Loi Exponentielle

Loi exponentielle

**Exponentielle**
Densité de probabilité / Fonction de masse
Fonction de répartition
Paramètres	$\lambda > 0 \,$ intensité ou inverse de l'échelle (réel)
Support	$[0, \infty[\!$
Densité de probabilité (fonction de masse)	$λ e - λ x$
Fonction de répartition	$1 - e - λ x$
Espérance	$\dfrac{1}{\lambda}\,$
Médiane (centre)	$\dfrac{\ln(2)}{\lambda}\,$
Mode	$0\,$
Variance	$\dfrac{1}{\lambda^2}\,$
Asymétrie (statistique)	$2\,$
Kurtosis (non-normalisé)	$9\,$
Entropie	$1 - \ln(\lambda)\,$
Fonction génératrice des moments	$\left(1 - \dfrac{t}{\lambda}\right)^{-1}\,$
Fonction caractéristique	$\left(1 - \dfrac{it}{\lambda}\right)^{-1}\,$

Une loi exponentielle correspond au modèle suivant:

X est une variable aléatoire définissant la durée de vie d'un phénomène. Si l'espérance de vie du phénomène est E(X) et si la durée de vie est sans vieillissement, c'est-à-dire si la durée de vie au-delà de l'instant T est indépendante de l'instant T, alors X a pour densité de probabilité :

$f (t) = 0$ si t < 0
$f(t) = \dfrac{1}{E(X)}\mathrm{e}^{-\frac{t}{E(X)}}$ pour tout t ≥ 0.

On dit que X suit une loi exponentielle de paramètre $\lambda = \dfrac{1}{E(X)}$

De façon plus formelle on peut caractériser la loi exponentielle de la façon suivante:

$\forall (s, t)\in \R^{+\,2},\; \mathbb{P}(X>s+t|X>t)=\mathbb{P}(X>s)$

Une loi à valeurs dans $\R^+$ qui vérifie cette propriété est alors exponentielle et toute loi exponentielle vérifie cette probabilité. Cette propiété traduit l'absence de mémoire de la loi exponentielle. Par exemple, la probabilité qu'un phénomène se produise entre les temps t et t+s s'il ne s'est pas produit avant est la même que la probabilité qu'il se produise entre les temps 0 et s. On peut oublier l'instant de départ pour modéliser la probabilité. Cette caractérisation est importante car elle permet de montrer que certains phénomènes peuvent être modélisés par une distribution exponentielle. Cette loi permet entre autres de modéliser la durée de vie de la radioactivité ou d'un composant électronique.

Sommaire

1 Calcul de P(X > t)
2 Espérance, variance, écart type, médiane
3 Champ d'application
4 Durée de vie minimale
5 Lien avec la loi géométrique
6 Voir aussi

Calcul de P(X > t)

Si on appelle F(t) la probabilité que la durée de vie soit supérieure à t, le fait que la durée de vie soit sans vieillissement se traduit par l'égalité suivante:

$\dfrac{F(T+t)}{F(T)}=F(t)$

Puisque la fonction F est continue à droite en tout point, cette équation implique que F est une fonction exponentielle.

Il existe donc k réel tel que pour tout t :

F (t) = e k t

La densité de probabilité est alors f telle que :

f (t) = - k e k t

pour tout t ≥ 0.

Le calcul de l'espérance de X, qui doit valoir E(X) conduit à l'équation:

$\int_0^{+\infty}-kt.\mathrm{e}^{kt}.dt=E(X)$

On calcule l'intégrale en intégrant par parties ; on obtient : $k =- \dfrac{1}{E(X)} = -\lambda$ .

Donc $P(X > t) = \mathrm{e}^{-\frac{t}{E(X)}}$ et $f(t)=\dfrac{1}{E(X)} \mathrm{e}^{-\frac{t}{E(X)}}$

Espérance, variance, écart type, médiane

Densité d'une durée de vie d'espérance 10 de loi exponentielle ainsi que sa médiane.

Si X est une variable aléatoire qui suit une loi exponentielle de paramètre λ

Nous savons, par construction, que l'espérance de X est $\dfrac{1}{\lambda}$ .

On calcule la variance en intégrant par parties ; on obtient : $\dfrac{1}{\lambda^2}$ .

L'écart type est donc $\dfrac{1}{\lambda}$ .

La médiane, c'est-à-dire le temps T tel que P(X>T) = 0,5, est $\dfrac{\ln(2)}{\lambda}=E(X)\ln(2)$ .

Champ d'application

Un domaine privilégié de la loi exponentielle est le domaine de la radioactivité (Rutherford et Soddy). Chaque atome radioactif possède une durée de vie qui suit une loi exponentielle. Le paramètre λ s'appelle alors la constante de désintégration.

La durée de vie moyenne $\dfrac{1}{\lambda}$ s'appelle le temps caractéristique.

La loi des grands nombres permet de dire que la concentration d'atomes radioactifs va suivre la même loi. La médiane $\dfrac{\ln(2)}{\lambda}$ correspond au temps T nécessaire pour que la population passe à 50% de sa population initiale et s'appelle la demi-vie ou période.

On modélise aussi fréquemment la durée de vie d'un composant électronique par une loi exponentielle.

Durée de vie minimale

Si les variables aléatoires X, Y sont indépendantes et suivent deux lois exponentielles de paramètres λ, μ, alors Z = inf(X; Y) est une variable aléatoire qui suit la loi exponentielle de paramètre λ + μ.

Cette observation est très utile pour déterminer l'espérance de vie d'un système constitué de deux composants en série.

Lien avec la loi géométrique

La loi géométrique est une version discrétisée de la loi exponentielle. En conséquence, la loi exponentielle est une limite de lois géométriques renormalisées.

Propriété — Si $\scriptstyle\ X\$ suit la loi exponentielle d'espérance 1, et si $\scriptstyle\ Y=\lceil\theta X\rceil,\ \theta>0,\$ alors $\scriptstyle\ Y\$ suit la loi géométrique de paramètre

$p\ =\ 1-e^{-\ \tfrac{1}{\theta}}.$

Démonstration

$\begin{align} \mathbb{P}(Y=k) &= \mathbb{P}(\lceil\theta X\rceil=k) \\ &= \mathbb{P}(\theta X\in]k-1,k]) \\ &= \mathbb{P}\left(X\in\left]\tfrac{k-1}{\theta},\tfrac{k}{\theta}\right]\right) \\ &= F_X\left(\tfrac{k}{\theta}\right)-F_X\left(\tfrac{k-1}{\theta}\right) \\ &= \exp\left(-\ \tfrac{k-1}{\theta}\right)-\exp\left(-\ \tfrac{k}{\theta}\right) \\ &= \left(e^{-\ \tfrac{1}{\theta}}\right)^{k-1}\ \left(1-e^{-\ \tfrac{1}{\theta}}\right). \end{align}$

Notons que, pour un nombre réel $\scriptstyle\ x,\$ $\scriptstyle\ \lceil x\rceil\$ désigne la partie entière supérieure de $\scriptstyle\ x,\$ définie par

$\lceil x\rceil\ =\ \min\left\{k\in\mathbb{Z}\ |\ k\ge x\right\}.$

En choisissant

$\theta\ =\ -\tfrac{\lambda}{\ln\left(1-p\right)},$

on fabrique ainsi, à partir d'une variable aléatoire exponentielle $\scriptstyle\ X^{\prime}\$ de paramètre $\scriptstyle\ \lambda,\$ une variable aléatoire

$Y^{\prime}=\lceil\theta X^{\prime}\rceil,$

suivant une loi géométrique de paramètre $\scriptstyle\ p\$ arbitraire (avec toutefois la contrainte $\scriptstyle\ 0<p<1\$ ), car $\scriptstyle\ X=\lambda\,X^{\prime}\$ suit alors une loi exponentielle de paramètre 1 (et d'espérance 1).

Réciproquement,

Propriété — Si, pour $\scriptstyle\ n\ge 1,\$ la variable aléatoire $\scriptstyle\ Y_n\$ suit la loi géométrique de paramètre $\scriptstyle\ p_n\$ , et si

$\lim_n p_n\ =\ 0,\qquad\lim_n p_n/a_n\ =\ \lambda>0,$

alors $\scriptstyle\ a_nY_n\$ converge en loi vers la loi exponentielle de paramètre $\scriptstyle\ \lambda.\$

Démonstration

On se donne une variable aléatoire exponentielle $\scriptstyle\ X\$ de paramètre 1, et on pose

$\begin{align} \theta_n &= -\tfrac{1}{\ln\left(1-p_n\right)}, \\ Y^{\prime}_n &= \lceil\theta_n X\rceil. \end{align}$

Alors $\scriptstyle\ Y_n\$ et $\scriptstyle\ Y^{\prime}_n\$ ont même loi, en vertu de la propriété précédente. Par ailleurs, pour tout $\scriptstyle\ \omega,\$

$\lim_n a_nY^{\prime}_n(\omega)\ =\ \lim_n a_n\lceil\theta_n X(\omega)\rceil=\ \left(\lim_n a_n\theta_n\right)\ X(\omega)\ =\ X(\omega)/\lambda.$

Or d'une part la convergence presque sûre entraine la convergence en loi, d'autre part la loi de $\scriptstyle\ X/\lambda\$ est la loi exponentielle de paramètre $\scriptstyle\ \lambda.\$

On peut voir ces différentes convergences comme de simples conséquences de la convergence du schéma de Bernoulli vers le processus de Poisson.

Voir aussi

Portail des probabilités et des statistiques

Ce document provient de « Loi exponentielle ».

Catégories : Exponentielle | Loi de probabilité

Wikimedia Foundation. 2010.

Contenu soumis à la licence CC-BY-SA. Source : Article Loi Exponentielle de Wikipédia en français (auteurs)

Игры ⚽ Поможем написать курсовую

Regardez d'autres dictionnaires:

Loi exponentielle — Exponentielle Densité de probabilité / Fonction de masse Fonction de répartition … Wikipédia en Français
Loi exponentielle — ● Loi exponentielle loi de probabilité d une variable aléatoire continue X pouvant prendre toute valeur de 0 à + ∞ et ayant pour densité de probabilité f (x) = λe −λx (avec λ > 0) … Encyclopédie Universelle
loi exponentielle — eksponentinis dėsnis statusas T sritis fizika atitikmenys: angl. exponential law vok. Exponentialgesetz, n rus. экспоненциальный закон, m pranc. loi exponentielle, f … Fizikos terminų žodynas
Loi Géométrique — Geometrique Densité de probabilité / Fonction de masse Fonction de répartition … Wikipédia en Français
Loi de Pascal — Loi géométrique Geometrique Densité de probabilité / Fonction de masse Fonction de répartition … Wikipédia en Français
Loi geometrique — Loi géométrique Geometrique Densité de probabilité / Fonction de masse Fonction de répartition … Wikipédia en Français
Loi De Probabilité — Une loi de probabilité ou distribution de probabilité a commencé par décrire les répartitions typiques des fréquences d apparition des résultats d un phénomène aléatoire. Dans le dernier quart du XXe siècle, on a largement étendu le concept… … Wikipédia en Français
Loi de probabilite — Loi de probabilité Une loi de probabilité ou distribution de probabilité a commencé par décrire les répartitions typiques des fréquences d apparition des résultats d un phénomène aléatoire. Dans le dernier quart du XXe siècle, on a largement … Wikipédia en Français
Loi De Poisson — Pour les articles homonymes, voir Poisson (homonymie). Poisson Densité de probabilité / Fonction de masse … Wikipédia en Français
Loi de poisson — Pour les articles homonymes, voir Poisson (homonymie). Poisson Densité de probabilité / Fonction de masse … Wikipédia en Français

Dictionnaires et Encyclopédies sur 'Academic'

Loi Exponentielle