Loi hyper-exponentielle

Paramètresn=1,2,...

0<p_{i}\leq 1

paramètres de mélange

\lambda _{i}>0

Support

x\in [0;+\infty [\,

Densité de probabilité

\sum _{i=1}^{n}p_{i}\lambda _{i}e^{-\lambda _{i}y}

Fonction de répartition

1-\sum _{i=1}^{n}p_{i}e^{-\lambda _{i}y}

Loi hyper-exponentielle
Densité de probabilité


Fonction de répartition

Paramètres	n=1,2,... $0<p_{i}\leq 1$ paramètres de mélange $\lambda _{i}>0$
Support	$x\in [0;+\infty [\,$
Densité de probabilité	$\sum _{i=1}^{n}p_{i}\lambda _{i}e^{-\lambda _{i}y}$
Fonction de répartition	$1-\sum _{i=1}^{n}p_{i}e^{-\lambda _{i}y}$
Espérance	$\sum _{i=1}^{n}{\frac {p_{i}}{\lambda _{i}}}$
Fonction caractéristique	$\displaystyle \prod _{i=1}^{N}{\frac {\lambda _{i}p_{i}}{\lambda _{i}+\xi }}$
modifier

En théorie des probabilités et en statistique, la loi hyper-exponentielle (ou loi hyper-exponentielle-n) est une loi de probabilité continue mélangeant plusieurs lois exponentielles. Elle dépend de trois paramètres : n le nombre de lois exponentielles indépendantes, $(\lambda _{i},1\leq i\leq n)$ les paramètres de ces lois exponentielles et $(p_{i},1\leq i\leq n)$ une pondération de ces lois. Le terme hyper vient du fait que le coefficient de variation de la loi est supérieur à 1, comparativement à la loi hypo-exponentielle dont le coefficient de variation est inférieur à 1 et à la loi exponentielle dont le coefficient vaut 1.

C'est une loi utilisée dans la théorie des files d'attente^[1] dans le cas d'une simulation de n serveurs en parallèle.

Caractéristiques

La loi hyper-exponentielle est, en un certain sens, un mélange de plusieurs lois exponentielles. Notons $(X_{i},1\leq i\leq n)$ n lois exponentielles indépendantes de paramètres respectifs $(\lambda _{i},1\leq i\leq n)$ : $X_{i}\sim {\mathcal {E}}(\lambda _{i})$ .

Les paramètres de mélange sont notés $(p_{i},1\leq i\leq n)$ et vérifient

\sum _{i=1}^{n}p_{i}=1,

Alors la loi de $Y$ peut être obtenue de la manière suivante : on tire avec probabilité $p i$ le paramètre $\lambda _{i}$ que l'on prendra pour la loi exponentielle ${\mathcal {E}}(\lambda _{i})$ que suivra $Y$ . On obtient ainsi une loi hyper-exponentielle de paramètres n, ( $p i$ ), ( $\lambda _{i}$ ). Cette loi sera notée : $Y\sim {\mathcal {H}}_{n}((p_{i}),(\lambda _{i}))$ .

La densité de probabilité de la loi hyper-exponentielle est la somme des densités des lois exponentielles :

f_{Y}(y):={\begin{cases}\sum _{i=1}^{n}p_{i}\lambda _{i}\mathrm {e} ^{-\lambda _{i}y}&{\text{ si }}y>0\\0&{\text{sinon.}}\end{cases}}

La fonction de répartition est donnée par :

F_{Y}(y):={\begin{cases}1-\sum _{i=1}^{n}p_{i}\mathrm {e} ^{-\lambda _{i}y}&{\text{ si }}y>0\\0&{\text{sinon.}}\end{cases}}

L'espérance est la somme pondérée des espérances des lois exponentielles :

\mathbb {E} (Y)=\sum _{i=1}^{n}{\frac {p_{i}}{\lambda _{i}}}

Applications

Liens avec d'autres lois

Si n=1, alors la loi hyper-exponentielle ${\mathcal {H}}_{1}(1,\lambda )$ est la loi exponentielle ${\mathcal {E}}(\lambda )$ .
Au même titre que la loi exponentielle est l'équivalent continu de la loi géométrique, la loi hyper-exponentielle est l'équivalent continu de la loi hypergéométrique.

Loi hyper-exponentielle

Caractéristiques

Applications

Liens avec d'autres lois

Références

Related Articles