Loi uniforme discrète

En théorie des probabilités, la loi discrète uniforme est une loi de probabilité discrète indiquant une probabilité de se réaliser identique (équiprobabilité) à chaque valeur d’un ensemble fini de valeurs possibles.

Loi uniforme discrète

Fonction de masse 'n = 5 où n = b - a + 1
Fonction de répartition

Paramètres	$a\in (\ldots ,-2,-1,0,1,2,\ldots )$ $b\in (\ldots ,-2,-1,0,1,2,\ldots )$ $n=b-a+1$
Support	$k\in \{a,a+1,\ldots ,b-1,b\}$
Fonction de masse	${\begin{matrix}{\frac {1}{n}}&{\mbox{pour }}a\leq k\leq b\ \\0&{\mbox{sinon }}\end{matrix}}$
Fonction de répartition	${\begin{matrix}0&{\mbox{pour }}k<a\\{\frac {k-a+1}{n}}&{\mbox{pour }}a\leq k\leq b\\1&{\mbox{pour }}k>b\end{matrix}}$
Espérance	${\frac {a+b}{2}}$
Médiane	${\frac {a+b}{2}}$
Variance	${\frac {n^{2}-1}{12}}$
Asymétrie	$0\!$
Kurtosis normalisé	$-{\frac {6(n^{2}+1)}{5(n^{2}-1)}}$
Entropie	$\ln(n)$
Fonction génératrice des moments	${\frac {e^{at}}{n}}\sum _{k=0}^{n-1}e^{kt}$
Fonction caractéristique	${\frac {e^{iat}}{n}}\sum _{k=0}^{n-1}e^{ikt}$

Description

Une variable aléatoire qui peut prendre n valeurs possibles k₁, k₂, …, k_n, suit une loi uniforme lorsque la probabilité de n’importe quelle valeur k_i est égale à 1/n.

Un exemple simple de loi discrète uniforme est le lancer d’un dé non biaisé. Les valeurs possibles de k sont 1, 2, 3, 4, 5, 6 ; et à chaque fois que le dé est lancé, la probabilité d’un score donné est égale à 1/6.

Dans le cas où les valeurs d’une variable aléatoire suivant une loi discrète uniforme sont réelles, il est possible d’exprimer la fonction de répartition en termes de distribution déterministe ; ainsi

\mathrm {F} (k;a,b,n)={1 \over n}\sum _{i=1}^{n}\mathrm {H} (k-k_{i})

où H(x - x₀) désigne la fonction marche de Heaviside, est la fonction de répartition (ou distribution cumulative) de la distribution déterministe centrée en x₀, aussi appelée masse de Dirac en x₀. Cela suppose que les hypothèses suffisantes soient vérifiées aux points de transition.

Cas général

Une variable aléatoire X prenant toutes les valeurs possibles d'un ensemble A (de cardinal #A = n) avec équiprobabilité sera dite uniforme sur A.

Cas particulier important

La table ci-contre concerne la loi uniforme sur un ensemble de n entiers consécutifs, qui n'est qu'un cas particulier de loi uniforme, mais un cas particulier important : cela correspond à

\mathrm {A} =[\![a,b]\!],\qquad n=b-a+1{\text{.}}

Calcul de probabilités et d'espérance (cas général)

Si X suit la loi uniforme sur un ensemble fini A, on dit parfois que la loi de X est $\mathbb {U} _{\mathrm {A} }$ . On note

\mathbb {P} (\mathrm {X} =x)=\mathbb {U} _{\mathrm {A} }(\{x\})={\frac {1\!\!1_{\mathrm {A} }(x)}{\#\mathrm {A} }}

,

où $1\!\!1_{\mathrm {A} }(.)$ désigne la fonction indicatrice de l'ensemble A. D'un point de vue pratique,

\mathbb {P} (\mathrm {X} \in \mathrm {B} )=\sum _{x\in \mathrm {B} }{\frac {1\!\!1_{\mathrm {A} }(x)}{\#\mathrm {A} }}={\frac {\#(\mathrm {A} \cap \mathrm {B} )}{\#\mathrm {A} }}

.

Pour une fonction φ définie sur A, à valeurs réelles, on a :

\mathbb {E} \left[\varphi (\mathrm {X} )\right]={\frac {1}{\#\mathrm {A} }}\sum _{x\in \mathrm {A} }\varphi (x)

.

L'espérance de φ(X) est donc la valeur moyenne de φ sur A. En utilisant les notations classiques de théorie de la mesure, on traduira cela par :

\ \mathbb {P} _{\mathrm {X} }=\mathbb {U} _{\mathrm {A} }={\frac {1}{\#\mathrm {A} }}\sum _{x\in \mathrm {A} }\delta _{x}

,

où δ_x désigne la masse de Dirac en x, qui a pour fonction de répartition la fonction marche de Heaviside évoquée plus haut.

Notes et références

Voir aussi

Articles connexes

Portail des probabilités et de la statistique

Cet article est issu de Wikipedia. Le texte est sous licence Creative Commons - Attribution - Partage dans les Mêmes. Des conditions supplémentaires peuvent s'appliquer aux fichiers multimédias.