Une loi exponentielle modélise la durée de vie d'un phénomène sans mémoire, ou sans vieillissement, ou sans usure : la probabilité que le phénomène dure au moins s + t heures (ou n'importe quelle autre unité de temps) sachant qu'il a déjà duré t heures sera la même que la probabilité de durer s heures à partir de sa mise en fonction initiale. En d'autres termes, le fait que le phénomène ait duré pendant t heures ne change rien à son espérance de vie à partir du temps t. Plus formellement, soit X une variable aléatoire définissant la durée de vie d'un phénomène, d'espérance mathématique . On suppose que : Alors, la densité de probabilité de X est définie par : si t < 0 ; pour tout t ≥ 0. et on dit que X suit une loi exponentielle de paramètre (ou d'intensité) . Réciproquement, une variable aléatoire ayant cette loi vérifie la propriété d'être sans mémoire. Cette loi permet entre autres de modéliser la durée de vie d'un atome radioactif ou d'un composant électronique. Elle peut aussi être utilisée pour décrire par exemple le temps écoulé entre deux coups de téléphone reçus au bureau, ou le temps écoulé entre deux accidents de voiture dans lequel un individu donné est impliqué. La densité de probabilité de la distribution exponentielle de paramètre λ > 0 prend la forme : La distribution a pour support l'intervalle . La fonction de répartition est donnée par : Le quantile d'ordre d'une variable aléatoire distribuée selon une loi exponentielle de paramètre est donné par thumb|384px|Densité d'une durée de vie d'espérance 10 de loi exponentielle ainsi que sa médiane. Soit X une variable aléatoire qui suit une loi exponentielle de paramètre λ. Nous savons, par construction, que l'espérance mathématique de X est . On calcule la variance en intégrant par parties ; on obtient : . L'écart type est donc . La médiane, c'est-à-dire le temps T tel que , est . Le fait que la durée de vie soit sans vieillissement se traduit par l'égalité suivante : Par le théorème de Bayes on a : En posant la probabilité que la durée de vie soit supérieure à t, on trouve donc : Puisque la fonction G est monotone et bornée, cette équation implique que G est une fonction exponentielle.

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 (32)
MATH-232: Probability and statistics (for IC)
A basic course in probability and statistics
FIN-417: Quantitative risk management
This course is an introduction to quantitative risk management that covers standard statistical methods, multivariate risk factor models, non-linear dependence structures (copula models), as well as p
MATH-413: Statistics for data science
Statistics lies at the foundation of data science, providing a unifying theoretical and methodological backbone for the diverse tasks enountered in this emerging field. This course rigorously develops
Afficher plus
Séances de cours associées (349)
Physique du plasma : collisions et résistance
Couvre les collisions de Coulomb et la résistivité dans le plasma, mettant en évidence leur nature aléatoire de marche.
Distributions de probabilités dans les études environnementales
Explore les distributions de probabilité pour les variables aléatoires dans les études sur la pollution atmosphérique et le changement climatique, couvrant les statistiques descriptives et inférentielles.
Modèles graphiques : Représentation des distributions probabilistes
Couvre les modèles graphiques pour les distributions probabilistes à l'aide de graphiques, de nœuds et de bords.
Afficher plus
Publications associées (366)

Generalized Bradley-Terry Models for Score Estimation from Paired Comparisons

Julien René Pierre Fageot, Sadegh Farhadkhani, Oscar Jean Olivier Villemaud, Le Nguyen Hoang

Many applications, e.g. in content recommendation, sports, or recruitment, leverage the comparisons of alternatives to score those alternatives. The classical Bradley-Terry model and its variants have been widely used to do so. The historical model conside ...
AAAI Press2024

Instabilities in Elastic and Magneto-Elastic Beams and Shells: from Shell Buckling to the Design of a Programmable Braille Reader

Arefeh Abbasi

In this thesis, we conduct a comprehensive investigation into structural instabilities of both elastic and magneto-elastic beams and shells, resulting in a creative proposal to design a programmable braille reader. Methodologically, we combine numerical si ...
EPFL2024

Hybrid ground-state quantum algorithms based on neural Schrödinger forging

Giuseppe Carleo, Sofia Vallecorsa

Entanglement forging based variational algorithms leverage the bipartition of quantum systems for addressing ground-state problems. The primary limitation of these approaches lies in the exponential summation required over the numerous potential basis stat ...
Amer Physical Soc2024
Afficher plus
Concepts associés (51)
Loi Gamma
En théorie des probabilités et en statistiques, une distribution Gamma ou loi Gamma est un type de loi de probabilité de variables aléatoires réelles positives. La famille des distributions Gamma inclut, entre autres, la loi du χ2 et les distributions exponentielles et la distribution d'Erlang. Une distribution Gamma est caractérisée par deux paramètres k et θ et qui affectent respectivement la forme et l'échelle de la représentation graphique de sa fonction de densité.
Asymétrie (statistiques)
En théorie des probabilités et statistique, le coefficient d'asymétrie (skewness en anglais) correspond à une mesure de l’asymétrie de la distribution d’une variable aléatoire réelle. C’est le premier des paramètres de forme, avec le kurtosis (les paramètres basés sur les moments d’ordre 5 et plus n’ont pas de nom attribué). En termes généraux, l’asymétrie d’une distribution est positive si la queue de droite (à valeurs hautes) est plus longue ou grosse, et négative si la queue de gauche (à valeurs basses) est plus longue ou grosse.
Méthode de la transformée inverse
La méthode de la transformée inverse est une méthode permettant d'échantillonner une variable aléatoire X de loi donnée à partir de l'expression de sa fonction de répartition F et d'une variable uniforme sur . Cette méthode repose sur le principe suivant, parfois connu sous le nom de théorème de la réciproque : soient F une fonction de répartition, Q la fonction quantile associée, et U une variable uniforme sur . Alors, la variable aléatoire X = Q(U) a pour fonction de répartition F.
Afficher plus
MOOCs associés (9)
Fonctions Trigonométriques, Logarithmiques et Exponentielles
Ce cours donne les connaissances fondamentales liées aux fonctions trigonométriques, logarithmiques et exponentielles. La présentation des concepts et des propositions est soutenue par une grande gamm
Fonctions Trigonométriques, Logarithmiques et Exponentielles
Ce cours donne les connaissances fondamentales liées aux fonctions trigonométriques, logarithmiques et exponentielles. La présentation des concepts et des propositions est soutenue par une grande gamm
Advanced statistical physics
We explore statistical physics in both classical and open quantum systems. Additionally, we will cover probabilistic data analysis that is extremely useful in many applications.
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.