En théorie des probabilités et en statistique, la loi du χ non centrée est une loi de probabilité qui généralise la loi du χ2. Cette loi apparait lors de tests statistiques, par exemple pour le maximum de vraisemblance. Soit X, k variables aléatoires indépendantes de loi normale de moyennes et variances . Alors la variable aléatoire suit une loi du χ non centrée. Elle dépend de deux paramètres : k qui spécifie le nombre de degrés de liberté (c'est-à-dire le nombre de X), et λ qui est en lien avec la moyenne des variables X par la formule : est parfois appelé le paramètre de décentralisation. Certaines références définissent λ différemment, comme la moyenne de la somme ci-dessus ou comme sa racine carrée. Cette loi apparait en statistique multivariée, elle est issue de la loi normale multidimensionnelle. Comme la loi du χ2 est le carré de la norme du vecteur aléatoire défini à partir des variables de loi (c'est-à-dire le carré de la distance entre l'origine et un point donné par cette loi), la loi du χ non centrée est le carré de la norme d'un vecteur aléatoire de loi . Ici 0 est le vecteur nul de longueur k, et I est la matrice unité de taille k. La densité de probabilité est donnée par : où Y est de loi du χ2 à q degrés de liberté. De cette représentation, la loi du χ non centrée est vue comme une loi mélange de loi du . Supposons que la variable J suit une loi de Poisson avec moyenne λ/2, et que la loi conditionnelle de Z sachant J = i est la loi du χ à k+2i degrés de liberté. Alors la loi (non conditionnelle) de Z est la loi du χ non centrée à k degrés de liberté, et avec paramètre de décentralisation . D'une autre part, la densité peut être écrite sous la forme où I(z) est la fonction de Bessel modifiée du premier type donnée par En utilisant la relation entre les fonctions de Bessel et hypergéométrique, la densité peut également être écrite sous la forme : Siegel (1979) considère plus particulièrement le cas k=0 (0 degré de liberté), dans ce cas la loi est atomique en 0.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Cours associés (10)
MATH-448: Statistical analysis of network data
A first course in statistical network analysis and applications.
FIN-403: Econometrics
The course covers basic econometric models and methods that are routinely applied to obtain inference results in economic and financial applications.
MATH-236: Probability and statistics II
Linear statistical methods, analysis of experiments, logistic regression.
Afficher plus
Concepts associés (16)
Loi du χ
En théorie des probabilités et en statistique, la loi du (prononcer « khi ») est une loi de probabilité continue. C'est la loi de la moyenne quadratique de k variables aléatoires indépendantes de loi normale centrée réduite, le paramètre k est le nombre de degrés de liberté. L'exemple le plus courant est la loi de Maxwell, pour k=3 degrés de liberté d'une loi du ; elle modélise la vitesse moléculaire (normalisée). Si sont k variables aléatoires indépendantes de loi normale avec pour moyenne et écart-type , alors la variable est de loi du .
Loi du χ non centrée
En théorie des probabilités et en statistique, la loi du non centrée est une généralisation la loi du χ. Si , sont k variables aléatoires indépendantes de loi normale de moyennes et écart-type respectifs et , alors est une variable aléatoire de loi du non centrée. Cette loi a deux parametres : un entier qui spécifie le nombre de degrés de liberté (c'est-à-dire le nombre de variables ), et un réel relatif à la moyenne des variables par la formule : On dira que X suit une loi du χ non centrée avec k degrés de liberté et de paramètre λ, on notera La densité de probabilité est donnée par : où est la fonction de Bessel modifiée de première espèce.
Fonction caractéristique (probabilités)
En mathématiques et plus particulièrement en théorie des probabilités et en statistique, la fonction caractéristique d'une variable aléatoire réelle est une quantité qui détermine de façon unique sa loi de probabilité. Si cette variable aléatoire a une densité, alors la fonction caractéristique est la transformée de Fourier inverse de la densité. Les valeurs en zéro des dérivées successives de la fonction caractéristique permettent de calculer les moments de la variable aléatoire.
Afficher plus

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.