Professional Documents
Culture Documents
INFO-F-305
Gianluca Bontempi
Département d’Informatique
Boulevard de Triomphe - CP 212
http://www.ulb.ac.be/di
ẋ = Kx, x(0) = 10
où la quantité K < 0 n’est pas connue de manière exacte mais qui peut
être décrite par une distribution de probabilité uniforme K ← U(−4, −2).
• Puisque K est aléatoire, la quantité x(t) le sera aussi.
• Supposons de vouloir répondre aux questions suivants: Aura quelle
forme la distribution de la valeur x(t) pour t = 2? Sera-t-elle encore une
distribution uniforme? Quelle moyenne et/ou variance a-t-elle? Quelle
probabilité nous avons que x(t) soit entre .1 et .2?
• Script MATLAB mc.m.
450
400
350
300
250
200
150
100
50
0
0 0.05 0.1 0.15 0.2
A terrain N (N − N0 )
= =⇒ A lac = · A terrain
A lac N − N0 N
dFz (z)
pz (z) = (2)
dz
• La probabilité d’une v.a. continue n’est pas définie pour des valeurs z
ponctuelles mais seulement pour des intervalles de valeurs
Z b Z
Prob {a < z < b} = pz (z)dz, pz (z)dz = 1
a Z
Variance:
Z h
2
σ = (z − µ)2 p(z)dz
l
Moments d’ordre r :
Z h
µr = E[z r ] = z r p(z)dz
l
N
1 X
θ̂ = g(xi )
N i=1
lim θ̂ = θ
N →∞
L’atout de cette définition est que la randomness d’une séquence peut être
déterminée par des outils statistiques conventionnels (tests d’hypothèse,...).
cj = {#xi ∈ Ij }, j = 1, . . . , s
#xi ≤ x
F̂x (x) =
N
px (x)dx = py (y)dy
et donc
px (x)
py (y) = dF
dx
F (x) = Fx (x)
dy dFx (x)
= = px (x)
dx dx
• Nous obtenons
py (y) = 1
• En d’autres termes la variable y = Fx (x) est toujours distribuée de
manière uniforme sur [0, 1] pour quelconque densité de probabilité px (x).
• Ce résultat a un rôle clé pour la génération d’échantillons à partir de
distributions autres que l’uniforme.
u2
x2 x1 x
x−a
Fx (x) =
b−a
x−a
= u ⇔ x = a + (b − a)u
b−a
Fx (x) = 1 − e−λx
1
1 − e−λx = u ⇔ x = − ln(1 − u)
λ
Ch(x) ≥ px (x), ∀x ∈ X
avec C > 1.
• Supposons de
1. savoir comment échantillonner la densité h(x).
2. savoir calculer la valeur de px (x) pour un x donné.