AccueilđŸ‡«đŸ‡·Chercher

Loi inverse

En théorie des probabilités et en statistique, une loi inverse est la loi de probabilités de l'inverse d'une variable aléatoire. Les lois inverses apparaissent en particulier dans le contexte bayésien des lois a priori et des lois a posteriori pour les paramÚtres d'échelle. Dans l'algÚbre des variables aléatoires, les lois inverses sont des cas particuliers de la classe des lois de rapport, dans laquelle la variable aléatoire du numérateur a une loi dégénérée (en).

Relation avec la loi d'origine

En général, étant donné la loi de probabilité d'une variable aléatoire X à support strictement positif, il est possible de trouver la loi de l'inverse, Y = 1 / X . Si la loi de X est continue avec la fonction de densité f(x) et la fonction de répartition F(x), alors la fonction de répartition, G (y), de l'inverse est trouvée en notant que

Ensuite, la fonction de densité de Y est trouvée comme la dérivée de la fonction de loi cumulative :

Exemples

Loi réciproque

La loi réciproque (en) a une densité fonction de la forme[1]:

oĂč signifie "est proportionnel Ă ". Il s'ensuit que la loi inverse dans ce cas est de la forme

qui est encore une loi réciproque.

Loi uniforme inverse

Si la variable alĂ©atoire d'origine X est uniformĂ©ment distribuĂ©e sur l'intervalle ( a, b ), oĂč a > 0, alors la variable inverse Y = 1 / X a la loi inverse qui prend des valeurs dans l'intervalle ( b−1, a−1 ), et la fonction de densitĂ© de probabilitĂ© dans cette plage est

et est nulle ailleurs.

La fonction de rĂ©partition de l'inverse, dans le mĂȘme intervalle, est

Par exemple, si X est uniformément distribué sur l'intervalle (0;1), alors Y = 1 / X a une densité et a pour fonction de répartition lorsque

Loi inverse-Student

Soit X une variable aléatoire suivant une loi de Student avec k degrés de liberté. Alors sa fonction de densité est

La densité de Y = 1 / X est alors

Avec k = 1, les lois de X et 1 / X sont identiques ( X suit alors une loi de Cauchy (0,1)). Si k > 1 alors la loi de 1 / X est bimodale.

Loi normale inverse

Si la variable X suit une loi normale , alors l'inverse ou réciproque Y = 1/ X suit une loi normale inverse[2]:

Graphique de l'inverse de la loi normale standard

Si la variable X suit une loi normale centrée réduite , alors Y = 1/X suit une loi normale standard réciproque, à queue lourde et bimodale[2] avec des modes en et de densité

et les moments de premier ordre et d'ordre supĂ©rieur n'existent pas[2] Pour ces lois inverses et pour les lois de rapport, il peut toujours y avoir des probabilitĂ©s dĂ©finies pour les intervalles, qui peuvent ĂȘtre calculĂ©es soit par simulation de Monte Carlo, soit, dans certains cas, en utilisant la transformation de Geary-Hinkley[3].

Cependant, dans le cas plus général d'une fonction réciproque décalée , pour suivant une loi normale générale, alors les statistiques de moyenne et de variance existent dans un sens de valeur principale, si la différence entre le pÎle et la moyenne est à valeur réelle. La moyenne de cette variable aléatoire transformée (loi normale décalée réciproque) est alors bien la fonction de Dawson mise à l'échelle[4].

En revanche, si le dĂ©placement est purement complexe, la moyenne existe et est une fonction de Faddeeva (en) mise Ă  l'Ă©chelle, dont l'expression exacte dĂ©pend du signe de la partie imaginaire, . Dans les deux cas, la variance est une simple fonction de la moyenne[4]. Par consĂ©quent, la variance doit ĂȘtre considĂ©rĂ©e dans un sens de valeur principale si est rĂ©el, alors qu'il existe si la partie imaginaire de est non nul. Il faut noter que ces moyennes et ces variances sont exactes, car elles ne dĂ©pendent pas de la linĂ©arisation du rapport. La covariance exacte de deux rapports avec une paire de pĂŽles diffĂ©rents et est Ă©galement disponible[4]. Le cas de l'inverse d'une variable normale complexe (en) , dĂ©calĂ© ou non, prĂ©sente des caractĂ©ristiques diffĂ©rentes.

Loi exponentielle inverse

Si est une variable aléatoire de loi exponentielle avec de paramÚtre , alors a la fonction de répartition suivante : pour .

On note que l'espérance de cette variable aléatoire n'existe pas.

La loi exponentielle réciproque trouve une utilisation dans l'analyse des systÚmes de communication sans fil qui s'évanouissent.

Loi de Cauchy inverse

Si X est une variable alĂ©atoire suivant une loi de Cauchy de paramĂštres (ÎŒ, σ), alors 1/X est une variable alĂ©atoire de Cauchy de paramĂštres (ÎŒ/C, σ/C ) oĂč C = ÎŒ2 + σ2.

Loi de Fisher inverse

Si X est une variable alĂ©atoire suivant une loi de Fisher F(Îœ1, Îœ2) alors 1 / X est une variable alĂ©atoire suivant une loi de Fisher F(Îœ2, Îœ1).

RĂ©ciproque de la loi binomiale

Aucune forme fermée pour cette loi n'est connue. Une approximation asymptotique de la moyenne est connue[5]:

oĂč E[] est l'opĂ©rateur d'espĂ©rance, X est une variable alĂ©atoire, O() et o() renvoient aux notations de Landau, n est la taille de l'Ă©chantillon, p est la probabilitĂ© de succĂšs et a est une variable qui peut ĂȘtre positif ou nĂ©gatif, entier ou fractionnaire.

Loi triangulaire réciproque

Pour une loi triangulaire avec limite infĂ©rieure a, limite supĂ©rieure b et mode c, oĂč a < b et a ≀ c ≀ b, la moyenne de l'inverse est donnĂ©e par

et la variance par

.

Les deux moments de l'inverse ne sont définis que lorsque le triangle ne passe pas par zéro, c'est-à-dire lorsque a, b et c sont tous positifs ou tous négatifs.

Autres loi inverses

D'autres lois inverses incluent

Loi inverse-χÂČ
loi inverse-gamma
loi de Wishart inverse
loi gamma matricielle inverse

Applications

Les lois inverses sont largement utilisées comme lois a priori dans l'inférence bayésienne pour les paramÚtres d'échelle.

Voir Ă©galement

Références

  1. (en) Richard Hamming, « On the distribution of numbers », The Bell System Technical Journal, vol. 49, no 8,‎ , p. 1609–1625 (lire en ligne)
  2. Norman L. Johnson, Samuel Kotz et Narayanaswamy Balakrishnan, Continuous Univariate Distributions, Volume 1, Wiley, , 171 p. (ISBN 0-471-58495-9)
  3. (en) Hayya, Armstrong et Gressis, « A Note on the Ratio of Two Normally Distributed Variables », Management Science, vol. 21, no 11,‎ , p. 1338–1341 (DOI 10.1287/mnsc.21.11.1338, JSTOR 2629897)
  4. (en) Lecomte, « Exact statistics of systems with uncertainties: an analytical theory of rank-one stochastic dynamic systems », Journal of Sound and Vibration, vol. 332, no 11,‎ , p. 2750–2776 (DOI 10.1016/j.jsv.2012.12.009)
  5. (en) F. Cribari-Neto, N. Lopes Garcia et KLP. Vasconcellos, « A note on inverse moments of binomial variates », Brazilian Review of Econometrics, vol. 20, no 2,‎
Cet article est issu de wikipedia. Text licence: CC BY-SA 4.0, Des conditions supplĂ©mentaires peuvent s’appliquer aux fichiers multimĂ©dias.