… Rechercher
Loi stable
loi de variables qui satisfait une propriété de stabilité
sous des combinaisons linéaires
… … …
Cet article ne cite pas suffisamment ses
sources
Si vous disposez d'ouvrages ou d'articles
de référence ou si vous connaissez des
sites web de qualité traitant du thème
abordé ici, merci de compléter l'article en
donnant les références utiles à sa
vérifiabilité et en les liant à la section
« Notes et références »
En pratique : Quelles sources sont
attendues ? Comment ajouter mes
sources ?
Loi stable
Densité de probabilité
Distributions stables symétriques
Distribution symétrique α-stable avec une facteur
d'échelle unitaire
Distributions stables asymétriques centrées avec
facteur d'échelle unitaire
Fonction de répartition
Fonctions de répartition de distributions symétriques α-
stables
Fonctions de répartition de distributions symétriques α-
stables
Fonctions de répartition de distributions stables
asymétriques centrées
Paramètres α (0,2] — paramètre de stabilité
β [−1,1] — paramètre d'asymétrie
c (0, ∞) — paramètre d'échelle
µ (−∞, ∞) — moyenne
Support x R, ou x [µ, +∞[ si α < 1 et β = 1,
ou x ]-∞,µ] si α < 1 et β = -1
Densité de pas d'expression analytique générale,
probabilité sauf pour quelques valeurs de
paramètres
Fonction de pas d'expression analytique générale,
répartition sauf pour quelques valeurs de
paramètres
Espérance µ quand α > 1, sinon indéfini
Médiane µ quand β = 0, sinon pas d'expression
analytique
Mode µ quand β = 0, sinon pas d'expression
analytique
Variance 2c2 quand α = 2, sinon indéfini
Asymétrie 0 quand α = 2, sinon indéfini
Kurtosis
normalisé 0 quand α = 2, sinon indéfini
Entropie pas d'expression analytique générale,
sauf pour quelques valeurs de
paramètres
Fonction
génératrice indéfini
des moments
Fonction
caractéristique
où
modifier
La loi stable ou distribution de Lévy
tronquée, nommée d'après le mathématicien
Paul Lévy, est une loi de probabilité utilisée en
mathématiques, physique et analyse
quantitative (finance de marché).
Variable aléatoire stable
réelle …
Définition
…
On dit qu'une variable aléatoire réelle est
de loi stable si elle vérifie l'une des 3
propriétés équivalentes suivantes[1] :
j. Pour tous réels strictement positifs et
, il existe un réel strictement positif et
un réel tels que les variables aléatoires
et aient la même
distribution, où et sont des copies
indépendantes de .
l. Pour tout entier , il existe une
constante strictement positive et un
réel tels que les variables aléatoires
et
aient la même distribution, où
sont des copies
indépendantes de .
m. Il existe des réels , ,
et telles que la
fonction caractéristique de vérifie, pour
tout ,
où
Remarques :
Les paramètres , ,
et caractérisent la loi de
. On écrit alors .
Le réel dans est appelé paramètre
de stabilité de . Le réel positif est
appelé paramètre d'échelle de .
Les coefficients , et sont liés par la
relation .
Pour tout , on a .
On dit qu'une variable aléatoire réelle est -
stable si elle est stable et que son paramètre
de stabilité est .
Propriétés des lois stables
…
Si et
sont indépendantes,
alors avec
Si et , alors
.
Si avec , alors
où
Si avec , alors
Cas symétrique
…
On dit que est de loi symétrique -stable
si est -stable et que les variables
aléatoires et sont identiquement
distribuées.
est de loi symétrique -stable si, et
seulement si, . On note
simplement dans ce cas .
est de loi symétrique -stable si, et
seulement si, sa fonction caractéristique
vérifie pour tout l'égalité
, où est le paramètre
d'échelle de .
Vecteur aléatoire stable et
variable aléatoire stable …
complexe
Vecteur aléatoire stable
…
On dit qu'un vecteur aléatoire
de est de loi stable
s'il vérifie une des 2 propriétés équivalentes
suivantes[1] :
j. Pour tous réels strictement positifs et
, il existe un réel strictement positif et
un vecteur de tels que les vecteurs
aléatoires et
aient la même distribution, où et
sont des copies indépendantes de
.
l. Il existe une mesure finie sur la sphère
de et un vecteur tels que
la fonction caractéristique de vérifie,
pour tout ,
où est le produit scalaire
classique sur .
Remarques :
La paire est unique.
Le réel est appelé paramètre de stabilité
de .
Les coefficients , et sont liés par la
relation .
On dit que est de loi symétrique -
stable si est -stable et que les variables
aléatoires et sont identiquement
distribuées. Dans ce cas, sa fonction
caractéristique est donnée, pour tout
, par
Propriétés des vecteurs
aléatoires stables …
Si est un vecteur -
stable, alors, pour tous réels , la
variable aléatoire réelle est -
stable.
Si et, pour tous réels ,
la variable aléatoire réelle est -
stable, alors le vecteur
est -stable.
Si, pour tous réels , la variable
aléatoire réelle est symétrique -
stable, alors le vecteur
est symétrique -stable.
Variable aléatoire stable
complexe …
On dit qu'une variable aléatoire complexe
est de loi -stable, si le
vecteur de est -stable.
On dit de plus que la loi de est isotrope si,
pour tout , les variables aléatoires
et sont identiquement distribuées.
Dans ce cas, sa fonction caractéristique vérifie,
pour tous complexes ,
, où est un
réel positif appelé paramètre d'échelle de .
Représentation en série de
LePage …
Cas symétrique réel
…
Soit . On pose
. Soit
et deux
processus mutuellement indépendants de
variables aléatoires définis sur le même espace
de probabilité satisfaisant aux
propriétés suivantes[2] :
j. Les , , sont les temps d'arrivée
d'un processus de Poisson d'intensité 1 ;
c'est-à-dire, pour tous , on a
, où est une suite
de variables aléatoires exponentielles de
paramètre 1 indépendantes.
l. Les , sont des variables
aléatoires réelles, symétriques,
indépendantes, identiquement distribuées
et vérifiant .
Alors la série converge presque
sûrement. De plus, elle est de loi symétrique
-stable et son paramètre d'échelle vérifie
.
Cas isotrope complexe
…
Soit . On pose
. Soit
et deux
processus mutuellement indépendants de
variables aléatoires définis sur le même espace
de probabilité satisfaisant aux
propriétés suivantes[3] :
j. Les , , sont les temps d'arrivée
d'un processus de Poisson d'intensité 1.
l. Les , , sont des variables
aléatoires complexes, isotropes,
indépendantes, identiquement distribuées
et vérifiant , où
désigne la partie réelle de .
Alors la série converge presque
sûrement. De plus, elle est de loi isotrope -
stable et son paramètre d'échelle vérifie
.
Liens avec d'autres lois …
Elle a pour cas particuliers :
La loi de Lévy (paramètres α=1/2 et beta=1),
définie par une formule analytique explicite.
La loi normale (paramètre α=2), définie par
une formule analytique explicite.
La loi de Cauchy (paramètre α=1), définie par
une formule analytique explicite.
Gnedenko et Kolmogorov ont établi une
généralisation du théorème central limite selon
laquelle la somme de variables aléatoires ayant
des queues de distribution décroissantes selon
1/|x|α+1 avec 0 < α < 2 (ayant donc une
variance infinie) tend vers une loi stable de
paramètre α[4].
Références …
j. ↑ a et b (en) Samorodnitsky, G. and Taqqu,
M. S., Stable Non-Gaussian Random
Processes. Stochastic Models with Infinite
Variance, New York, Chapman and Hall,
London, 1994, 632 p.
(ISBN 0-412-05171-0)
l. ↑ (en) Marcus, M. B. and Pisier, G.,
« Characterizations of almost surely
continuous p-stable random Fourier
series and strongly stationary
processes », Acta Math., 1984, p. 245-
301
m. ↑ (en) Kôno, N. and Maejima, M., « Hölder
continuity of sample paths of some self-
similar stable processes », Tokyo Journal
of Mathematics, 1991, p. 93-100
Ç. ↑ Gnedenko, Boris Vladimirov., Limit
distributions for sums of independent
random variables, Addison-Wesley Pub.
Co, 1954 (OCLC 859841311, lire en
ligne )
Portail des probabilités et de la statistique
Dernière modification il y a 5 mois pa…
PAGES ASSOCIÉES
Loi normale
Loi de probabilité
Loi Gamma
famille de lois de probabilité de distribut…
Maximum de vraisemblance
méthode statistique
Le contenu est disponible sous licence CC BY-SA
3.0 sauf mention contraire.
Politique de confidentialité•
Conditions dʼutilisation •
Désactiver la version mobile
