Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Une introduction à la distribution de Rayleigh



La distribution de Rayleigh est une distribution de probabilité continue utilisée pour modéliser des variables aléatoires qui ne peuvent prendre que des valeurs égales ou supérieures à zéro.

Il a la fonction de densité de probabilité suivante :

f(x; σ) = (x/σ 2 )e -x 2 /(2σ 2 )

où σ est le paramètre d’échelle de la distribution.

Propriétés de la distribution de Rayleigh

La distribution de Rayleigh a les propriétés suivantes :

  • Moyenne : σ√ π/2
  • Écart : ((4-π)/2)σ 2
  • Mode : σ

Puisque π a une valeur numérique connue, nous pouvons simplifier les propriétés comme suit :

  • Moyenne : 1,253σ
  • Écart : 0,429σ 2
  • Mode : σ

Visualisation de la distribution de Rayleigh

Le graphique suivant montre la forme de la distribution de Rayleigh lorsqu’elle prend différentes valeurs pour le paramètre d’échelle :

Distribution de probabilité de Rayleigh

Notez que plus la valeur du paramètre d’échelle σ est grande, plus la distribution devient large.

Bonus : Pour ceux qui sont curieux, nous avons utilisé le code R suivant pour générer le graphique ci-dessus :

#load VGAM package
library(VGAM)

#create density plots
curve(drayleigh(x, scale = 0.5), from=0, to=10, col='green')
curve(drayleigh(x, scale = 1), from=0, to=10, col='red', add=TRUE)
curve(drayleigh(x, scale = 2), from=0, to=10, col='blue', add=TRUE)
curve(drayleigh(x, scale = 4), from=0, to=10, col='purple', add=TRUE)

#add legend
legend(6, 1, legend=c("σ=0.5", "σ=1", "σ=2", "σ=4"),
       col=c("green", "red", "blue", "purple"), lty=1, cex=1.2)

Relation avec d’autres distributions

La distribution de Rayleigh a la relation suivante avec d’autres distributions de probabilité :

1. Lorsque le paramètre d’échelle (σ) est égal à 1, la distribution de Rayleigh est égale à une distribution du Chi carré à 2 degrés de liberté.

2. La distribution de Rayleigh est un cas particulier de la distribution de Weibull avec un paramètre de forme k = 2.

3. La distribution de Rayleigh avec le paramètre d’échelle σ est égale à la distribution de Rice avec Rice(0, σ).

Applications

En pratique, la distribution Rayleigh est utilisée dans diverses applications, notamment :

1. La distribution de Rayleigh est utilisée pour modéliser le comportement des vagues dans l’océan, y compris le temps nécessaire aux vagues pour atteindre leur crête et la hauteur maximale atteinte par les vagues.

2. La distribution de Rayleigh est utilisée pour modéliser le comportement des données de fond en imagerie par résonance magnétique, plus communément appelée IRM.

3. La distribution de Rayleigh est utilisée dans le domaine de la nutrition pour modéliser la relation entre les niveaux de nutriments et la réponse nutritionnelle chez les humains et les animaux.

Ressources additionnelles

Les didacticiels suivants fournissent des informations supplémentaires sur d’autres distributions dans les statistiques :

Une introduction à la distribution normale
Une introduction à la distribution binomiale
Une introduction à la distribution de Poisson

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *