Chapitre 6 Flashcards
Quelle est la différence entre une population et un échantillon?
Un échantillon est un ensemble d’observations de la variable aléatoire qui provient d’une
population infinie dont les propriétés statistiques sont constantes, alors qu’elles sont variables
avec l’échantillon.
(p. 180)
Q2 – Quelles sont les qualités d’une série de données stationnaires?
Une série de données est stationnaire si ses paramètres statistiques à long terme (p. ex., moyenne
et écart-type) sont invariants dans le temps. La variabilité de la série ne doit être causée que par
des fluctuations aléatoires.
Q3 – Comment construit-on l’histogramme de fréquence d’un échantillon?
L’histogramme de fréquences de l’échantillon constitue un simple ensemble de rectangles de
même largeur, la base du ième rectangle étant l’intervalle i, et sa hauteur étant la fréquence ou la
fréquence relative de cette classe.
Q4 – Quels liens existe-t-il entre la probabilité de dépassement et la fréquence cumulative?
La probabilité de dépassement est égale à (1 – p) alors que la fréquence cumulative est égale à p,
soit la probabilité de non-dépassement.
Q5- Qu’ont en commun la fonction de densité de probabilité et la fonction de distribution
de probabilité?
La dérivée de la fonction de distribution de probabilité cumulative F(x) donne la fonction de
densité de probabilité f (x) lorsque F(x) est dérivable
Q6 – Que représente F( x) = P(X ≤ x) ?
Il s’agit de la probabilité cumulative que la variable aléatoire X soit inférieure ou égale à x
Q1 – Quelle est la différence entre une population et un échantillon?
Un échantillon est un ensemble d’observations de la variable aléatoire qui provient d’une
population infinie dont les propriétés statistiques sont constantes, alors qu’elles sont variables
avec l’échantillon.
Q2 – Quelles sont les qualités d’une série de données stationnaires?
Une série de données est stationnaire si ses paramètres statistiques à long terme (p. ex., moyenne
et écart-type) sont invariants dans le temps. La variabilité de la série ne doit être causée que par
des fluctuations aléatoires.
(p. 180)
Q3 – Comment construit-on l’histogramme de fréquence d’un échantillon?
L’histogramme de fréquences de l’échantillon constitue un simple ensemble de rectangles de
même largeur, la base du ième rectangle étant l’intervalle i, et sa hauteur étant la fréquence ou la
fréquence relative de cette classe.
(p. 182)
Q4 – Quels liens existe-t-il entre la probabilité de dépassement et la fréquence cumulative?
La probabilité de dépassement est égale à (1 – p) alors que la fréquence cumulative est égale à p,
soit la probabilité de non-dépassement.
(p. 187)
Q5- Qu’ont en commun la fonction de densité de probabilité et la fonction de distribution
de probabilité?
La dérivée de la fonction de distribution de probabilité cumulative F(x) donne la fonction de
densité de probabilité f (x) lorsque F(x) est dérivable.
(p. 185)
Q6 – Que représente F( x) = P(X ≤ x) ?
Il s’agit de la probabilité cumulative que la variable aléatoire X soit inférieure ou égale à x
Q9 – Que nous indique l’asymétrie d’une distribution sur la moyenne et la médiane de
l’échantillon?
Une asymétrie positive indique que la valeur maximale de f(x) se situe à gauche de la médiane et
inversement pour une asymétrie négative. (p. 190)
Q10 – Pourquoi plusieurs hydrologues préfèrent-ils les moments linéaires aux moments
ordinaires?
Ils sont moins sensibles aux données aberrantes que les moments ordinaires. (p. 189)
Objectif 6.3
Q11 – Qu’est-ce que la variable normale standardisée?
Elle a une distribution avec une moyenne de 0 et un écart-type de 1. (p. 193)
Q12 – Quels sont les avantages et inconvénients à ajuster une fonction de distribution au
logarithme de l’échantillon?
C’est utile lorsque la variable aléatoire X s’étend sur plusieurs ordres de grandeur. Par rapport à
la distribution normale, elle est bornée (0 ≤ x). Dans plusieurs cas, la variable aléatoire X n’est
pas distribuée normalement. (pp. 193-195)
Q13 – Pourquoi l’évaluation de la qualité de l’ajustement d’une fonction de distribution
théorique à un échantillon particulier est-elle une étape cruciale d’une analyse
fréquentielle?
On relève toujours des écarts entre les fréquences expérimentales des valeurs observées et les
fréquences théoriques calculées à partir d’une fonction de distribution choisie. (p. 200)
Q14 – Pourquoi, à qualité d’ajustement égale, va-t-on privilégier une fonction de
distribution à deux paramètres plutôt qu’une fonction à trois paramètres?
On réduit alors les sources d’incertitude.
Q15 – Quelle est l’hypothèse intrinsèque du diagramme des moments L?
Les 3e et 4e moments représentent à eux seuls la série et la distribution théorique.
Q16 – Quelle est l’hypothèse intrinsèque des fréquences expérimentales?
Les fréquences sont fondées sur un comportement moyen.
Q17 – Quel est l’avantage de recourir à du papier de probabilité pour évaluer l’ajustement
d’une fonction de distribution théorique à un échantillon particulier?
Les fonctions de distribution tracent alors une ligne droite, ce qui facilite l’évaluation visuelle de
la qualité de l’ajustement obtenu, car les probabilités cumulatives déduites de la fonction
empirique doivent alors s’aligner. (p. 202)
Q18 – Quelle est l’utilité hydrologique des tests khi-deux et de Kolmogorov-Smirnov?
Ils aident à déterminer le rejet ou l’acceptation de la fonction de distribution de probabilités. Ils
ne font aucune supposition sur le type de distribution de probabilité concernée. (p. 205)
Q19 – À quoi reconnaît-on les formulations d’intervalles de confiance qui reposent sur
l’hypothèse d’une incertitude suivant une distribution normale?
On y utilise la variable normale standardisée. (p. 209)
Q20 – Dans quelle condition devrait-on préférer la méthode de renouvellement à la
méthode standard d’ajustement de fonctions de distribution théorique?
Pour de courtes périodes (typiquement moins de 15 ans). (p. 213)