Loi tronquée (probabilités)

Loi tronquée (probabilités)

En probabilité et en statistiques, une loi tronquée est une loi conditionnelle, dérivée d'une autre loi de probabilité. Plus clairement, pour une variable aléatoire X de support réel, dont la fonction de répartition est F, la loi tronquée à l'intervalle réel [a,b] est simplement la loi conditionnelle de X|a \leq X \leq b. Ce type de situation survient dans la censure statistique. Par exemple, pour l'étude de la durée passée au chômage, durant le temps d'observation, certaines personnes étaient déjà au chômage au début de l'étude mais retrouvent du travail dans ce laps de temps (troncature à gauche) et d'autres perdent leur emploi et restent au chômage au-delà de la fin de l'étude (troncature à droite). L'étude de la loi tronquée permet alors d'évaluer la fonction de vraisemblance.

Sommaire

Densité

Pour une variable aléatoire X, de support réel, et dont la fonction de répartition est F et la densité f, on peut montrer que le conditionnement de X à l'intervalle réel [a;b] donne:

Pr(X \leq x|a \leq X \leq b) = \frac{Pr(a\leq X \leq x)}{Pr(a \leq X \leq b)} = \frac{F(x)-F(a)}{F(b)-F(a)}

avec x \in [a;b]. La densité g associée est

g(x)=f(x|a \leq X \leq b) = \frac{f(x)}{F(b)-F(a)}

pour x \in [a;b], 0 sinon. g est une densité, puisque

\int_{a}^{b} g(x) \,\mathrm{d}x = \frac{1}{F(b)-F(a)} \int_{a}^{b} f(x) \,\mathrm{d}x = 1 .


Il existe d'autres troncatures; pour une troncature du type X > y, la densité devient

g(x)=f(x|X>y) = \frac{f(x)}{1-F(y)},

pour y < x et g(x) = 0 partout ailleurs.

Pour une troncature du type X \leq y, la densité est:

g(x)=f(x|X \leq y) = \frac{f(x)}{F(y)}

pour x \leq y et 0 sinon.

Espérance d'une variable aléatoire tronquée

L'espérance de X conditionnellement à l'événement X > y est E(X|X>y) = \frac{1}{1 - F(y)} \int_y^\infty x f(x) \, \mathrm{d}x

Soit alors a et b le support de la variable initiale, pour une fonction x \to u(x) C1, la fonction (de y) E(u(X) | X > y) présente quelques propriétés:

  1. \lim_{y \to a} E(u(X)|X>y) = E(u(X)) ;
  2. \lim_{y \to b} E(u(X)|X>y) = u(b) ;
  3. \frac{\partial}{\partial y}[E(u(X)|X>y)] = \frac{f(y)}{1-F(y)}[E(u(X)|X>y) - u(y)] ;
  4. \lim_{y \to a}\frac{\partial}{\partial y}[E(u(X)|X>y)] = f(a)[E(u(X)) - u(a)] ;
  5. \lim_{y \to b}\frac{\partial}{\partial y}[E(u(X)|X>y)] = \frac{1}{2}u'(b) .

On suppose bien sûr que les limites suivantes existent: \lim_{y \to c} u'(y) = u'(c) , \lim_{y \to c} u(y) = u(c) et \lim_{y \to c} f(y) = f(c) où c représente soit a ou b.

Loi normale tronquée

La loi tronquée la plus utilisée est la loi normale tronquée, obtenue à partir d'une Loi normale. Elle est utilisée en économétrie dans le modèle Tobit et le modèle Probit, afin de modéliser respectivement les données censurées et les probabilités de choix binaire.

Si X \sim N(\mu, \sigma^{2}) \!, et qu'on contraint X à appartenir à l'intervalle [a;b] avec -\infty \leq a < b \leq \infty . Alors la densité tronquée est

f(x;\mu,\sigma, a,b) = \frac{\frac{1}{\sigma}}{\Phi(\frac{b - \mu}{\sigma}) - \Phi(\frac{a - \mu}{\sigma}) }\phi\left(\frac{x - \mu}{\sigma}\right),

avec \scriptstyle{\phi(\cdot)} \ est la densité de la loi normale standard, et \scriptstyle{\Phi(\cdot)} \ sa Fonction de répartition. On impose la convention que si \scriptstyle{b=\infty} \ , alors \scriptstyle{\Phi(\frac{b - \mu}{\sigma}) =1} et de même, si \scriptstyle{a=-\infty} \ , alors \scriptstyle{\Phi(\frac{a - \mu}{\sigma}) =0}.

Les moments pour une double troncature sont

E(X|a<X<b) = \mu + \frac{\phi(\frac{a-\mu}{\sigma})-\phi(\frac{b-\mu}{\sigma})}{\Phi(\frac{b-\mu}{\sigma})-\Phi(\frac{a-\mu}{\sigma})}\sigma\!
Var(X|a<X<b) = \sigma^2\left[1+\frac{\frac{a-\mu}{\sigma}\phi(\frac{a-\mu}{\sigma})-\frac{b-\mu}{\sigma}\phi(\frac{b-\mu}{\sigma})}{\Phi(\frac{b-\mu}{\sigma})-\Phi(\frac{a-\mu}{\sigma})} -\left(\frac{\phi(\frac{a-\mu}{\sigma})-\phi(\frac{b-\mu}{\sigma})}{\Phi(\frac{b-\mu}{\sigma})-\Phi(\frac{a-\mu}{\sigma})}\right)^2\right],\!

Pour une simple troncature, ces moments deviennent

E(X | a < X) = μ + σλ(α)

et

Var(X | X > a) = σ2[1 − δ(α)]

avec \alpha=(a-\mu)/\sigma,\; \lambda=\phi(\alpha)/[1-\Phi(\alpha)]\; \text{et} \; \delta(\alpha) = \lambda(\alpha)[\lambda(\alpha)-\alpha].

Troncature aléatoire

Considérons la configuration suivante: une valeur de troncature, disons t, est tirée au hasard, depuis une densité de probabilité g(t), non-observable. On observe alors une valeur x tirée dans la densité tronquée f(x | t). On souhaite, à partir de l'observation de x, mieux connaître la densité de t.

Par définition, on a déjà:

f(x)=\int_{x}^{\infty} f(x|t)g(t) \, \mathrm{d}t

et

F(a)=\int_{-\infty}^a[\int_{x}^{\infty} f(x|t)g(t) \, \mathrm{d}t] \, \mathrm{d}x

t doit être plus grand que x, et par conséquent, lorsqu'on intègre sur t, il faut poser x comme borne inférieure.

Par le théorème de Bayes:

g(t|x)= \frac{f(x|t)g(t)}{f(x)}

qui devient

g(t|x) = \frac{f(x|t)g(t)}{\displaystyle\int_{x}^{\infty} f(x|t)g(t)\, \mathrm{d}t}

Exemple: deux variables uniformes

En supposant que t est uniformément distribuée sur [0;T] et que X|t est aussi uniformément distribuée, cette fois-ci sur [0;t]. Soit g(t) et f(x | t) les densités décrivant respectivement t et x. On suppose observer une valeur de x, et la distribution de t sachant x est

g(t|x) =\frac{f(x|t)g(t)}{f(x)} = \frac{1}{t(\ln(t) - \ln(x))}

pour t > x.

Voir aussi

Références

  • Greene, William H. (2003). Econometric Analysis (5th ed.). Prentice Hall. (ISBN 0-13-066189-9)
  • Norman L. Johnson and Samuel Kotz (1970). Continuous univariate distributions-1, chap. 13. John Wiley & Sons.


  • 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 tronquée (probabilités) de Wikipédia en français (auteurs)

Игры ⚽ Нужен реферат?

Regardez d'autres dictionnaires:

  • PROBABILITÉS (CALCUL DES) — Le calcul des probabilités est certainement l’une des branches les plus récentes des mathématiques, bien qu’il ait en fait trois siècles et demi d’existence. Après s’être cantonné dans l’étude des jeux de hasard, il s’est introduit dans presque… …   Encyclopédie Universelle

  • 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 Normale — Distribution gaussienne Densité de probabilité / Fonction de masse La courbe rouge représente la fonction φ (voir texte), densité de probabilité d une variable suivant une loi normale centrée réduite Fonction de répartition …   Wikipédia en Français

  • Loi Normale Reduite — Loi normale Distribution gaussienne Densité de probabilité / Fonction de masse La courbe rouge représente la fonction φ (voir texte), densité de probabilité d une variable suivant une loi normale centrée réduite Fonction de répartition …   Wikipédia en Français

  • Loi de Gauss — Loi normale Distribution gaussienne Densité de probabilité / Fonction de masse La courbe rouge représente la fonction φ (voir texte), densité de probabilité d une variable suivant une loi normale centrée réduite Fonction de répartition …   Wikipédia en Français

  • Loi de Laplace-Gauss — Loi normale Distribution gaussienne Densité de probabilité / Fonction de masse La courbe rouge représente la fonction φ (voir texte), densité de probabilité d une variable suivant une loi normale centrée réduite Fonction de répartition …   Wikipédia en Français

  • Loi gaussienne — Loi normale Distribution gaussienne Densité de probabilité / Fonction de masse La courbe rouge représente la fonction φ (voir texte), densité de probabilité d une variable suivant une loi normale centrée réduite Fonction de répartition …   Wikipédia en Français

  • Loi normale gaussienne — Loi normale Distribution gaussienne Densité de probabilité / Fonction de masse La courbe rouge représente la fonction φ (voir texte), densité de probabilité d une variable suivant une loi normale centrée réduite Fonction de répartition …   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”