thumb|upright=1.5|Diagramme Q-Q destiné à comparer une loi de distribution préalablement centrée et réduite avec une loi normale
En statistiques, le diagramme Quantile-Quantile ou diagramme Q-Q ou Q-Q plot est un outil graphique permettant d'évaluer la pertinence de l'ajustement d'une distribution donnée à un modèle théorique.
Le terme de quantile-quantile provient du fait que l'on compare la position de certains quantiles dans la population observée avec leur position dans la population théorique.
Le diagramme quantile-quantile permet également de comparer deux distributions que l'on estime semblables.
À l'issue d'une enquête statistique, on soupçonne celle-ci de suivre une distribution classique (distribution gaussienne, exponentielle ou autre).
À partir de la série statistique observée, on calcule alors un certain nombre de quantiles .
Si la série statistique suit bien la distribution théorique choisie, on devrait avoir les quantiles observés égaux aux quantiles associés au modèle théorique.
On place alors le nuage de points . En abscisse se trouvent donc les quantiles théoriques et en ordonnée les quantiles observés. Si la distribution théorique choisie est pertinente, les points doivent se positionner suivant la première diagonale.
Si les points sont alignés suivant une droite d'équation c'est que le modèle choisi est valable à une transformation affine près.
Le choix des quantiles peut se faire en divisant la population en n+1 tranches égales et en prenant pour le seuil en dessous duquel se trouve une fraction de la population égale à . Si la distribution théorique a pour fonction de répartition F, on a alors
Mais on trouve aussi des choix de quantiles associés au milieu des tranches, c'est-à-dire les quantiles d'ordre .
Les tableurs fournissent en général un outil de calcul sur les quantiles des lois les plus courantes difficiles à inverser (loi.normale.inverse, loi.lognormale.inverse,..).
thumb|upright=1.5|Diagramme Q-Q de comparaison d'une distribution observée avec une loi normale.
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.
thumb|upright=1.5|Diagramme Q-Q destiné à comparer une loi de distribution préalablement centrée et réduite avec une loi normale En statistiques, le diagramme Quantile-Quantile ou diagramme Q-Q ou Q-Q plot est un outil graphique permettant d'évaluer la pertinence de l'ajustement d'une distribution donnée à un modèle théorique. Le terme de quantile-quantile provient du fait que l'on compare la position de certains quantiles dans la population observée avec leur position dans la population théorique.
Lajustement de la loi de probabilité ou simplement lajustement de la loi est l'ajustement d'une loi de probabilité à une série de données concernant la mesure répétée d'un phénomène aléatoire. L'ajustement de la loi a pour but de prédire la probabilité ou de prévoir la fréquence d'occurrence de l'ampleur du phénomène dans un certain intervalle. Il existe de nombreuses lois de probabilité, dont certaines peuvent être ajustées plus étroitement à la fréquence observée des données que d'autres, selon les caractéristiques du phénomène et de la loi.
En théorie des probabilités et en statistiques, la loi (distribution) de Laplace est une densité de probabilité continue, portant le nom de Pierre-Simon de Laplace. On la connaît aussi sous le nom de loi double exponentielle, car sa densité peut être vue comme l'association des densités de deux lois exponentielles, accolées dos à dos. La loi de Laplace s'obtient aussi comme résultat de la différence de deux variables exponentielles indépendantes.
This course addresses the relationship between specific technological features and the learners' cognitive processes. It also covers the methods and results of empirical studies on this topic: do stud
This lecture is oriented towards the study of audio engineering, with a special focus on room acoustics applications. The learning outcomes will be the techniques for microphones and loudspeaker desig
Explique les principes de conception factorielle fractionnaire, en se concentrant sur la résolution et les effets normalisés dans les réacteurs chimiques.
Couvre la méthode des moments pour estimer les paramètres et construire des intervalles de confiance basés sur des moments empiriques correspondant à des moments de distribution.
Explore la régression logistique pour prédire les proportions de la végétation dans la région amazonienne grâce à l'analyse des données de télédétection.