c2 tend vers la loi normale centrée réduite • quand n ∞ • Les deux lois deviennent quasiment identiques quand n > 30 • d)En pratique : tables de la distribution de c2 • tables établies par PEARSON P. FRIANT-MICHEL Chapitre - Autres Lois de Probabilités

  5. II - LOI du c2 (4) 3. Table du c2 (la plus utilisée) . donne, en fonction du nombre de degrés de liberté, les valeurs limites c2a du c2 correspondant au coefficient de risque a P(c2) a c2 c2a 0 . table à double entrée (du fait de la dépendance en n) La valeur de a est lue en ligne, celle de n en colonne, la valeur recherchée c2a se situant à l’intersection P. FRIANT-MICHEL Chapitre - Autres Lois de Probabilités

  6. II - LOI du c2 (5) 3. Table du c2 (2) Exemple :pour n = 8 et a = 0,05 Dans les tests statistiques, on utilise souvent comme seuil de risque : • a = 5 % soit pour n = 8 c25%= 15,51 • a = 1 % " c21% = 20,09 P. FRIANT-MICHEL Chapitre - Autres Lois de Probabilités

  7. II - LOI du c2 (6) >III - LOI de STUDENT ou de STUDENT-FISHER (1) 3. Table du c2 (3) Remarques : - pour toute la 1ère ligne, les valeurs sont celles ducarré de la variable normale centrée réduite t - la table s’arrête pour n = 30, au-delà on prend l’approximation de la loi normale et on utilise la table de t III - LOI de STUDENT ou de STUDENT-FISHER Permet, en particulier, de comparer les moyennes d’échantillons 1. Définition La loi de STUDENT notée ts à n degrés de liberté est le quotient d’une loi normale centrée réduite N (0, 1) par la racine carrée d’une loi du khi2 à n degrés de liberté divisée par n ; les deux lois étant indépendantes ts = P. FRIANT-MICHEL Chapitre - Autres Lois de Probabilités

  8. III - LOI de STUDENT ou de STUDENT-FISHER (2) 2. Propriétés • a)ts  - ∞, + ∞ [ • b)représentation graphique de la loi de STUDENT • . courbe en cloche symétrique, plus aplatie que lacourbe de Gauss (courbe hyper-normale) P(t) courbe normale courbe hyper-normale t 0 . d’autant plus aplatie que n est plus petit P. FRIANT-MICHEL Chapitre - Autres Lois de Probabilités

  9. III - LOI de STUDENT ou de STUDENT-FISHER (3) 2. Propriétés (2) . famille de distributions de ts suivant le nombre n de degrés de liberté P(ts) n = 40 n = 10 n = 3 ts 0 • . La loi de STUDENT tend vers la loi normale centrée réduite • quand n ∞ • Les deux lois deviennent quasiment identiques quand n > 30 P. FRIANT-MICHEL Chapitre - Autres Lois de Probabilités

  10. III - LOI de STUDENT ou de STUDENT-FISHER (4) 2. Propriétés (3) • c)En pratique : tables de la variable ts 3. Table de la variable de STUDENT-FISHER (la plus utilisée) . similaire à celle de l’écart-réduit (loi normale) a / 2 a / 2 - ts ts 0 . table à double entrée (du fait de la dépendance en n) La valeur de a est lue en ligne, celle de n en colonne, la valeur recherchée ts se situant à l’intersection P. FRIANT-MICHEL Chapitre - Autres Lois de Probabilités

  11. III - LOI de STUDENT ou de STUDENT-FISHER (5) 3. Table de la variable de STUDENT-FISHER (2) Exemple :pour n = 10 et a = 0,05 Dans les tests statistiques, on utilise souvent comme seuil de risque : • a = 5 % soit ts = 2,228 (t = 1,96 pour loi normale) • a = 1 % ts = 3,169 (t = 2,58 " ) P. FRIANT-MICHEL Chapitre - Autres Lois de Probabilités

  12. IV - LOI de SNEDECOR ou de FISHER-SNEDECOR (1) Permet, en particulier, de comparer les variances d’échantillons 1. Définition Soient c2n1et c2n2 deux lois indépendantes du c2 à n1 et n2 degrés de liberté respectivement La loi de SNEDECOR à n1 et n2 degrés de liberté notée Fn1,n2(en hommage à Fisher) est définie comme le quotient : Fn1,n2 = 2. Propriétés • a)F  0, + ∞  • b) attention : Fn1,n2 ≠ Fn2,n1 P. FRIANT-MICHEL Chapitre - Autres Lois de Probabilités

  13. IV - LOI de SNEDECOR ou de FISHER-SNEDECOR (2) 2. Propriétés (2) Remarque : quand on échange les degrés de liberté, on démontre que l’on transforme le calcul de la probabilité par le calcul de son complémentaire • c)représentation graphique de la loi de SNEDECOR . dépendance avec les deux degrés de liberté n1 et n2 => famille de courbes de SNEDECOR . courbes en cloche unimodale asymétrique avec étalement vers la droite P(F) (n1,n2) = (2, 5) (n1,n2) = (10, 10) (n1,n2) = (5, 2) F 0 P. FRIANT-MICHEL Chapitre - Autres Lois de Probabilités

  14. IV - LOI de SNEDECOR ou de FISHER-SNEDECOR (3) 2. Propriétés (3) • d)En pratique : tables de la distribution de F 3. Table de SNEDECOR . similaire à celle de c2 P(F) a . table à triple entrée (du fait de la double dépendance en degrés de liberté) => une table par valeur de a F Fa 0 . pour chaque a, table à double entrée (n1 et n2) La valeur de n1 est lue en ligne, celle de n2 en colonne, la valeur recherchée Fa se situant à l’intersection P. FRIANT-MICHEL Chapitre - Autres Lois de Probabilités

  15. IV - LOI de SNEDECOR ou de FISHER-SNEDECOR (4) 3. Table de SNEDECOR(2) Exemple :pour a = 0,05, n1 = 20 et n2 = 10 Reportons-nous à la table a = 5% Soit F20,10 = 2,77 P. FRIANT-MICHEL Chapitre - Autres Lois de Probabilités

  16. IV - LOI de SNEDECOR ou de FISHER-SNEDECOR (5) 3. Table de SNEDECOR(3) Quand les valeurs ne sont pas dans les tables, on procède par interpolation P. FRIANT-MICHEL Chapitre - Autres Lois de Probabilités

  17. L1 SANTE

More Related