Loi normale asymétrique

Si ce bandeau n'est plus pertinent, retirez-le. Cliquez ici pour en savoir plus.

Cet article ne cite pas suffisamment ses sources (janvier 2018).

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 ?

Distribution normale asymétrique
Densité de probabilité


Fonction de répartition

Paramètres	$\xi \,$ position (réel) $\omega \,$ échelle (réel positif) $\alpha \,$ forme (asymétrie) (réel)
Support	$x\in (-\infty ;+\infty )\!$
Densité de probabilité	${\frac {1}{\omega \pi }}e^{-{\frac {(x-\xi )^{2}}{2\omega ^{2}}}}\int _{-\infty }^{\alpha \left({\frac {x-\xi }{\omega }}\right)}e^{-{\frac {t^{2}}{2}}}\ dt$
Fonction de répartition	$\Phi \left({\frac {x-\xi }{\omega }}\right)-2T\left({\frac {x-\xi }{\omega }},\alpha \right)$ $T(h,a)$ est la fonction T d'Owen
Espérance	$\xi +\omega \delta {\sqrt {\frac {2}{\pi }}}$ où $\delta ={\frac {\alpha }{\sqrt {1+\alpha ^{2}}}}$
Variance	$\omega ^{2}\left(1-{\frac {2\delta ^{2}}{\pi }}\right)$
Asymétrie	${\frac {4-\pi }{2}}{\frac {\left(\delta {\sqrt {2/\pi }}\right)^{3}}{\left(1-2\delta ^{2}/\pi \right)^{3/2}}}$
Kurtosis normalisé	$2(\pi -3){\frac {\left(\delta {\sqrt {2/\pi }}\right)^{4}}{\left(1-2\delta ^{2}/\pi \right)^{2}}}$
Fonction génératrice des moments	$2\exp \left(\mu \,t+\sigma ^{2}{\frac {t^{2}}{2}}\right)\Phi (\sigma \delta t)$
Fonction caractéristique	$\exp \left(\mu \,i\,t-{\frac {\sigma ^{2}t^{2}}{2}}\right)\left(1+i\,\operatorname {erf} \left({\frac {\sigma \delta t}{\sqrt {2}}}\right)\right)$
modifier

En théorie des probabilités et en statistiques, la distribution normale asymétrique est une loi de probabilité continue qui généralise la distribution normale en introduisant une asymétrie non nulle.

Définition[modifier | modifier le code]

Soit $\phi (x)$ la densité de probabilité de la loi normale centrée réduite

\phi (x)={\frac {1}{\sqrt {2\pi }}}e^{-{\frac {x^{2}}{2}}}

avec sa fonction de répartition donnée par

\Phi (x)=\int _{-\infty }^{x}\phi (t)\ dt={\frac {1}{2}}\left[1+\operatorname {erf} \left({\frac {x}{\sqrt {2}}}\right)\right]

avec erf la fonction d'erreur.

Alors la densité de probabilité de la distribution normale asymétrique de paramètre α est donnée par

f(x)=2\phi (x)\Phi (\alpha x).\,

Pour ajouter un paramètre de position et un paramètre d'échelle à cela, on utilise la transformation usuelle $x\mapsto {\frac {x-\xi }{\omega }}$ . On peut vérifier que l'on retrouve une distribution normale lorsque $\alpha =0$ , et que la valeur absolue de l'asymétrie augmente lorsque la valeur absolue de $\alpha$ augmente. La distribution est asymétrique vers la droite si $\alpha >0$ et est asymétrique vers la gauche si $\alpha <0$ . La densité de probabilité avec un paramètre de position ξ, un paramètre d'échelle ω, et un paramètre d'asymétrie α devient

f(x)={\frac {2}{\omega }}\phi \left({\frac {x-\xi }{\omega }}\right)\Phi \left(\alpha \left({\frac {x-\xi }{\omega }}\right)\right).\,

Estimation[modifier | modifier le code]

L'estimateur du maximum de vraisemblance pour $\xi$ , $\omega$ , et $\alpha$ peut être calculé numériquement, mais il n'existe pas d'expression directe des estimateurs sauf si $\alpha =0$ . Si l'on a besoin d'une expression explicite, la méthode des moments peut être appliquée pour estimer $\alpha$ à partir de l'asymétrie empirique de l'échantillon, en inversant l'équation d'asymétrie. Cela donne l'estimateur

|\delta |={\sqrt {{\frac {\pi }{2}}{\frac {|{\hat {\gamma }}_{3}|^{\frac {2}{3}}}{|{\hat {\gamma }}_{3}|^{\frac {2}{3}}+((4-\pi )/2)^{\frac {2}{3}}}}}}

où $\delta ={\frac {\alpha }{\sqrt {1+\alpha ^{2}}}}$ , et ${\hat {\gamma }}_{3}$ est l'asymétrie empirique. Le signe de $\delta$ est le même que celui de ${\hat {\gamma }}_{3}$ . Par conséquent, ${\hat {\alpha }}=\delta /{\sqrt {1-\delta ^{2}}}$ .