Author | FX D |
Date | 2017-12-04T15:21:16 |
Project | 3956b162-a539-41cc-a4a8-9496897c49b0 |
Location | 2017-11-17-161438.sagews |
Original file | 2017-11-17-161438.sagews |
f4 - ex.1
p=[1/4,1/8,1/8,1/3,0,1/6]
d=[[k,p[k]] for k in range(len(p))] #encodage de la distribution
print "d=",d
show(transpose(matrix(d)))
#print "(test) somme(d[1,:])=",sum(d[1,:])
def barplot(d,t=1):
return(sum([line([(d[k][0],0),(d[k][0],d[k][1])],thickness=t,color='black') for k in range(len(d))]))
barplot(d,3)
def M1(d):
return(sum([d[k][0]*d[k][1] for k in range(len(d))]))
def M2(d):
return(sum([d[k][0]^2*d[k][1] for k in range(len(d))]))
m=M1(d);s=sqrt(M2(d)-M1(d)^2)
print "E(d)=",m,"=",m.n(digits=3)
print "sigma(d)=",s,"=",s.n(digits=3)
transpose(matrix(d))[1,:].list()
X = GeneralDiscreteDistribution(transpose(matrix(d))[1,:].list())
X.get_random_element()
loi de max(A) où A est un ensemble de 10 éléments choisis au hasard dans {1,...,100}.
dmax=[[k,binomial(k-1,9)/binomial(100,10)] for k in range(10,101)]
#show(matrix(dmax).transpose())
barplot(dmax)
médiane ?
k=len(dmax)-1;c=dmax[k][1]
while c<.5:
k=k-1;c=c+dmax[k][1]
med=dmax[k][0]
print "med=", med
print "P(X>=med)=", c.n(digits=3)
print "P(X=med)=", dmax[k][1].n(digits=3)
barplot(dmax[50:],3)+line([(med,0),(med,.1)])
boîte à moustache ?
d1=[[k,sum([binomial(i+1,k)*1/2^i for i in range(6)])/6] for k in range(7)]
print "Valeur(s) modale(s) ?\n"
barplot(d1,3)
n=10;p=1/3
b=[[k,binomial(n,k)*p^k*(1-p)^(n-k)] for k in range(n+1)]
#transpose(matrix(b)).n(digits=2)
print "E(b)=",M1(b),"=",M1(b).n(digits=2)
print "V(b)",M2(b)-M1(b)^2
print "sigma(b)=",sqrt(M2(b)-M1(b)^2).n(digits=2)
print "La distribution est elle symétrique par rapport à sa valeur modale ?\n"
barplot(b,3)
print "Même chose avec n=100,p=1/3\n"
n=100;p=1/3
b1=[[k,binomial(n,k)*p^k*(1-p)^(n-k)] for k in range(n+1)]
#transpose(matrix(b)).n(digits=2)
print "E(b1)=",M1(b1),"=",M1(b1).n(digits=2)
print "V(b1)",M2(b1)-M1(b1)^2
print "sigma(b1)=",sqrt(M2(b1)-M1(b1)^2).n(digits=2)
print "La distribution est elle symétrique par rapport à sa valeur modale ?\n"
barplot(b1,3)
%md
#### Exemples de distribution de lois centrées réduites
Si $X$ est une va d'espérance $m$ et d'écart type $s\neq 0$ alors $\frac{X-m}{s}$ est d'espérance $0$ et d'écart type $1$
Qualité de l'inégalité de Tchebychev $P(|X|\geq t)\leq \frac{1}{t^2}$ pour $X$ centrée réduite
Si $X$ est une va d'espérance $m$ et d'écart type $s\neq 0$ alors $\frac{X-m}{s}$ est d'espérance $0$ et d'écart type $1$
Qualité de l'inégalité de Tchebychev $P(|X|\geq t)\leq \frac{1}{t^2}$ pour $X$ centrée réduite
F(t)=1/2*erf(1/2*sqrt(2)*t) + 1/2 #F(t)=P(X<=t) pour X gaussienne centrée réduite
plot(1/t^2,t,1,5,color='black')+plot(2*(1-F(t)),t,0,5)+plot(1-t/sqrt(3),t,0,sqrt(3))+plot(1,t,0,1)
def denorm(d,m,s):#distribution de s*(X+m) si X est de distribution d
return([[(l[0]+m)*s,l[1]] for l in d])
p=1/10
B=[[0,1-p],[1,p]]
barplot(denorm(B,-p,1/sqrt(p*(1-p))),3)+plot(1/t^2,t,1,5)
n=10;u=[[k,1/(2*n+1)] for k in range(1,2*n+2)]
barplot(denorm(u,-(n+1),sqrt(3)/sqrt(n*(n+1))),3)+plot(1/t^2,t,1,5)
def b(n,p): #loi binomiale
return([[k,binomial(n,k)*p^k*(1-p)^(n-k)] for k in range(n+1)])
n=10;p=1/3
barplot(denorm(b(n,p),-n*p,1/sqrt(n*p*(1-p))),3)+plot(1/t^2,t,1,5)