Loi Multinomiale

Loi Multinomiale: Loi multinomiale

Multinomiale
Densité de probabilité / Fonction de masse

Fonction de répartition

Paramètres $n > 0$ nombre d'épreuves (entier)
$p_1, \ldots p_m$ probabilités des événements ( $Σ p i = 1$ )

Support $N_i \in \{1,\dots,m\}$
$\Sigma N_i = n\!$

Densité de probabilité (fonction de masse) $\frac{n!}{n_1!\cdots n_m!} p_1^{n_1} \cdots p_m^{n_m}$

Fonction de répartition

Espérance $E {X i} = n p i$

Médiane (centre)

Mode

Variance $Var(X i) = n p i (1 - p i)$
$Cov(X i, X j) = - n p i p j$ ( $i\neq j$ )

Asymétrie (statistique)

Kurtosis (non-normalisé)

Entropie

Fonction génératrice des moments $\left( \sum_{i=1}^k p_i e^{t_i} \right)^n$

Fonction caractéristique

La loi binomiale concerne le nombre de succès dans n épreuves de Bernoulli indépendantes donnant chacune un résultat binaire, comme dans le jeu de pile ou face. La loi multinomiale est une généralisation de celle-ci, applicable par exemple à n jets d'un dé à six faces. Contrairement à ces exemples simples, les différentes possibilités ne sont généralement pas équiprobables.

Autre présentation de la loi binomiale

La fonction de probabilité de la variable aléatoire binomiale $X\,$ qui s'écrit
$\mathcal{P}(X=x) = \frac{n!} {x! (n-x)!} p^x (1-p)^{n-x}$
peut se réécrire de manière symétrique en faisant intervenir deux variables dont la somme est égale à n :
$N_1 = X \quad N_2 = n-X \quad p_1 = p \quad p_2 = 1-p$ $\mathcal{P}(N_1 = n_1,N_2 = n_2) = \frac{n!} {n_1! n_2!} p_1^{n_1} p_2^{n_2}$
Généralisation

Dans le cas multinomial à $m\,$ résultats possibles au lieu de 2, les variables deviennent $N_i\,$ , $i=\{1,\ldots,m\}\,$ et correspondent aux probabilités $p_i\,$ , $i=\{1,\ldots,m\}\,$ avec les contraintes
$\sum_{i=1}^m N_i = n \quad \sum_{i=1}^m p_i = 1$
La fonction de probabilité s'écrit alors, sous la condition portant sur la somme des variables :
$\mathcal{P}(N_1 = n_1,\ldots N_m = n_m) = \frac{n!} {n_1! \ldots n_m!} p_1^{n_1}\ldots p_m^{n_m}$
Chacune des variables reste une variable binomiale dont la moyenne et la variance sont
$E[N_i] = n p_i \quad var[N_i] = n p_i (1-p_i)$
tandis que les covariances s'écrivent
$cov[N_i,N_j] = -n p_i p_j\,$
Approximation

Lorsque la variable aléatoire $N_i\,$ devient assez grande, le théorème de la limite centrale montre qu'elle est raisonnablement approchée par une variable normale à laquelle correspond la variable centrée réduite $\frac {N_i - n p_i} {\sqrt{np_i(1-p_i)}}$ .

Si ces variables étaient indépendantes, $\sum_{i=1}^m \frac {(N_i - n p_i)^2} {np_i(1-p_i)}$ suivrait une loi du $\chi^2\,$ à $m\,$ degrés de liberté.

Du fait de la contrainte linéaire qui s'applique, la variable $\sum_{i=1}^m \frac {(N_i - n p_i)^2} {n p_i}$ suit une loi du $\chi^2\,$ à $(m-1)\,$ degrés de liberté.

Cette dernière remarque est à la base du test du χ².

Articles de mathématiques en rapport avec les probabilités ou les statistiques

Statistiques descriptives • Analyse des données • Visualisation des données • Estimateurs • Tests statistiques • Séries temporelles et économétrie • Statistique Mathématique • Théorie des probabilités • Variables aléatoires • Inégalités • Théorèmes limites • Processus stochastiques • La mécanique statistique • Les statistiques et l'économie • Les statistiques et la sociologie • Les statistiques et les sciences • Les probabilités et les jeux • Les équations aux dérivées partielles et les probabilités

Portail des probabilités et des statistiques

Ce document provient de « Loi multinomiale ».

Catégorie : Loi de probabilité

**Multinomiale**
Densité de probabilité / Fonction de masse
Fonction de répartition
Paramètres	$n > 0$ nombre d'épreuves (entier) $p_1, \ldots p_m$ probabilités des événements ( $Σ p i = 1$ )
Support	$N_i \in \{1,\dots,m\}$ $\Sigma N_i = n\!$
Densité de probabilité (fonction de masse)	$\frac{n!}{n_1!\cdots n_m!} p_1^{n_1} \cdots p_m^{n_m}$
Fonction de répartition
Espérance	$E {X i} = n p i$
Médiane (centre)
Mode
Variance	$Var(X i) = n p i (1 - p i)$ $Cov(X i, X j) = - n p i p j$ ( $i\neq j$ )
Asymétrie (statistique)
Kurtosis (non-normalisé)
Entropie
Fonction génératrice des moments	$\left( \sum_{i=1}^k p_i e^{t_i} \right)^n$
Fonction caractéristique

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

Игры ⚽ Нужно решить контрольную?

Regardez d'autres dictionnaires:

Loi multinomiale — Multinomiale Paramètres n > 0 nombre d épreuves (entier) probabilités des événements (Σpi = 1) Support … Wikipédia en Français
Loi multinomiale — ● Loi multinomiale loi de probabilité d un ensemble de k variables discrètes X, prenant des valeurs entières xi, telles que x1 + x2 + … + xk = n et ayant pour fonction de distribution , où 0 < pi < 1 et … Encyclopédie Universelle
Loi Binomiale — Binomiale Densité de probabilité / Fonction de masse Fonction de répartition … Wikipédia en Français
Loi binômiale — Loi binomiale Binomiale Densité de probabilité / Fonction de masse Fonction de répartition … Wikipédia en Français
Loi Du Χ² — Densité de probabilité / Fonction de masse Fonction de répartition … Wikipédia en Français
Loi de Khi-2 — Loi du χ² Loi du χ² Densité de probabilité / Fonction de masse Fonction de répartition … Wikipédia en Français
Loi de chi-2 — Loi du χ² Loi du χ² Densité de probabilité / Fonction de masse Fonction de répartition … Wikipédia en Français
Loi de χ² — Loi du χ² Loi du χ² Densité de probabilité / Fonction de masse Fonction de répartition … Wikipédia en Français
Loi du Khi-2 — Loi du χ² Loi du χ² Densité de probabilité / Fonction de masse Fonction de répartition … Wikipédia en Français
Loi du chi2 — Loi du χ² Loi du χ² Densité de probabilité / Fonction de masse Fonction de répartition … Wikipédia en Français

Dictionnaires et Encyclopédies sur 'Academic'

Loi Multinomiale

Loi multinomiale

Autre présentation de la loi binomiale

Généralisation

Approximation

Regardez d'autres dictionnaires:

Share the article and excerpts

Dictionnaires et Encyclopédies sur 'Academic'

Wikipédia en Français

Loi Multinomiale

Loi multinomiale

Autre présentation de la loi binomiale

Généralisation

Approximation

Regardez d'autres dictionnaires:

Share the article and excerpts

Direct link