‘iation A MATLAB n° 5 :
Simulation de variables aléatoires. Statistique descriptive
TP diniti
On entrevoit: des méthodes pour simuler des rfalisations de variables aléatoires suivant, les principaks lois de
probabilités. On pourra alors générer des données auxquelles serent. appliquées des stat .
Simulation de variables aléatoires
A partir dugénérateur de nombres pseudo-aléatoines déctit dans le"TP précéent (fournéssant approximativernent
des réalisations de variables uniformes indépendantes sur [0, !]), on peut simuler des réalisations de variables aléa-
toites diserétes (Bernoulli, binomiale,..}, mais anssi absolurent. continues (nomnales, exponentieles, Cauchy.)
mulation Pune variable aléatoire discréte : Bemoulli
On veut générer une ralisation d'une variable de Bernoulli X telle que
P(X == pet P(X =0)=1 =p, avec p E[0, I]. Que se pasotell
sip= 1? Quelles sont les valeums persibles pour X ?
Quelle est Ia fonction de répartition de XY Fx(x)= P(X <2)?
(Créer alors une fonction (done un M-fichier) appelée Bernoulli,
% Simulation Bernoulli Commentaire desecriptif de la fonction,
Junction = Bernoulli(p) Le paramere dentné est p €[0, I}
(On initialise 2, réalisation de X.
w= rand; (On génére une réalisation w d'une variable uniforme U sur [0 1]
if (u>=p) "Test sur ts
= Dans ke cas ot u < p, on reste aver 2 =0.
Fin ci test.
‘Suvegardez. la fonction, pais revenez dans la fenétre de commande,
Bernoulli(0.3) Un esa. Faire Pautres esais, Comment faire pour vérifier empiriquement.
que Von a bien généré une variable de Bernulli ? Montrer thécriquement
que Cet bien le cas (pour cela, il suit de calculer Fy: en pesant
X= 1siU >p,ct X =Osinon). Modifier votre fonction de fagon & générer
‘maintenant n ralisations indépendantes de X.
Pour cela, mettre n comme paramdtre Pentrée ct utiliser rand(1,n)..
jnmilation une variable aléatoire discréte cquelconque
Ouvrir un nouveau M-fichier appelé V Adiserete.m.
% Generateur une va. (On génére une réalisation Pune v.a. Y qui sai une loi diseréte
% a vateurss dans {0,1,2} AA valeurs dans {0,1,2} étant données les probabilités CPavoir 0, 1 et 2.
Junction [y] =VAdiscrete(p0,p!) On construit. me fonction appeiée V Adiserete dépendant de 2 paramétres:
est Ia probabilité d’avoir 0, ot pl celle d’avoir |.
u=rand; y=0; ‘Comme préoédernment.
if (u>=P0) & (u<-+pl) Suivant la valeur de u, 4 pourra étre égale & 0 (par défaut),
v oul,
elseif (u>=p0+>pl)
on.
1 fant fermer chacque conditionnement.
Sauner k fichier ef quitter. Faie des esis.
“Transformer la fonction pour simuler n ralisatiors indépendantes de Y.Exercices
L
uivant Ia proofdure précédente, simuler k ralisations indépendantes Pune va. suivant. une loi binomiale
BG,03). N’y-auraiteil pas un autre moyen de simmer une telle variable (penser & une semme de v.a.) ?
En déduite une fonction smulant k réalisations indépendantes Pune va. suivant une loi binomiale B(n,),
Gi n et, p sont des paramétres.
2
jon Pune variable aléatoire X de Poisson de paramdtre A > 0 (on rappelle qu’alers
pour k € IN}. A quel probltmes étes-vous confronts ?
Simulation de variables aléatoires (suite et fin)
Un peu de thtorie Pabord : on suppose que U' est une variable aléatoire de loi uniforme sur [0,1]. Soit
tne Yariable aléatoire absolument continue de fonction de répartiticn Fx telle que Fx est une fonction continue
strictement, croissante de [ (intervalle de IR) dans ]0, I[. Alors, sur JO, i[, Fx; admet une application réciproque
FR! J0,1f+ F. Or U étant une variable uniforme sur [0, 1]yon a Fx(x) = PU < Fx(z)) = PURRMU) <2)
pourz € I. Pheos’quence, X et F'(U) ont la méme fonction de repartition donc la méme distribution (trae
vailler aver ]0, I[cu [0,{] ne change Tien) et ainsi, pour sirmaler une réalisation de X, il nous suffi de calculer
FR" (W) of west une Walisation de U (done un nombre preudo-léatoire). Cette méthode peuttre généralinge
grace A la notion de réciproque généralisée, et Yon retrouve alors également Ia simulation de variables diserétes.
Simulation de variables aléatoires exponentielles
On rappelle qu’tme variable aléatcire X de Ioi exponentielle et de
parame 3 est tele que Fx(2)=Osi 2 0.
Créer maintenant une fonction permettant de afnérer n réalisations
une variable aléatoire X de le exponentielle et de paramétre 3.
imulation de variables aléatoires gaussiennes
La méthode propas’e précedemment nécessite la comaissance explicite
de FZ. Comment faire si atte fonction ne pout étre exactement
cexprim’e ? Ce prebléme se pase pour une variable gaussienne centnée néduite V’(0, 1)
réduite (de bi (0, 1)) qui est telle que Fx(x) = “/dt pour x € IR:
ilny pus de formation exit de a wpa tel tion
rrandn(1 10) ‘Simulation de n réalisations (0,1). existe done dja un générateur.
[Nous allons retrouvé cette fonction. Ouvrir Giaussm.
% Generateur dev. Descriptif...
% de loi N(Qs1)
Junction [2,y)= Gauss On construit. une fonction appelée Gauss qui sinmile 2 ralisations
et y de 2vaa. indépendantes X ot ¥ de loi V(0,1)-
(ul,12) = rand(2,1);_— On simmule 2 nombres preudoaléatcires,
ul S sqrt(—2log(ul) On simule une réalisation une vaa. d
Lx-sin(@2epi%u2) Sinmulation de 25
Lkcos(2 #pé¥12) — Sinulation de
uver Ie fichier et quitter. Faine des esas.
L'dée de cxtte simulation est le fait que dans le plan cartésien, si on considére
un point. M de coordonnées (X,Y), Pangle O#,OM suit. une loi uniforme
sur [0,27] et la distance OM suit tune loi exponentielle de paramétre 05.
loi exponenticlle de paramétre 0.5.
yExercices
1. A partir de la fonction de rpartition de cette variable aléatoire, simuler des réal
Canchy dont Ia densité de probabilité est = f(2)
tions Pune va. de
pea (créer une fonction V ACauchy.m).
2. Sinmilerces réalisatiens dune loi unfiomne sur [4,6] aver: (a