Loi De Student


Loi De Student

Loi de Student

Loi de Student
Densité de probabilité / Fonction de masse
Student densite best.JPG
Fonction de répartition
T distributionCDF.png
Paramètres k ≥ 1 degrés de liberté,
Support x \in ]-\infty; +\infty[\,
Densité de probabilité (fonction de masse) f_T(t)= \frac{1}{\sqrt{k\pi}}\frac{\Gamma(\frac{k+1}{2})}{\Gamma(\frac{k}{2})}\frac{1}{(1+\frac{t^2}{k})^{\frac{k+1}{2}}}
Fonction de répartition 1-γ = ƒ(tγk ), voir tableau en fin d'article
Espérance si k = 1 : non définie

si k > 1 : 0

Médiane (centre) 0
Mode 0
Variance si k ≤ 2 : +\infty

si k > 2 : \frac{k}{k-2}

Asymétrie (statistique) 0 pour k > 3
Kurtosis (non-normalisé)
Entropie
Fonction génératrice des moments
Fonction caractéristique

La loi de Student est une loi de probabilité, faisant intervenir le quotient entre une variable suivant une loi normale centrée réduite et la racine carrée d'une variable distribuée suivant la loi du χ².

Soit Z une variable aléatoire de loi normale centrée et réduite et soit U une variable indépendante de Z et distribuée suivant la loi du χ² à k degrés de liberté. Par définition la variable

T = \frac{Z}{\sqrt{U/k}}

suit une loi de Student à k degrés de liberté.

La densité de \scriptstyle\ T, notée \scriptstyle\ f_T, est donnée par :

f_T(t)=\frac{1}{\sqrt{k\pi}}\frac{\Gamma(\frac{k+1}{2})}{\Gamma(\frac{k}{2})}\frac{1}{(1+\frac{t^2}{k})^{\frac{k+1}{2}}}, pour k ≥ 1.

où Γ est la fonction Gamma d'Euler.

La densité \scriptstyle\ f_T\ associée à la variable \scriptstyle\ T\ est symétrique, centrée sur 0, en forme de cloche.

Son espérance ne peut pas être définie pour k = 1, et est nulle pour k > 1.

Sa variance est infinie pour k ≤ 2 et vaut \frac{k}{k-2} pour k > 2.

Sommaire

Histoire

Le calcul de la distribution de Student a été publié en 1908 par William Gosset pendant qu'il travaillait à la brasserie Guinness à Dublin. Il lui était interdit de publier sous son propre nom, c'est pour cette raison qu'il publia sous le pseudonyme de Student. Le test-t et de la théorie est devenue célèbre grâce aux travaux de Ronald Fisher, qui a qualifié cette distribution de « distribution de Student ».

Comportement limite

Lorsque k est grand, la loi de Student peut être approchée par la loi normale centrée réduite.

Application : intervalle de confiance associé à l’espérance d’une variable de loi normale de variance inconnue

Ce chapitre présente une méthode pour déterminer l'intervalle de confiance de l'estimateur de l’espérance μ d’une loi normale dont la variance σ² est inconnue.

Théorème — L'intervalle de confiance de μ au seuil de confiance α est donné par:  \left[\,\overline{x} - t_{(1 - \alpha)/2}^{n-1}\sqrt{\frac{S}{n}\,}, \overline{x} + t_{(1 - \alpha)/2}^{n-1}\sqrt{\frac{S}{n}}\,\right] ,

avec

\overline{x} = \frac{1}{n} \Sigma_{i=1}^n x_i, l'estimateur de l'espérance.
S =  \frac{1}{n-1}\Sigma_{i=1}^n (x_i - \overline{x}) ^2, l'estimateur non-biaisé de la variance.
t_{\gamma}^{k} le quantile d’ordre 1-γ de la loi de Student à k degrés de liberté (dont la définition exacte est donnée ci-dessus).

Distributions apparentées

Tableau des valeurs du quantile

Un tableau des valeurs du quantile en fonction de γ et k est fourni ci-dessous.

ν 75% 80% 85% 90% 95% 97.5% 99% 99.5% 99.75% 99.9% 99.95%
1 1.000 1.376 1.963 3.078 6.314 12.71 31.82 63.66 127.3 318.3 636.6
2 0.816 1.061 1.386 1.886 2.920 4.303 6.965 9.925 14.09 22.33 31.60
3 0.765 0.978 1.250 1.638 2.353 3.182 4.541 5.841 7.453 10.21 12.92
4 0.741 0.941 1.190 1.533 2.132 2.776 3.747 4.604 5.598 7.173 8.610
5 0.727 0.920 1.156 1.476 2.015 2.571 3.365 4.032 4.773 5.893 6.869
6 0.718 0.906 1.134 1.440 1.943 2.447 3.143 3.707 4.317 5.208 5.959
7 0.711 0.896 1.119 1.415 1.895 2.365 2.998 3.499 4.029 4.785 5.408
8 0.706 0.889 1.108 1.397 1.860 2.306 2.896 3.355 3.833 4.501 5.041
9 0.703 0.883 1.100 1.383 1.833 2.262 2.821 3.250 3.690 4.297 4.781
10 0.700 0.879 1.093 1.372 1.812 2.228 2.764 3.169 3.581 4.144 4.587
11 0.697 0.876 1.088 1.363 1.796 2.201 2.718 3.106 3.497 4.025 4.437
12 0.695 0.873 1.083 1.356 1.782 2.179 2.681 3.055 3.428 3.930 4.318
13 0.694 0.870 1.079 1.350 1.771 2.160 2.650 3.012 3.372 3.852 4.221
14 0.692 0.868 1.076 1.345 1.761 2.145 2.624 2.977 3.326 3.787 4.140
15 0.691 0.866 1.074 1.341 1.753 2.131 2.602 2.947 3.286 3.733 4.073
16 0.690 0.865 1.071 1.337 1.746 2.120 2.583 2.921 3.252 3.686 4.015
17 0.689 0.863 1.069 1.333 1.740 2.110 2.567 2.898 3.222 3.646 3.965
18 0.688 0.862 1.067 1.330 1.734 2.101 2.552 2.878 3.197 3.610 3.922
19 0.688 0.861 1.066 1.328 1.729 2.093 2.539 2.861 3.174 3.579 3.883
20 0.687 0.860 1.064 1.325 1.725 2.086 2.528 2.845 3.153 3.552 3.850
21 0.686 0.859 1.063 1.323 1.721 2.080 2.518 2.831 3.135 3.527 3.819
22 0.686 0.858 1.061 1.321 1.717 2.074 2.508 2.819 3.119 3.505 3.792
23 0.685 0.858 1.060 1.319 1.714 2.069 2.500 2.807 3.104 3.485 3.767
24 0.685 0.857 1.059 1.318 1.711 2.064 2.492 2.797 3.091 3.467 3.745
25 0.684 0.856 1.058 1.316 1.708 2.060 2.485 2.787 3.078 3.450 3.725
26 0.684 0.856 1.058 1.315 1.706 2.056 2.479 2.779 3.067 3.435 3.707
27 0.684 0.855 1.057 1.314 1.703 2.052 2.473 2.771 3.057 3.421 3.690
28 0.683 0.855 1.056 1.313 1.701 2.048 2.467 2.763 3.047 3.408 3.674
29 0.683 0.854 1.055 1.311 1.699 2.045 2.462 2.756 3.038 3.396 3.659
30 0.683 0.854 1.055 1.310 1.697 2.042 2.457 2.750 3.030 3.385 3.646
40 0.681 0.851 1.050 1.303 1.684 2.021 2.423 2.704 2.971 3.307 3.551
50 0.679 0.849 1.047 1.299 1.676 2.009 2.403 2.678 2.937 3.261 3.496
60 0.679 0.848 1.045 1.296 1.671 2.000 2.390 2.660 2.915 3.232 3.460
80 0.678 0.846 1.043 1.292 1.664 1.990 2.374 2.639 2.887 3.195 3.416
100 0.677 0.845 1.042 1.290 1.660 1.984 2.364 2.626 2.871 3.174 3.390
120 0.677 0.845 1.041 1.289 1.658 1.980 2.358 2.617 2.860 3.160 3.373
\infty 0.674 0.842 1.036 1.282 1.645 1.960 2.326 2.576 2.807 3.090 3.291

Remarque : la dernière ligne du tableau ci-dessus correspond aux grandes valeurs de k. Il s’agit d’un cas limite pour lequel la loi de Student est équivalente à la loi normale centrée et réduite.

Notes


Voir aussi

Articles connexes

Liens externes

Ce document en français contient en particulier la dérivation de l'expression de la densité de probabilité ƒT, la démonstration de la distribution de la variable s suivant la loi de Student à n-1 degrés de liberté, ainsi que la démonstration de l'indépendance de s et Z.
  • Portail des probabilités et des statistiques Portail des probabilités et des statistiques
Ce document provient de « Loi de Student ».

Wikimedia Foundation. 2010.

Contenu soumis à la licence CC-BY-SA. Source : Article Loi De Student de Wikipédia en français (auteurs)

Regardez d'autres dictionnaires:

  • Loi de student — Densité de probabilité / Fonction de masse Fonction de répartition …   Wikipédia en Français

  • Loi de Student — Pour le test statistique, voir Test t. Loi de Student Densité de probabilité / Fonction de masse Fonction de répartition …   Wikipédia en Français

  • loi de Student — Stjudento skirstinys statusas T sritis fizika atitikmenys: angl. Student distribution law; Student’s distribution vok. Studentsche Verteilung, f; Student Verteilung, f rus. закон распределения Стьюдента, m; распределение Стьюдента, n pranc.… …   Fizikos terminų žodynas

  • loi de Student (du pseudonyme du statisticien britannique W. Gossett [1876-1937]) ou loi de Student-Fisher — ● loi de Student (du pseudonyme du statisticien britannique W. Gossett [1876 1937]) ou loi de Student Fisher Loi de probabilité d une variable aléatoire , où Y est une variable aléatoire normale réduite et S le quotient par n d une variable… …   Encyclopédie Universelle

  • Loi de Fisher-Snedecor — Loi de Fisher Fisher Snedecor Densité de probabilité / Fonction de masse Fonction de répartition …   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


Share the article and excerpts

Direct link
Do a right-click on the link above
and select “Copy Link”

We are using cookies for the best presentation of our site. Continuing to use this site, you agree with this.