Distributions de probabilité courantes
Un petit catalogue de familles de distributions, dont les distributions binomiale, de Poisson, géométrique, uniforme, normale, exponentielle et gamma, revient fréquemment en probabilité et en statistique car chacune découle d'un mécanisme générateur simple et souvent rencontré.
Definition
Les distributions de probabilité courantes sont les familles paramétriques standard de lois, chacune définie par une fonction de masse ou de densité de probabilité avec quelques paramètres, qui modélisent les schémas d'aléatoire les plus fréquemment rencontrés et servent de blocs de construction pour les modèles probabilistes.
Scope
Ce sujet couvre les principales familles discrètes telles que les distributions de Bernoulli, binomiale, géométrique, binomiale négative et de Poisson, ainsi que les principales familles continues telles que les distributions uniforme, exponentielle, gamma, bêta et normale, en présentant leurs mécanismes générateurs, leurs moments et leurs fonctions caractéristiques, ainsi que les relations limites et structurelles qui les relient.
Core questions
- Quel mécanisme générateur donne naissance à chaque distribution standard ?
- Comment les familles discrètes et continues sont-elles liées par des limites et des transformations ?
- Quels sont les moments et les fonctions caractéristiques des familles standard ?
- Pourquoi la distribution normale occupe-t-elle une place centrale parmi elles ?
Key concepts
- Bernoulli et binomiale
- Poisson et exponentielle
- Familles gamma et bêta
- Distribution normale
- Relations entre les familles
Key theories
- Limite de Poisson de la binomiale
- Lorsque le nombre d'essais indépendants augmente tandis que la probabilité de succès diminue de telle sorte que le nombre attendu de succès reste fixe, la distribution binomiale converge vers la distribution de Poisson, expliquant pourquoi les dénombrements d'événements rares suivent une distribution de Poisson.
- La distribution normale comme limite universelle
- La distribution normale apparaît comme la loi limite des sommes standardisées de nombreuses petites contributions indépendantes, c'est pourquoi elle modélise les erreurs de mesure et les quantités agrégées, et sert de distribution de référence en statistique classique.
Clinical relevance
Ces familles constituent les modèles par défaut en probabilité appliquée et en statistique : les distributions de Poisson et exponentielle décrivent les arrivées et les durées de vie en fiabilité et en théorie des files d'attente, la distribution binomiale et ses variantes décrivent les nombres de succès dans les essais et les enquêtes, et la distribution normale sous-tend les modèles d'erreur de mesure, les intervalles de confiance et une grande partie de l'inférence statistique.
History
Les distributions nommées se sont accumulées sur trois siècles : Bernoulli et de Moivre ont étudié les dénombrements et l'approximation normale, Poisson a dérivé la loi des événements rares, et Gauss et Laplace ont établi la distribution normale pour les erreurs. Le traitement moderne les organise selon leurs mécanismes générateurs et leurs relations limites.
Key figures
- Abraham de Moivre
- Simeon Denis Poisson
- Carl Friedrich Gauss
- Jacob Bernoulli
Related topics
Seminal works
- feller1968
Frequently asked questions
- Pourquoi la distribution normale apparaît-elle si souvent ?
- Parce que le théorème central limite en fait la distribution limite des sommes standardisées de nombreux petits effets indépendants, de sorte que toute quantité construite à partir de nombreuses contributions comparables tend à être approximativement normale, quels que soient les détails.
- Comment les distributions exponentielle et de Poisson sont-elles liées ?
- Elles décrivent le même processus sous deux angles : dans un processus de Poisson, le nombre d'événements dans un intervalle fixe suit une distribution de Poisson, tandis que les temps d'attente entre les événements suivent une distribution exponentielle.