Loi demi-normale

La densité de probabilité de la loi demi-normale est donnée par :

${\displaystyle f_{Y}(y;\theta )={\begin{cases}{\frac {\sqrt {2}}{\sigma {\sqrt {\pi }}}}\exp \left(-{\frac {y^{2}}{2\sigma ^{2}}}\right)&{\text{ si }}y>0\\0&{\text{ sinon.}}\end{cases}}}$

L'espérance est :

${\displaystyle \mathbb {E} [Y]=\mu ={\frac {\sigma {\sqrt {2}}}{\sqrt {\pi }}}}$.

En faisant le changement de variable : ${\displaystyle \theta ={\frac {\sqrt {\pi }}{\sigma {\sqrt {2}}}}}$, utile lorsque ${\displaystyle \sigma }$ est proche de zéro, la densité prend la forme :

${\displaystyle f_{Y}(y;\theta )={\begin{cases}{\frac {2\theta }{\pi }}\exp \left(-{\frac {y^{2}\theta ^{2}}{\pi }}\right)&{\text{ si }}y>0\\0&{\text{ sinon.}}\end{cases}}}$

L'espérance est alors :

${\displaystyle \mathbb {E} [Y]=\mu ={\frac {1}{\theta }}}$.

La fonction de répartition de la loi demi-normale est donnée par :

${\displaystyle F_{Y}(y;\sigma )={\begin{cases}\int _{0}^{y}{\frac {1}{\sigma }}{\sqrt {\frac {2}{\pi }}}\,\exp \left(-{\frac {x^{2}}{2\sigma ^{2}}}\right)\,dx&{\text{ si }}y>0\\0&{\text{ sinon.}}\end{cases}}}$

En utilisant le changement de variable ${\displaystyle z=x/({\sqrt {2}}\sigma )}$, la fonction de répartition peut s'écrire

${\displaystyle F_{Y}(y;\sigma )={\begin{cases}{\frac {2}{\sqrt {\pi }}}\,\int _{0}^{y/({\sqrt {2}}\sigma )}\exp \left(-z^{2}\right)dz={\mbox{erf}}\left({\frac {y}{{\sqrt {2}}\sigma }}\right),&{\text{ si }}y>0\\0&{\text{ sinon.}}\end{cases}}}$

où erf est la fonction d'erreur.

La variance est :

${\displaystyle \operatorname {Var} (Y)=\sigma ^{2}\left(1-{\frac {2}{\pi }}\right).}$

Puisqu'elle est proportionnelle à la variance ${\displaystyle \sigma ^{2}}$ de X, ${\displaystyle \sigma }$ peut être vu comme un paramètre d'échelle de cette nouvelle loi.

L'entropie de la loi demi-normale est

${\displaystyle H(Y)={\frac {1}{2}}\log \left({\frac {\pi \sigma ^{2}}{2}}\right)+{\frac {1}{2}}.}$

• (en) loi demi-normale sur MathWorld.