Loi de Student

Un article de Wikipédia, l'encyclopédie libre.
Sauter à la navigation Sauter à la recherche
Page d'aide sur l'homonymie Pour le test statistique, voir Test t.

Loi t de Student
image illustrative de l’article Loi de Student
Densité de probabilité

image illustrative de l’article Loi de Student
Fonction de répartition

Paramètres k > 0 (degrés de liberté)
Support
Densité de probabilité
Fonction de répartition 1−γ = ƒ(tγk ), voir tableau en fin d'article
Espérance
Médiane 0
Mode 0
Variance
  • si k ≤ 1 : forme indéterminée
  • si 1 < k ≤ 2 : +∞
  • si 2 < k :
Asymétrie
Kurtosis normalisé
  • si k ≤ 2 : forme indéterminée
  • si 2 < k ≤ 4 : +∞
  • si 4 < k :

En théorie des probabilités et en statistique, la loi de Student est une loi de probabilité, faisant intervenir le quotient entre une variable suivant une loi normale centrée réduite et la racine carrée d'une variable distribuée suivant la loi du χ².

Elle est notamment utilisé pour les tests de Student.

Définition et propriétés[modifier | modifier le code]

Soit Z une variable aléatoire de loi normale centrée et réduite et soit U une variable indépendante de Z et distribuée suivant la loi du χ² à k degrés de liberté. Par définition, la variable

suit une loi de Student à k degrés de liberté.

La densité de T, notée fT, est donnée par :

pour k > 0.

Γ est la fonction Gamma d'Euler.

La densité fT associée à la variable T est symétrique, centrée sur 0, en forme de cloche.

Son espérance ne peut pas être définie pour k = 1, et est nulle pour k > 1.

Sa variance est infinie pour k ≤ 2 et vaut pour k > 2.

Comportement limite[modifier | modifier le code]

Lorsque k est grand, la loi de Student peut être approchée par la loi normale centrée réduite. Une manière simple de le démontrer est d'utiliser le lemme de Scheffé.

Histoire[modifier | modifier le code]

Le calcul de la loi de Student a été publié en 1908 par William Gosset[1] pendant qu'il travaillait à la brasserie Guinness à Dublin. Il lui était interdit de publier sous son propre nom, c'est pour cette raison qu'il publia sous le pseudonyme de Student. Le test t et la théorie sont devenus célèbres grâce aux travaux de Ronald Fisher, qui a qualifié cette loi de « loi de Student »[2],[3].

Application : intervalle de confiance associé à l’espérance d’une variable de loi normale de variance inconnue[modifier | modifier le code]

Ce chapitre présente une méthode pour déterminer l'intervalle de confiance de l'estimateur de l’espérance μ d’une loi normale dont la variance σ2 est inconnue.

Théorème — L'intervalle de confiance de au seuil de confiance est donné par :

,

avec

, l'estimateur de l'espérance.
, l'estimateur non biaisé de la variance.
le quantile d’ordre γ de la loi de Student à k degrés de liberté (dont la définition exacte est donnée ci-dessus).

Distributions apparentées[modifier | modifier le code]

  • suit une loi de Cauchy : .
  •  : la loi de Student converge en loi vers la loi normale.
  • Si suit une loi de Student alors suit une loi de Fisher :
  • a une distribution de Student si suit une loi inverse-χ² et suit une loi normale.

Tableau des valeurs du quantile[modifier | modifier le code]

Le tableau suivant fournit les valeurs de certains quantiles de la loi de Student pour différents degrés de liberté k. Pour chaque valeur de α, le quantile donné est tel que la probabilité pour qu'une variable suivant une loi de Student à k degrés de liberté lui soit inférieur est de 1 – α. Ainsi, pour 1 – α = 0,95 et k = 7, si X suit une loi de Student à 7 degrés de liberté, on lit dans la table que Pour un intervalle de pari bilatéral à 95%, on prendra le quantile à 97,5% :

Notons également que si l'on note tk le quantile d'ordre α de la loi de Student à k degrés de liberté alors on a l'égalité suivante tk, α = –tk, 1–α. Avec l'exemple précédent, cela se traduit par : est aussi

1–α 75 % 80 % 85 % 90 % 95 % 97,5 % 99 % 99,5 % 99,75 % 99,9 % 99,95 %
k
1 1,000 1,376 1,963 3,078 6,314 12,71 31,82 63,66 127,3 318,3 636,6
2 0,816 1,061 1,386 1,886 2,920 4,303 6,965 9,925 14,09 22,33 31,60
3 0,765 0,978 1,250 1,638 2,353 3,182 4,541 5,841 7,453 10,21 12,92
4 0,741 0,941 1,190 1,533 2,132 2,776 3,747 4,604 5,598 7,173 8,610
5 0,727 0,920 1,156 1,476 2,015 2,571 3,365 4,032 4,773 5,893 6,869
6 0,718 0,906 1,134 1,440 1,943 2,447 3,143 3,707 4,317 5,208 5,959
7 0,711 0,896 1,119 1,415 1,895 2,365 2,998 3,499 4,029 4,785 5,408
8 0,706 0,889 1,108 1,397 1,860 2,306 2,896 3,355 3,833 4,501 5,041
9 0,703 0,883 1,100 1,383 1,833 2,262 2,821 3,250 3,690 4,297 4,781
10 0,700 0,879 1,093 1,372 1,812 2,228 2,764 3,169 3,581 4,144 4,587
11 0,697 0,876 1,088 1,363 1,796 2,201 2,718 3,106 3,497 4,025 4,437
12 0,695 0,873 1,083 1,356 1,782 2,179 2,681 3,055 3,428 3,930 4,318
13 0,694 0,870 1,079 1,350 1,771 2,160 2,650 3,012 3,372 3,852 4,221
14 0,692 0,868 1,076 1,345 1,761 2,145 2,624 2,977 3,326 3,787 4,140
15 0,691 0,866 1,074 1,341 1,753 2,131 2,602 2,947 3,286 3,733 4,073
16 0,690 0,865 1,071 1,337 1,746 2,120 2,583 2,921 3,252 3,686 4,015
17 0,689 0,863 1,069 1,333 1,740 2,110 2,567 2,898 3,222 3,646 3,965
18 0,688 0,862 1,067 1,330 1,734 2,101 2,552 2,878 3,197 3,610 3,922
19 0,688 0,861 1,066 1,328 1,729 2,093 2,539 2,861 3,174 3,579 3,883
20 0,687 0,860 1,064 1,325 1,725 2,086 2,528 2,845 3,153 3,552 3,850
21 0,686 0,859 1,063 1,323 1,721 2,080 2,518 2,831 3,135 3,527 3,819
22 0,686 0,858 1,061 1,321 1,717 2,074 2,508 2,819 3,119 3,505 3,792
23 0,685 0,858 1,060 1,319 1,714 2,069 2,500 2,807 3,104 3,485 3,767
24 0,685 0,857 1,059 1,318 1,711 2,064 2,492 2,797 3,091 3,467 3,745
25 0,684 0,856 1,058 1,316 1,708 2,060 2,485 2,787 3,078 3,450 3,725
26 0,684 0,856 1,058 1,315 1,706 2,056 2,479 2,779 3,067 3,435 3,707
27 0,684 0,855 1,057 1,314 1,703 2,052 2,473 2,771 3,057 3,421 3,690
28 0,683 0,855 1,056 1,313 1,701 2,048 2,467 2,763 3,047 3,408 3,674
29 0,683 0,854 1,055 1,311 1,699 2,045 2,462 2,756 3,038 3,396 3,659
30 0,683 0,854 1,055 1,310 1,697 2,042 2,457 2,750 3,030 3,385 3,646
40 0,681 0,851 1,050 1,303 1,684 2,021 2,423 2,704 2,971 3,307 3,551
50 0,679 0,849 1,047 1,299 1,676 2,009 2,403 2,678 2,937 3,261 3,496
60 0,679 0,848 1,045 1,296 1,671 2,000 2,390 2,660 2,915 3,232 3,460
80 0,678 0,846 1,043 1,292 1,664 1,990 2,374 2,639 2,887 3,195 3,416
100 0,677 0,845 1,042 1,290 1,660 1,984 2,364 2,626 2,871 3,174 3,390
120 0,677 0,845 1,041 1,289 1,658 1,980 2,358 2,617 2,860 3,160 3,373
0,674 0,842 1,036 1,282 1,645 1,960 2,326 2,576 2,807 3,090 3,291

Remarque : la dernière ligne du tableau ci-dessus correspond aux grandes valeurs de k. Il s’agit d’un cas limite pour lequel la loi de Student est équivalente à la loi normale centrée et réduite.

Voir aussi[modifier | modifier le code]

Notes et références[modifier | modifier le code]

  1. (en) Student, « The Probable Error of a Mean », Biometrika, vol. 6, no 1,‎ , p. 1–25 (DOI 10.2307/2331554, JSTOR 2331554)
  2. (en) Joan Fisher Box, « Gosset, Fisher, and the t Distribution », The American Statistician, vol. 35, no 2,‎ , p. 61-66 (DOI 10.1080/00031305.1981.10479309, JSTOR 2683142)
  3. (en) Ronald Aylmer Fisher, « Applications of "Student's" Distribution », Metron, vol. 5,‎ , p. 90-104 (lire en ligne)

Bibliographie[modifier | modifier le code]

Articles connexes[modifier | modifier le code]

Sur les autres projets Wikimedia :