next up previous contents
Next: Liaisons entre lois de Up: Quelques lois de probabilités Previous: Quelques lois de probabilités   Contents

Les valeurs principales

Loi Type Prob. ou ddp Moyenne Variance
0-1 D $P(X=0)=1-p$ et $P(X=1)=p$ $p$ $p(1-p)$
Uniforme D $P(X=x) = \frac{1}{n}, x \in [1,n]$ $\frac{n+1}{2}$ $\frac{n^2-1}{12}$
Binomiale D $P(X=x)=C^x_n p^x (1-p)^{n-x}$ pour $x \in [0,n]$ $np$ $np(1-p)$
Géométrique D $P(X=x) = p(1-p)^{x-1}$ pour $x = 1, 2, \ldots$ $\frac{1}{p}$ $\frac{1-p}{p^2}$
Pascal D $P(X=x) = C^{n-1}_{x-1} p^n(1-p)^{x-n}$ $\frac{n}{p}$ $\frac{n(1-p)}{p^2}$
Poisson D $P(X=x) = \frac{e^{-\lambda} \lambda^x}{x!}$ pour $\lambda > 0$ et $x = 1, 2, \ldots$ $\lambda$ $\lambda$
Uniforme C $f(x) = \frac{1}{b-a}$ avec $a \leq x \leq b$ $\frac{a+b}{2}$ $\frac{(b-a)^2}{12}$
Gauss C $f(x) = \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x-\mu)^2}{2\sigma^2}}$ pour $x \in \Re$ $\mu$ $\sigma^2$
Cauchy C $f(x) = \frac{a}{\pi(a^2+x^2)}$ non défini non défini
Gamma C $f(x) = \frac{\lambda^k x^{k-1} e^{-\lambda x}}{\Gamma(k)},~x > O$ $\frac{k}{\lambda}$ $\frac{k}{\lambda^2}$
Exponentielle C $f(x) = \frac{1}{a} e^{-\frac{x}{a}}$ pour $x > 0$ et $a > 0$ $a$ $a^2$
Rayleigh C $f(x) = \frac{x}{\sigma^2} e^{-\frac{x^2}{2\sigma^2}}$ pour $x > 0$ $\sigma\sqrt{\frac{\pi}{2}}$ $\sigma^2 (2 - \frac{\pi}{2})$
Laplace C $f(x) = \frac{a}{2} e^{-a\vert x\vert}$ $0$ $\frac{2}{a^2}$
$\chi ^2$ C $f(x) = \frac{1}{2^{\frac{m}{2}}~\Gamma(\frac{m}{2})} x^{\frac{m}{2}-1}~e^{-\frac{x}{2}}$ $m$ $2m$
Student C $f(x) = \frac{\frac{n+1}{2}}{\sqrt{n \pi}\Gamma(\frac{n}{2}) \left( 1+\frac{x^2}{n} \right)^{(n+1)/2}}$ $0$ $\frac{n}{n-2}~;~n > 2$
Weibull C $f(x) = \beta x^{\beta - 1} e^{-x^{\beta}}$ $\Gamma(1+\frac{1}{\beta})$ $\Gamma(1+\frac{2}{\beta})-E^2(x)$

Type : D $\equiv$ loi discrète ; C $\equiv$ loi continue.


next up previous contents
Next: Liaisons entre lois de Up: Quelques lois de probabilités Previous: Quelques lois de probabilités   Contents
Jean-Michel Jolion 2006-05-27