Loi zêta

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

Cet article ne cite pas suffisamment ses sources ().

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 ?

Zêta
Image illustrative de l’article Loi zêta
Fonction de masse
Image illustrative de l’article Loi zêta
Fonction de répartition

modifier Consultez la documentation du modèle

En théorie de probabilité et statistiques, la distribution zêta est une loi de probabilité discrète de paramètre s > 1 {\displaystyle s>1} [1]. Elle est aussi appelée loi de Pareto discrète[2], en lien avec la loi de Pareto.

Définition

On dit qu'une variable aléatoire X {\displaystyle X} suit une loi zêta de paramètre s {\displaystyle s} si :

P ( X = k ) = k s / ζ ( s ) {\displaystyle \mathbb {P} (X=k)=k^{-s}/\zeta (s)\,}

ζ {\displaystyle \zeta } est la fonction zêta de Riemann non définie en 1[1].

Une loi zêta est un sous cas de la loi de Zipf où le paramètre N est infini.

Moments

Le n-ième moment est défini par l'espérance de Xn :

m n = E ( X n ) = 1 ζ ( s ) k = 1 1 k s n {\displaystyle m_{n}=\mathbb {E} (X^{n})={\frac {1}{\zeta (s)}}\sum _{k=1}^{\infty }{\frac {1}{k^{s-n}}}}

La série de droite est une représentation de la fonction zêta de Riemann et converge seulement pour les valeurs de s-n strictement supérieures à 1. Ainsi :

m n = { ζ ( s n ) / ζ ( s ) pour   n < s 1 pour   n s 1 {\displaystyle m_{n}=\left\{{\begin{matrix}\zeta (s-n)/\zeta (s)&{\textrm {pour}}~n<s-1\\\infty &{\textrm {pour}}~n\geq s-1\end{matrix}}\right.}

Lien avec la densité naturelle

Soit A une partie de N {\displaystyle \mathbb {N} } , on dit que A a une densité naturelle si Card ( A { 1 , , n } ) n {\displaystyle {\frac {\operatorname {Card} (A\cap \{1,\dots ,n\})}{n}}} converge. Notons d(A) la limite. On a alors le résultat suivant : P s ( X A ) s 1 + d ( A ) {\displaystyle \mathbb {P} _{s}(X\in A){\underset {s\rightarrow 1^{+}}{\longrightarrow }}d(A)}

Démonstration

Soit ϵ > 0 {\displaystyle \epsilon >0} , posons pour tout n N , c n = Card ( A { 1 , , n } ) {\displaystyle n\in \mathbb {N} ,c_{n}=\operatorname {Card} (A\cap \{1,\dots ,n\})} on a par hypothèse que lim n c n n = d ( A ) {\displaystyle \lim _{n\to \infty }{\frac {c_{n}}{n}}=d(A)} , donc on peut poser n 0 N {\displaystyle n_{0}\in \mathbb {N} } tel que n N , n n 0 | c n n d ( A ) | ϵ . {\displaystyle \forall n\in \mathbb {N} ,n\geq n_{0}\Rightarrow \left|{\frac {c_{n}}{n}}-d(A)\right|\leq \epsilon .}
On écrit alors P s ( X A ) = a A 1 a s ζ ( s ) = a A a < n 0 1 a s + a A a n 0 1 a s ζ ( s ) {\displaystyle \mathbb {P} _{s}(X\in A)={\frac {\sum _{a\in A}{\frac {1}{a^{s}}}}{\zeta (s)}}={\frac {\sum _{\underset {a<n_{0}}{a\in A}}{\frac {1}{a^{s}}}+\sum _{\underset {a\geq n_{0}}{a\in A}}{\frac {1}{a^{s}}}}{\zeta (s)}}}
On s'intéresse au terme a A a n 0 1 a s {\displaystyle \sum _{\underset {a\geq n_{0}}{a\in A}}{\frac {1}{a^{s}}}} , on a : a A a n 0 1 a s = a A a n 0 c a s c a s a s a A a n 0 ( d ( A ) + ϵ ) s c a s {\displaystyle \sum _{\underset {a\geq n_{0}}{a\in A}}{\frac {1}{a^{s}}}=\sum _{\underset {a\geq n_{0}}{a\in A}}{\frac {c_{a}^{s}}{c_{a}^{s}a^{s}}}\leq \sum _{\underset {a\geq n_{0}}{a\in A}}{\frac {(d(A)+\epsilon )^{s}}{c_{a}^{s}}}} car la variable muette a est supérieure à n 0 . {\displaystyle n_{0}.}
Sans nuire à la généralité, supposons A infini (le cas A fini est trivial), écrivons alors A = { a 0 , a 1 , } {\displaystyle A=\{a_{0},a_{1},\dots \}} . Il s'ensuit alors que pour m N , c a m = m {\displaystyle m\in \mathbb {N} ,c_{a_{m}}=m} . posons alors n 1 = min ( { m N , a m n 0 } ) . {\displaystyle n_{1}=\operatorname {min} (\{m\in \mathbb {N} ,a_{m}\geq n_{0}\}).}
On a donc a A a n 0 1 c a s ζ ( s ) = m = 1 1 m s m = 1 n 1 1 1 m s ζ ( s ) = ζ ( s ) m = 1 n 1 1 1 m s ζ ( s ) = 1 m = 1 n 1 1 1 m s ζ ( s ) s 1 + 1 {\displaystyle {\frac {\sum _{\underset {a\geq n_{0}}{a\in A}}{\frac {1}{c_{a}^{s}}}}{\zeta (s)}}={\frac {\sum _{m=1}^{\infty }{\frac {1}{m^{s}}}-\sum _{m=1}^{n_{1}-1}{\frac {1}{m^{s}}}}{\zeta (s)}}={\frac {\zeta (s)-\sum _{m=1}^{n_{1}-1}{\frac {1}{m^{s}}}}{\zeta (s)}}=1-{\frac {\sum _{m=1}^{n_{1}-1}{\frac {1}{m^{s}}}}{\zeta (s)}}{\underset {s\rightarrow 1^{+}}{\longrightarrow }}1} , d'où P s ( X A ) a A a < n 0 1 a s ζ ( s ) + ( d ( A ) + ϵ ) s ( 1 m = 1 n 1 1 1 m s ζ ( s ) ) s 1 + d ( A ) + ϵ {\displaystyle \mathbb {P} _{s}(X\in A)\leq {\frac {\sum _{\underset {a<n_{0}}{a\in A}}{\frac {1}{a^{s}}}}{\zeta (s)}}+(d(A)+\epsilon )^{s}\left(1-{\frac {\sum _{m=1}^{n_{1}-1}{\frac {1}{m^{s}}}}{\zeta (s)}}\right){\underset {s\rightarrow 1^{+}}{\longrightarrow }}d(A)+\epsilon }
On fait alors de même à gauche et on trouve pour s assez proche de 1 que d ( A ) 2 ϵ P s ( X A ) d ( A ) + 2 ϵ {\displaystyle d(A)-2\epsilon \leq \mathbb {P} _{s}(X\in A)\leq d(A)+2\epsilon } , ainsi : P s ( X A ) s 1 + d ( A ) {\displaystyle \mathbb {P} _{s}(X\in A){\underset {s\rightarrow 1^{+}}{\longrightarrow }}d(A)}

Voir aussi

Références

  • (en) Cet article est partiellement ou en totalité issu de l’article de Wikipédia en anglais intitulé « Zeta distribution » (voir la liste des auteurs).
  1. a et b Élise Davignon, « Introduction aux probabilités » Accès libre [PDF], sur Université de Montréal
  2. « Programme probabilités discrètes » Accès libre [PDF], sur université Paris Diderot
v · m
Lois discrètes
à support fini
0 paramètre de forme
  • Dirac
  • Rademacher
1 paramètre de forme
2 paramètres de forme
3 paramètres de forme
N paramètres de forme
à support infini
0 paramètre de forme
1 paramètre de forme
2 paramètres de forme
3 paramètres de forme
Lois absolument continues
à support compact
0 paramètre de forme
1 paramètre de forme
2 paramètres de forme
3 paramètres de forme
à support semi-infini
0 paramètre de forme
1 paramètre de forme
2 paramètres de forme
3 paramètres de forme
N paramètres de forme
à support infini
0 paramètre de forme
1 paramètre de forme
2 paramètres de forme
Autres types de lois
Lois à support mixte continu-discret
Lois à support variable
Lois multidimensionnelles
Discrètes
Continues
Matricielles
Lois directionnelles
Univariantes
Sphériques bidimensionnelles
Toroïdales bidimensionnelles
Multidimensionnelles
Lois singulières
Familles de lois
v · m
Index du projet probabilités et statistiques
Théorie des probabilités
Bases théoriques
Principes généraux
Convergence de lois
Calcul stochastique
Lois de probabilité
Lois continues
Lois discrètes
Mélange entre statistiques et probabilités
Interprétations de la probabilité
Théorie des statistiques
Statistiques descriptives
Bases théoriques
Tableaux
Visualisation de données
Paramètres de position
Paramètres de dispersion
Paramètres de forme
Statistiques inductives
Bases théoriques
Tests paramétriques
Tests non-paramétriques
Application
  • icône décorative Portail des probabilités et de la statistique