Loi hypergéométrique

Loi hypergéométrique
Hypergéométrique
Paramètres \begin{align}A&\in 0,1,2,\dots \\ p&\in [0;1] \\ n&\in 0,1,2,\dots,A\end{align}\,
Support \scriptstyle{k\, \in\, \max{(0,\, n-qA)},\, \dots,\, \min{(pA,\, n )}}\,
Densité de probabilité (fonction de masse) \frac{{pA\choose k}{qA\choose n-k}}{{A\choose n}}
Espérance np\!
Mode \left \lfloor (n+1)\frac{(pA+1)}{A+2} \right \rfloor
Variance npq\frac{(A-n)}{(A-1)}
Asymétrie \frac{(A-2n)(q-p)(A-1)^\frac{1}{2}}{[npq(A-n)]^\frac{1}{2}(A-2)}
Kurtosis normalisé \frac{(A-1)[A^2(1-6pq)+A(1-6n)+6n^2]}{npq(A-n)(A-2)(A-3)}

+ \frac{6A^2}{(A-2)(A-3)} - 6
Fonction génératrice des moments \frac{{qA \choose n} \scriptstyle{\,_2F_1(-n, -pA; qA - n + 1; e^{t}) } } {{A \choose n}} \,\!
Fonction caractéristique \frac{{qA \choose n} \scriptstyle{\,_2F_1(-n, -pA; qA - n + 1; e^{it}) }} {{N \choose n}}
modifier Consultez la documentation du modèle

Une loi hypergéométrique de paramètres n, p et A correspond au modèle suivant:

On tire simultanément n boules dans une urne contenant pA boules gagnantes et qA boules perdantes (avec q = 1 - p, soit un nombre total de boules valant pA + qA = A). On compte alors le nombre de boules gagnantes extraites et on appelle X la variable aléatoire donnant le nombre de boules gagnantes.

L'univers X(Ω) est l'ensemble des entiers de 0 à n. La variable aléatoire suit une loi de probabilité définie par

p(k)=\frac{{pA\choose k}{qA\choose n-k}}{{A\choose n}}.

Cette loi de probabilité s'appelle la loi hypergéométrique de paramètres (n ; p ; A). Il est nécessaire que p soit un réel compris entre 0 et 1, que pA soit entier et que n ≤ A. Lorsque ces conditions ne sont pas imposées, l'ensemble des possibles X(Ω) est l'ensemble des entiers entre max(0 ; n − qA) et min(pA ; n).

Une autre paramétrisation très répandue consiste à considérer une loi Hypergéométrique de paramètres (A, Na, n) avec A le nombre total de boules, Na le nombre de boules à succès (ici pA) et n le nombre de tirages.

Calcul de p(k)

Il s'agit d'un tirage simultané (c'est-à-dire non ordonné et sans remise) de n éléments parmi A. Tirage que l'on considère comme équiprobable.

La combinatoire permet de dire que le cardinal de l'univers est \textstyle{A\choose n}.

Tirage Resté dans l'urne Total
succès k pA − k pA
échec n − k qA − n + k qA
Total n A − n A

L'événement { X=k } (voir tableau) signifie que l'on a tiré k boules gagnantes parmi pA et n − k boules perdantes parmi qA. Le cardinal de cet événement est donc \textstyle{pA\choose k}{qA\choose n-k}.

La probabilité de l'événement est donc p(k) = \frac{{pA\choose k}{qA\choose n-k}}{{A\choose n}}

Espérance, variance et écart type

L'espérance d'une variable aléatoire suivant une loi hypergéométrique est la même que dans le cas binômiale. X\, suit une loi hypergéométrique de paramètres n, p, A\,, alors son espérance est \mathbb{E}(X)=np\,.

Démonstration

On se donne: X \sim \mathcal{H}(n,p,A)

(si on se rapporte à un modèle d'urnes à tirage simultané, c'est-à-dire non ordonné et sans remise. On a donc N_A = pA\, : le nombre de boules de type "réussite" et N_B = qA = (1-p)A\, : le nombre de boules de type "échec".)

\mathbb{P}(X = k) = \frac{{N_A\choose k}{N_B\choose n-k}}{{A\choose n}}

Numérotons de 1 à N_A\, les boules de type "réussite" et définissons pour tout k\, compris entre 1 et N_A\, l'événement:

E_k=\,{ on a tiré parmi les n boules la boule de type "réussite" k }. Comme le nombre total X\, de boules de type "réussite" tirées est X=\sum_{k=1}^{N_A}1_{E_k}\,

(où 1 est la Fonction indicatrice de E_k\,), par linéarité de l'espérance, \mathbb{E}(X)=N_A\mathbb{P}(E_1)\,.

Évaluons maintenant \mathbb{P}(E_1)\,. En passant au complémentaire,

\mathbb{P}\bar{(E_1)}=\frac{{A-1\choose n}}{{A\choose n}}=\frac{(A-1)!}{n!(A-1-n)!} \frac{n!(A-n)!}{A!}=\frac{A-n}{A}\, qui est la probabilité de ne jamais tirer une boule donnée.

Donc \mathbb{P}(E_1)=1-\frac{A-n}{A}=\frac{n}{A}=\frac{n}{N_A+N_B}\,

On en conclut donc que \mathbb{E}(X)=\frac{nN_A}{N_A+N_B}=\frac{nN_A}{N}\,

En rappelant que \frac{N_A}{N}=p\, qui est exactement la probabilité d'avoir un succès, on a bien \mathbb{E}(X)=np\,.
 

La variance d'une variable aléatoire suivant une loi hypergéométrique de paramètres n, p, A est npq\frac{A - n}{A - 1}

L'écart type est alors \sqrt{npq}\sqrt{\frac{A - n}{A - 1}}.

Convergence

Pour n petit devant A, la loi hypergéométrique converge vers une loi binomiale de paramètres n et p. En fait, on considère que, pour A grand, tirer simultanément n boules revient à effectuer n fois une épreuve de Bernoulli dont la probabilité de succès serait p (p est la proportion de boules gagnantes dans l'ensemble des boules), car il est très peu probable de retomber sur la même boule, même si on la replace dans l'urne.


Démonstration de la convergence vers la loi binomiale

Décomposons \frac{{Ap\choose k}{Aq\choose n-k}}{{A\choose n}}.


\frac{{Ap\choose k}{Aq\choose n-k}}{{A\choose n}} = \frac{(Ap)!}{k!(Ap-k)!} \cdot \frac{(Aq)!}{(n-k)!(Aq-n+k)!} \cdot \frac{n!(A-n)!}{A!}

= {n\choose k} \frac{(Ap)!}{(Ap-k)!} \cdot \frac{(Aq)!}{(Aq-n+k)!} \cdot \frac{(A-n)!}{A!}

  • Pour le premier terme : \frac{(Ap)!}{(Ap-k)!} = \frac{1 \cdot 2 \cdot 3 \cdot ... \cdot Ap}{1 \cdot 2 \cdot 3 \cdot ... \cdot (Ap-k)} = Ap\cdot(Ap-1)\cdot...\cdot(Ap-k+1)

Pour A \rightarrow +\infty, on a :

\frac {(Ap)!} {(Ap-k)!(Ap)^k} = \prod_{i=1}^{k} \frac {Ap-k+i}{Ap} = \prod_{i=1}^{k} (1+o(1)) = 1 + o(1) et l'on obtient \frac {Ap!} {(Ap-k)!} \sim (Ap)^k

  • Le même raisonnement pour le second terme permet d'obtenir : \frac{(Aq)!}{(Aq-n+k)!} \sim (Aq)^{n-k} .
  • Enfin, pour le troisième terme : \frac{A!}{(A-n)!} \sim A^n .

En conclusion, on a : \frac{{Ap\choose k}{Aq\choose n-k}}{{A\choose n}} \sim_{A \rightarrow +\infty} {n\choose k} \frac{(Ap)^k (Aq)^{n-k}}{A^n} = {n\choose k} p^k q^{n-k}

Il s'agit bien d'une loi binomiale de paramètres (n ; p).
 


En pratique, on peut approximer la loi hypergéométrique de paramètres (n ; p ; A) par une loi binomiale de paramètres (n ; p) dès que n/A < 10%. C'est-à-dire lorsque l'échantillon n est 10 fois plus petit que la population A.

Un exemple très classique de ce remplacement concerne le sondage. On considère fréquemment le sondage de n personnes comme n sondages indépendants alors qu'en réalité le sondage est exhaustif (on n'interroge jamais deux fois la même personne). Comme n (nombre de personnes interrogées) < A (population sondée)/10, cette approximation est légitime.

v · Lois de probabilités
Lois discrètes
à support fini Loi de Bernoulli • Loi uniforme discrète • Loi binomiale • Loi hypergéométrique • Loi de Benford
à support dénombrable Loi géométrique • Loi de Poisson • Loi binomiale négative • Loi logarithmique
Lois continues
à support compact Loi uniforme continue • Loi triangulaire • Loi bêta
à support semi-infini Loi exponentielle • Loi Gamma • Loi du χ² • Loi de Fisher • Loi de Weibull • Loi de Rayleigh • Loi de Rice • Loi d'Erlang • Loi de Lévy • Loi inverse-gamma • Loi log-normale
à support infini Loi normale • Loi normale asymétrique • Loi de Cauchy • Loi de Laplace • Loi logistique • Loi de Student • Loi stable • Loi de Gumbel
  • Portail des probabilités et des statistiques Portail des probabilités et des statistiques

Wikimedia Foundation. 2010.

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

Игры ⚽ Нужно решить контрольную?

Regardez d'autres dictionnaires:

  • Loi Hypergéométrique — Hypergéométrique Densité de probabilité / Fonction de masse Fonction de répartition Paramètres …   Wikipédia en Français

  • Loi hypergeometrique — Loi hypergéométrique Hypergéométrique Densité de probabilité / Fonction de masse Fonction de répartition Paramètres …   Wikipédia en Français

  • Loi hypergéometrique — Loi hypergéométrique Hypergéométrique Densité de probabilité / Fonction de masse Fonction de répartition Paramètres …   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 log-normale — Densité de probabilité / Fonction de masse μ=0 Fonction de répartition μ=0 …   Wikipédia en Français

  • Loi logistique — Densité de probabilité / Fonction de masse Fonction de répartition …   Wikipédia en Français

  • Loi uniforme discrète — Densité de probabilité / Fonction de masse n=5 où n = b − a + 1 Fonction de répartition …   Wikipédia en Français

  • Loi de Bernoulli — Pour les articles homonymes, voir Théorème de Bernoulli. Bernoulli Paramètres (nombre réel) Support …   Wikipédia en Français

  • Loi de probabilité — En théorie des probabilités et en statistique, une loi de probabilité décrit soit les probabilités de chaque valeur d une variable aléatoire (quand la variable aléatoire est discrète), soit la probabilité que la variable aléatoire appartienne à… …   Wikipédia en Français

Share the article and excerpts

Direct link
… Do a right-click on the link above
and select “Copy Link”