Scribd Logo
Upload

Welcome to Scribd!

  • Httpssamos - Univ Paris1.FrarchivesmembresBardettpSM5 PDF

    Uploaded by

    Firas Kassebi
    8 views3 pages

    Original Title

    Httpssamos.univ Paris1.FrarchivesmembresBardettpSM5.PDF

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    8 views3 pages

    Httpssamos - Univ Paris1.FrarchivesmembresBardettpSM5 PDF

    Uploaded by

    Firas Kassebi

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 3
    ‘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. y Exercices 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

    You might also like