Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur Graph Search.
Concept
Moment (probabilités)
Résumé
En théorie des probabilités et en statistique, les moments d’une variable aléatoire réelle sont des indicateurs de la dispersion de cette variable. Le premier moment ordinaire, appelé moment d'ordre 1 est l'espérance (i.e la moyenne) de cette variable. Le deuxième moment centré d'ordre 2 est la variance. Ainsi, l'écart type est la racine carrée du moment centré d’ordre 2. Le moment d'ordre 3 est l'asymétrie. Le moment d'ordre 4 est le kurtosis. Le concept de moment est proche du concept de moment en physique.
Pour tout entier , le moment dit « ordinaire » d’ordre de la variable aléatoire réelle est défini, s’il existe, par l'espérance de :
De manière analogue, on définira d’autres moments, étudiés ou évoqués dans la suite de l’article.
La notion de moment en mathématiques, notamment en théorie des probabilités, a pour origine la notion de moment en physique.
Soit une fonction continue sur un intervalle (non réduit à un point) de .
Étant donné un entier naturel , le moment d’ordre de est défini, sous réserve d’existence, par :
Ce moment d’ordre est considéré comme existant si et seulement si est intégrable, c’est-à-dire si et seulement si converge.
Ainsi, même si le moment est une intégrale impropre convergente, ce moment est tout de même considéré comme non existant.
De cette manière, si un moment n’existe pas à un ordre donné, alors tous les moments d’ordre supérieur n’existent pas non plus. Réciproquement, si un moment existe à un ordre donné, alors tous les moments d’ordre inférieur existent également.
Pour un entier naturel donné, l’ensemble des fonctions continues sur dont le moment d’ordre existe est un espace vectoriel réel, et l’application est une forme linéaire sur cet espace vectoriel.
Soit une variable aléatoire réelle définie sur , de fonction de répartition et de loi de probabilité .
Le moment (ou moment ordinaire, ou moment en 0) d’ordre de est défini, s’il existe, par :
On a donc, d’après le théorème de transfert :
Cette intégrale de Stieltjes peut se réécrire :
si est discrète :
si est absolument continue :
D’après le deuxième axiome des probabilités, on a alors .
Source officielle
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.
Proximité ontologique
Cours associés (32)
COM-300: Stochastic models in communication
L'objectif de ce cours est la maitrise des outils des processus stochastiques utiles pour un ingénieur travaillant dans les domaines des systèmes de communication, de la science des données et de l'i
MATH-231: Probability and statistics I
Introduction to notions of probability and basic statistics.
ME-104: Introduction to structural mechanics
The student will acquire the basis for the analysis of static structures and deformation of simple structural elements. The focus is given to problem-solving skills in the context of engineering desig
Publications associées (116)
Personnes associées (31)
Concepts associés (29)
Degenerate distribution
In mathematics, a degenerate distribution is, according to some, a probability distribution in a space with support only on a manifold of lower dimension, and according to others a distribution with support only at a single point. By the latter definition, it is a deterministic distribution and takes only a single value. Examples include a two-headed coin and rolling a die whose sides all show the same number. This distribution satisfies the definition of "random variable" even though it does not appear random in the everyday sense of the word; hence it is considered degenerate.
Karl Pearson
Karl Pearson (–), mathématicien britannique, est un des fondateurs de la statistique moderne appliquée à la biomédecine (biométrie et biostatistique). Il est principalement connu pour avoir développé le coefficient de corrélation et le test du χ2. Il est aussi l'un des fondateurs de la revue Biometrika, dont il a été rédacteur en chef pendant 36 ans et qu'il a hissée au rang des meilleures revues de statistique mathématique. Né le de Fanny Smith et William Pearson, tous deux issus de familles quakers du Yorkshire, Karl Pearson a deux frères et une sœur.
Loi uniforme continue
En théorie des probabilités et en statistiques, les lois uniformes continues forment une famille de lois de probabilité à densité. Une telle loi est caractérisée par la propriété suivante : tous les intervalles de même longueur inclus dans le support de la loi ont la même probabilité. Cela se traduit par le fait que la densité de probabilité d'une loi uniforme continue est constante sur son support. Elles constituent donc une généralisation de la notion d'équiprobabilité dans le cas continu pour des variables aléatoires à densité ; le cas discret étant couvert par les lois uniformes discrètes.
MOOCs associés (1)