En mathématiques, et plus particulièrement en théorie des probabilités, la fonction génératrice des probabilités (ou fonction génératrice des moments factoriels) d'une variable aléatoire (à valeurs dans les entiers naturels) est la série entière associée à la fonction de masse de cette variable aléatoire. La fonction génératrice des probabilités est utile car elle permet de caractériser entièrement la fonction de masse. La fonction génératrice des probabilités est usuellement identifiée à sa somme.
Soit X une variable aléatoire entière et positive, la fonction génératrice des probabilités de X est la série entière
où est la probabilité que la variable aléatoire X prenne la valeur k. La fonction génératrice des probabilités sera souvent confondue avec sa somme lorsque celle-ci converge.
Si est le rayon de convergence de la série entière, alors on remarque que la fonction existe et est finie sur l'ensemble (avec pour convention que 0 = 1) et donc
Si R est fini alors cette dernière égalité peut encore être vraie pour ou .
Les coefficients de la série entière étant des probabilités, R est supérieur ou égal à 1. En effet, pour la série est uniformément convergente puisque et que .
Si R est strictement supérieur à 1 alors G est développable en série entière au voisinage de 1 (car la somme d'une série entière est développable en série entière dans son disque ouvert de convergence), de plus X admet des moments factoriels de tout ordre finis et au voisinage de 1 on a
où désigne le k-ième moment factoriel de X.
G est toujours définie en et de plus on a et .
admet une espérance finie si et seulement si la dérivée à gauche de G est définie en ; le cas échéant on a
admet une variance finie , et donc une espérance finie , si et seulement si la dérivée à gauche d'ordre de G est définie en ; le cas échéant on a
Plus généralement, X admet un moment factoriel d'ordre k fini si et seulement si la dérivée à gauche d'ordre k de G est définie en ; le cas échéant on a
Deux variables aléatoires à valeurs dans admettent la même fonction génératrice des probabilités si et seulement si elles ont la même loi de probabilité.
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.
Discrete mathematics is a discipline with applications to almost all areas of study. It provides a set of indispensable tools to computer science in particular. This course reviews (familiar) topics a
En théorie des probabilités et en statistiques, la loi de Poisson est une loi de probabilité discrète qui décrit le comportement du nombre d'événements se produisant dans un intervalle de temps fixé, si ces événements se produisent avec une fréquence moyenne ou espérance connue, et indépendamment du temps écoulé depuis l'événement précédent. gauche|vignette|Chewing gums sur un trottoir. Le nombre de chewing gums sur un pavé est approximativement distribué selon une loi de Poisson.
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.
In probability theory, a compound Poisson distribution is the probability distribution of the sum of a number of independent identically-distributed random variables, where the number of terms to be added is itself a Poisson-distributed variable. The result can be either a continuous or a discrete distribution. Suppose that i.e., N is a random variable whose distribution is a Poisson distribution with expected value λ, and that are identically distributed random variables that are mutually independent and also independent of N.
Couvre les concepts fondamentaux des probabilités et des statistiques, y compris les distributions, les propriétés et les attentes des variables aléatoires.
We construct (modified) scattering operators for the Vlasov–Poisson system in three dimensions, mapping small asymptotic dynamics as t→−∞ to asymptotic dynamics as t→+∞. The main novelty is the construction of modified wave operators, but we also obtain a ...
Let G be a finite subgroup of SU(4) such that its elements have age at most one. In the first part of this paper, we define K-theoretic stable pair invariants on a crepant resolution of the affine quotient C4/G, and conjecture a closed formula for their ge ...
To assess the number of life-bearing worlds in astrophysical environments, it is necessary to take the intertwined processes of abiogenesis (birth), extinction (death), and transfer of life (migration) into account. We construct a mathematical model that i ...