Les distributions de probabilités constituent le fondement mathématique de la description des phénomènes aléatoires et de la quantification de l'incertitude. Que vous analysiez les arrivées de clients, la modélisation des mouvements de cours des actions ou l'interprétation des données expérimentales, la première décision critique est de déterminer si vos données proviennent d'une distribution discrète ou continue. Ce choix affecte chaque étape subséquente, de la sélection des tests statistiques appropriés à la construction de modèles prédictifs.

Distributions de probabilités discrètes

Définition et caractéristiques essentielles

Une distribution de probabilités discrètes décrit une variable aléatoire qui peut prendre sur un ensemble de valeurs distinctes. Généralement, ce sont des entiers, mais ils peuvent aussi être des catégories avec un nombre fini ou infini de possibilités. La caractéristique déterminante est que vous pouvez lister tous les résultats possibles, même si la liste est longue ou infinie. Par exemple, le nombre de courriels que vous recevez en un jour peut être 0, 1, 2, et ainsi de suite, mais jamais 2.5.

La probabilité de chaque résultat spécifique est donnée par le fonction de masse de probabilité (PMF), indiqué comme P(X = x). Pour tout CMR valide, chaque probabilité se situe entre 0 et 1, et la somme des probabilités sur toutes les valeurs possibles est exactement égale à 1. F(x) = P(X ≤ x), est une fonction étape qui augmente seulement aux points où la variable prend une valeur.

Distributions communes discrètes

  • Bernoulli Distribution – Représente un essai unique avec deux résultats, généralement marqués succès (1) et échec (0). p est la probabilité de succès. Exemple: un seul flip de pièce.
  • Distribution binôme – Modélise le nombre total de succès dans un nombre fixe n de procès indépendants Bernoulli. Exemple: nombre de têtes dans 10 pièces de rechange. np, écart (p)- Oui.
  • Distribution du poisson – Spécifie la probabilité d'un nombre donné d'événements survenant dans un intervalle fixe de temps ou d'espace, en supposant un taux moyen constant λ. Exemple : nombre de clients arrivant par heure dans un magasin. Moyenne et variance à la fois égale λ- Oui.
  • Répartition géométrique – Modélise le nombre d'essais nécessaires pour obtenir le premier succès. Exemple : nombre de rouleaux d'un die jusqu'à ce que vous obteniez un 6.
  • Distribution hypergéométrique – Décrit le nombre de réussites dans un échantillon prélevé sans remplacement d'une population finie. Exemple : nombre de billes rouges tirées d'un sac sans remplacement.
  • Distribution binôme négative – Généralise la distribution géométrique au nombre d'essais nécessaires pour obtenir un nombre fixe de succès. Exemple: nombre de tentatives pour obtenir 3 lancers gratuits réussis.

Mesures clés : Valeur et écarts attendus

Les Valeur escomptée (moyenne) d'une variable aléatoire discrète est la moyenne pondérée: [X] = - - x · P(X = x). Les Variation mesure la propagation autour de la moyenne: Var(X) = -- (x – μ)2 · P(X = x). Pour la distribution binomiale, E[X] = np et Var(X) = np(1-p). Pour la distribution de Poisson, la moyenne et la variance sont égales λ — une propriété appelée équidispersion, qui est une hypothèse clé lors de l'utilisation de la régression de Poisson.

Distributions de probabilité continues

Définition et caractéristiques essentielles

Une distribution de probabilité continue modèle une variable aléatoire qui peut prendre n'importe quelle valeur dans un intervalle réel ou une union d'intervalles. Les hauteurs, les poids, les températures et les durées de temps sont des exemples classiques. Comme la variable peut supposer un nombre infini de valeurs, la probabilité de n'importe quelle valeur exacte est zéro.

Les fonction de densité de probabilité (PDF), f(x), décrit la probabilité relative. X entre a et b est l'intégrale de f(x) à partir de a à b. La surface totale sous la courbe PDF est égale à 1. La fonction de distribution cumulative (CDF), F(x) = P(X ≤ x) = ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------, est une fonction continue, différentiable pour la plupart des distributions courantes.

Distributions continues courantes

  • Répartition normale (gaussienne) – La courbe emblématique en forme de cloche, entièrement caractérisée par sa moyenne μ et écart type φ. Il est omniprésent dans les statistiques en raison du théorème de limite centrale. De nombreux phénomènes naturels, tels que les scores de test ou les erreurs de mesure, approximation d'une distribution normale.
  • Distribution exponentielle – Modélise le temps entre les événements indépendants qui se produisent à un taux moyen constant. Il a une propriété clé sans mémoire: la probabilité d'attendre une minute supplémentaire est la même quelle que soit la durée d'attente.
  • Distribution uniforme – Tous les intervalles de longueur égale dans le support ont une probabilité égale. Par exemple, la distribution des nombres aléatoires générés entre 0 et 1 est uniforme. Souvent utilisée comme un préalable non informatif dans l'analyse bayésienne.
  • Répartition des gammas – Généralise la distribution exponentielle pour modéliser le temps jusqu'à k Utilisé dans l'assurance pour les montants des réclamations et dans l'ingénierie pour la fiabilité du système.
  • Distribution bêta – Définie sur l'intervalle [0,1], ce qui en fait l'idéal pour modéliser les probabilités et les proportions. C'est un précédent commun conjugué pour les probabilités binomiales dans les statistiques bayésiennes.
  • Distribution log-normale – Une variable dont le logarithme est normalement distribué. Souvent utilisée pour des données à valeur positive telles que le revenu, les prix des actions et les mesures biologiques.

Mesures clés : Valeur et écarts attendus

La valeur attendue d'une variable aléatoire continue est calculée en intégrant le PDF : [X] = -----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------. La variation est Var(X) = -- (x – μ)2 f(x) dx. Pour la distribution normale, E[X] = μ et Var(X) = ε2. Pour la distribution exponentielle avec taux λ, la moyenne est 1/λ et la variation est 1/λ2- Oui.

Différences clés entre distributions discrètes et continues

Aspect Distribution discrète Distribution continue
Nature des valeurs Nombre de personnes (p. ex., nombre entier, catégories) Infiniment dans un intervalle
Probabilité d'une valeur exacte Peut être >0 (p. ex. P(X=2)=0,15) Toujours 0 (P(X=a)=0 pour tout a)
Représentation probabilité Fonction de masse probable (PMF) Fonction de densité de probabilité (PDF)
Probabilité totale Somme des valeurs de PMF = 1 Zone sous la courbe PDF = 1
Visualisation Graphique à barres ou lignes verticales Courbe continue
CDF Fonction étape qui saute à chaque résultat Fonction continue, lisse (généralement)
Exemples communs Nombre d'accidents, dénombrements, dénombrements des défauts Temps, température, hauteur, tension
Paramètres types Taux λ, procès n, probabilité p Moyenne μ, écart type φ, taux λ

Pourquoi la distinction compte dans la pratique

Sélection des essais et modèles statistiques

Pour les données discrètes (comptes, catégories), les tests non paramétriques ou les modèles spécialisés tels que la régression logistique, les tests chi carrés ou la régression Poisson sont appropriés. Pour les données continues, les tests paramétriques comme les tests t, l'ANOVA et la régression linéaire sont communs, mais ils supposent souvent la normalité. L'application d'un test t pour compter les données allant de 0 à 5, par exemple, peut donner des valeurs p trompeuses parce que la distribution sous-jacente est loin de la normale.

Modélisation prédictive et apprentissage automatique

Pour les données de comptage, utilisez la régression Poisson, la régression binomiale négative ou les modèles à taux zéro. Pour les cibles continues, la régression linéaire, les modèles additifs généralisés ou les réseaux neuronaux avec des fonctions de perte appropriées (p. ex., erreur carrée moyenne) sont appropriés. Dans la classification, les résultats binaires utilisent la régression logistique (distribution de Bernoulli), tandis que les problèmes multiclasses utilisent des distributions multinomiales. La distribution informe également le choix des fonctions de liaison dans les modèles linéaires généralisés ( Voir GLM sur Wikipédia) .

Évaluation des risques et modélisation financière

Dans le domaine financier, des distributions continues comme la normale et la normale des logs sont utilisées pour modéliser les rendements des actifs et le prix des options (modèle Black-Scholes). Les distributions discrètes, comme le modèle binomial arbore, offrent une façon traçable d'évaluer les options étape par étape. Dans l'assurance, le nombre de réclamations suit une distribution discrète (souvent Poisson), tandis que les tailles des réclamations sont modélisées avec des distributions continues (gamme, log-normal).

Inférence bayésienne

Les distributions antérieures peuvent être soit discrètes (par exemple, pour un paramètre binaire) soit continues (par exemple, bêta pour une probabilité).Le choix affecte le calcul postérieur : intégration pour continu, somme pour discret. Les outils informatiques modernes comme la chaîne Markov Monte Carlo (MCMC) gèrent les deux, mais la spécification de la famille de distribution correcte reste cruciale pour l'identification et la convergence des modèles.

Erreurs et idées courantes

  • Traiter les variables discrètes comme continues sans justification. Par exemple, l'analyse des données de comptage (0,1,2,3) avec un test en t ou une régression linéaire viole les hypothèses de normalité et de variance constante.
  • Configurer des données continues discrétées avec des variables vraiment discrètes. Si vous entrez l'âge continu dans des groupes, les données qui en résultent sont discrètes, mais la variable sous-jacente est continue. Binning perd de l'information et peut biaiser les résultats.
  • En supposant que toutes les distributions continues sont normales. De nombreux phénomènes réels suivent des distributions exponentielles, gamma, bêta ou Weibull. Vérifiez toujours la bonté d'adapter en utilisant des courbes Q-Q ou des tests statistiques.
  • Interprétation de la valeur PDF comme une probabilité. La hauteur d'un PDF peut dépasser 1, ce qui est impossible pour un FMP. Seules les zones sous le PDF correspondent aux probabilités.
  • Oublier que les distributions discrètes peuvent parfois être approchées par des distributions continues. Lorsque les comptes sont importants (p. ex., binomial avec grand n, Poisson avec grand λ ), une approximation normale est valide, mais vous devez vérifier des conditions comme la règle du pouce: np ≥ 10 et n(1-p) ≥ 10 pour le binomial.
  • Utiliser un modèle Poisson lorsque la variance dépasse la moyenne (surdispersion). Le Poisson suppose une répartition égale. En cas de surdispersion, les modèles binomiaux négatifs ou à gonfler à zéro sont plus appropriés.

Orientation pratique: des données à la décision

Considérez deux scénarios communs:

  • Nombre de visites de sites Web par heure. Il s'agit de données de comptage, souvent modélisées avec Poisson ou régression binôme négative. Vous vérifieriez l'équipersion et envisageriez une inflation zéro si de nombreuses heures ont zéro visite. Un test de bonté d'ajustement chi-carré peut évaluer si l'hypothèse Poisson est maintenue.
  • Temps passé sur un site Web par session. La distribution exponentielle ou gamma peut s'adapter bien. Vous pouvez appliquer une analyse de survie (p. ex., estimateur Kaplan-Meier) ou une transformation log-transform avant la régression linéaire.

Le choix de la distribution de probabilité correcte n'est pas un exercice académique — il a une incidence directe sur l'exactitude des prédictions, la validité des inférences et la fiabilité des décisions. Statistiques Comment offrir un aperçu complet et Khan Academy , unité sur les variables aléatoires fournit d'excellents tutoriels.

Conclusion

Les distributions discrètes et continues de probabilités permettent de saisir des types fondamentalement différents de variables aléatoires. Les distributions discrètes régissent des résultats chiffrables comme les nombres et les catégories, en utilisant des fonctions de masse de probabilité où chaque valeur spécifique peut avoir une probabilité positive. Les distributions continues régissent des quantités mesurables comme le temps et la distance, en utilisant des fonctions de densité de probabilité où seulement les intervalles portent la probabilité.

Pour plus d'étude, Wikipedias liste des distributions de probabilités est une référence faisant autorité, et ce guide pratique R pour les distributions montre comment travailler avec eux en code.