loi normale..

[invited0379e4d]

Bonjour,
je suis etudiante en bio et en math je suis nulle! c'est pour ca que je fais appel à vous! Vous etes ma dernière chance..!! En fait je ne sais jamais quand je dois utiliser les differentes lois de stats...: loi normale, loi binomiale, loi de poisson... je voulais savoir si vous aviez pas des petites astuces pour savoir à qu'elle moment je dois utiliser telle ou telle lois..
Pouvez vous aussi me dire qu'elle est la différence entre loi normale centré réduite et loi normale..???

Merci pour tte vos aides...et désolé pour mes question debiles! lol!b
-----

[invite9c8661be]

Bonjour,
En fait je ne sais jamais quand je dois utiliser les differentes lois de stats...: loi normale, loi binomiale, loi de poisson... b

Dans quel cadre dois-tu faire des choix entre ces lois(exemples)?Tu veux dire que tu peines à choisir une de ces lois quand tu es face à une variable aléatoire?
Quelques indications:
-une loi normale est une loi CONTINUE,donc là pas de problème pour trancher avec les autres lois que tu cites qui sont des lois DISCRETES.
Bon,je sèche un peu sur la réponse à donner,la question est un peu vague.
Un petit lien trouvé rapidement:
http://cri-cirs-wnts.univ-lyon1.fr/p...stique-2c.html

A+

[invite51f4efbf]

Merci pour tte vos aides...et désolé pour mes question debiles! lol!b

Questions débiles ? Non mais ho, j'ai bac +6 en maths, et j'entrave toujours rien à ces trucs de lois, donc non

[invited0379e4d]

Qu'est-ce qu'une loi Continue et une loi discrètes..?? leurs différences..?? En fait mon problème c'est que je ne sais pas quelle lois appliquer quand je suis face à mon problème.. je sais qu'il existe des "indices" dans l'ennoncé.. comme par exemple une loi de poisson s'utilise dans le cas d'evenements rares.. mais je ne sais jamais quand je dois utiliser une loi normale, une loi normale centrée réduite, loi de student, loi de fisher senector...

[A voir en vidéo sur Futura]

[invite3bc71fae]

Questions débiles ? Non mais ho, j'ai bac +6 en maths, et j'entrave toujours rien à ces trucs de lois, donc non

C'est normal étant donné l'enthousiasme des profs de fac quand ils abordent les statistiques.

[invite3bc71fae]

Pour la différence entre loi continue et loi discrète, je dois pouvoir faire face.

Quand tu as une série statistique à une variable, tu as des caractères. C'est par exemple, la couleur des cheveux, le nombre de numéros trouvés par un joueur de loto, ou une taille en m.

Les trois exemples que je t'ai donné sont différents.
Le premier est qualitatif, ce qu'on peut faire avec ce genre de série est limité, (pourcentage de blonds,...)

Les deux suivants sont quantitatifs et là, on peut commencer à parler de lois.

Dans le deuxième exemple, le caractère évolue de manière discrète, c'est à dire qu'il y a des trous entre les valeurs (1, 2, 3,...,6).
Dans ce cas, il n'y a qu'un nombre fini de caractère mais il peut y en avoir un nombre infini dénombrable ()
La loi qu rend compte de la densité de probabilité est une loi discrète.
ex: 1-> 70%, 2-> 15% ...
On peut représenter la loi par un diagramme en baton

Dans le troisième exemple, le caractère (la taille) évolue de manière continue. (Si la série est disposée dans un tableau, chaque colonne représentera un intervalle ; ex: [1.40m,1.50m])

La loi qui rend compte de la densité de probabilité dans ce cas là est une loi continue représentable par une courbe dont l'intégrale sur tout l'ensemble vaut 1.

C'est tout ce que je peux dire raisonnablement.

[invite32bb90e8]

Bonjour,
je suis etudiante en bio et en math je suis nulle! c'est pour ca que je fais appel à vous! Vous etes ma dernière chance..!! En fait je ne sais jamais quand je dois utiliser les differentes lois de stats...: loi normale, loi binomiale, loi de poisson... je voulais savoir si vous aviez pas des petites astuces pour savoir à qu'elle moment je dois utiliser telle ou telle lois..
Pouvez vous aussi me dire qu'elle est la différence entre loi normale centré réduite et loi normale..???

Merci pour tte vos aides...et désolé pour mes question debiles! lol!b

Je vais peut-être répeter ce que les autres ont dit mais voilà des éléments pour comprendre :

Loi normale : utilisée pour modéliser les événements pouvant prendre des valeurs continues de -inf à +inf. Par exemple, tu peux faire l'hypothèse que le meilleur temps au 100m pendant les JO suit une loi normale autour de 9.8sec avec un écart type de 0.1 sec. Cela signifie qu'en moyenne, le meilleur temps sera de 9.8 sec, et qu'il sera dans une fourchette de [9.7 ; 9.9] sec avec une proba de 99% (à vérifier cette histoire de 99% c'est p-e 95% ou autre chose ...)

Une loi normale est donc définie par 2 paramètres : la moyenne et l'écart type.
On parle de loi normale centrée si la moyenne vaut 0. Réduite c'est pour quand l'écart type vaut 1.

Loi binomiale : utilisée pour modéliser les événements binaires, c'est à dire qui ne peuvent prendre que deux états (échec ou succès). Par exemple on peut supposer que la France gagnera le 100m aux JO avec la proba P et perdra avec la proba Q. A toi de voir la valeur de P et Q, mais évidemment il faut qu'ils vérifient Q=P-1 car les deux états sont "complémentaires" ...

Loi de poisson : utilisée pour modéliser les compteurs d'évenements rares. Par exemple on peut supposer que l'événement recevoir une médaille d'or aux JO suit une loi de poisson de paramètre lambda=0.5. Alors le temps moyen pour recevoir une médaille d'or est de 1/0.5 = 2 jours. A partir de là il existe une formule pour donner la probabilité qu'il y ait 10 médailles avant 3 jours etc ...

Le meilleur pour comprendre c'est d'avoir pleins d'exemples en tête. N'hésite pas à en demander ici ou à tes profs ...

Marc

[invited0379e4d]

Merci pour toutes vos aides! mais sachez que je ne renonce pas à avoir encore d'autre explications..

Bonne journée tout le monde!

[invite84b475f5]

Je suis dans le cadre d'un projet de fin d’étude,Je suis entrain de travailler sur une application pour simuler une ligne de production. Pour modéliser chaque poste(temps de cycle +o- variation) j'ai utilisé la loi normale ce qui ma paru le plus proche au phénomène réel mais en faite j'ai pas trouvé la manière d'argumenter mon choit.Est ce que quelqu’un peut m'aider ??

[gg0]

Bonjour.

Il y a deux façons classiques de justifier l'utilisation d'un modèle gaussien :
* les valeurs mesurées sont le résultat d'un grand nombre de causes qui ont des effets indépendants et de même ordre de grandeur
* L'historique des mesures montre que la répartition des valeurs (pour un poste) est assez proche des valeurs obtenues par tirage d'une valeur aléatoire gaussienne.
les deux pouvant être utilisés simultanément.

Pour le premier point, une analyse technique est à faire; rien à voir avec les statistiques. Par contre, pour le deuxième, on utilise des outils classiques : QQplot ou droite de henry, tests de normalité, ...

Enfin, si on la la possibilité, une analyse d'adéquation du modèle à ce qui se passe est encore une justification.

Cordialement.

[invite84b475f5]

merci
le truc que j'ai pas d’historique ,le cahier de charge m'impose que le client doit saisir le temps cycle et la variation pour n'importe quel poste.
Puis je doit choisir quelque point de la distribution pour générer quelque scenario pour voir la variation sur l'ensemble de la chaine
Je vais essayer de suivre un peu tes suggestions je vais qu'est ce que sa donne .
Est ce que si c'est possible de me donner quelque détails sur les démarches à suivre
Merci

[invite84b475f5]

sa paru un peu débile mais la seule donné que j'ai pour un poste p par exemple sont tcyle=10 variation=+-2 ;
Je veux modéliser ça puis l’implémenter

[invite179e6258]

bonjour, il y a deux arguments "théoriques" qui permettent de justifier l'emploi de la loi normale, dans le cas où il n'y a pas d'argument empirique évident (parce qu'il ne faut pas se faire d'illusion, les tests de normalité genre Kolmogorov-Smirnov ne sont guère puissants).

le premier c'est le théorème central limite : si ton phénomène peut être vu comme la somme d'un grand nombre de petits effets indépendants, il est naturel de supposer la normalité.

le deuxième est le fait que parmi les lois continues de variance donnée, la loi normale est celle qui a la plus grande entropie (la moins informative donc). C'est un théorème de Rényi je crois.