R EVUE DE STATISTIQUE APPLIQUÉE
G. P ILÉ
Esquisse d’une théorie générale des systèmes entrée- sortie (hypothèses de conservation des flux). IIIe partie : point de vue probabiliste
Revue de statistique appliquée, tome 15, n
o4 (1967), p. 47-86
<
http://www.numdam.org/item?id=RSA_1967__15_4_47_0>
© Société française de statistique, 1967, tous droits réservés.
L’accès aux archives de la revue « Revue de statistique appliquée » (
http://www.sfds.asso.fr/publicat/rsa.htm
) implique l’accord avec les conditions générales d’uti- lisation (
http://www.numdam.org/conditions). Toute utilisation commerciale ou im- pression systématique est constitutive d’une infraction pénale. Toute copie ou im- pression de ce fichier doit contenir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
http://www.numdam.org/
47
ESQUISSE D’UNE THÉORIE GÉNÉRALE
DES SYSTÈMES ENTRÉE-SORTIE
(HYPOTHÈSES DE CONSERVATION DES FLUX)
G. PILÉ
III’ PARTIE (1)
POINT DE VUE PROBABILISTE
I - DEFINITION D’UNE PROBABILITE 9! SUR d
1/
Les domaines de variation XYZ des Yi, zi , xi i seront sup-posés
inclus soit dansNo,
soit dans la droite des réelspositifs.
A tout
couple
ei =(yi , zi) correspond
unpoint image
dans leplan
y , z dit espace des
phases,
la réalisation de l’événement élémentaire e i étant liée ici à uneépreuve Ei
exactement définieOn définira en
général
uneprobabilité
soit sur Y seul : Yi ,
dA(y,)
Z iprenant
une valeur certaine soit sur Z seul : zi ,dB(zi)
yiprenant
une valeur certaine soit sur Y et Zindépendamment
l’un de l’autresoit sur X seul :
(xiPi).
Toute distribution d’entrée définie par une suite n
tuple {et
...en}
sera
interprétée
comme un évènement lié à la famille Jd’épreuves -Si
etreprésentée
par unetrajectoire
aboutissant à unpoint image (y ., z).
L’hypothèse d’indépendance
desépreuves
d’une même suite(où
ipeut parcourir
soit un ensemble fini{0 ,
1 ...n},
soit infini dénombrableNo,
entraîne lespropriétés
suivantes :1/
Laprobabilité
àpriori
de l’évènementf ei ,
ei+1 ,... }
estégale
à sa
probabilité
conditionnelleà {.. ei-2, ei-1}
2/
Le processus est réversible enprobabilité,
laprobabilité
d’unesuite étant
indépendante
de son ordre.Les
hypothèses précédentes
reviennent àappliquer sur {ei}
uneprobabilité J homogène,
c’est-à-direindépendante
dei, (chaque épreuve êi
est assimilable à untirage
non exhaustif dans une urne contenant des boulesmarquées).
Toute une classe de cas concrets
échappent
à cettecondition,
enparticulier
ceux où le flux offre est alimenté par unepopulation
finiepeu
importante.
(1) Les 1ère et 2ème parties ont été publiées dans le numéro précédent (Vol. XV N° 3).
Revue de Statistique Appliquée, 1967 - vol 03BBV - N 4
48
Exemple-type :
leproblème
de l’entretien ou du service de n machines par sréparateurs
ou surveillants.Le traitement de ces cas nécessite des
développements qui
sortentdu cadre limité de cette
analyse.
2/
La variable d’état doit êtreinterprétée
dans un contextealéatoire,
comme une fonction aléatoire
ejd) dépendant
dans le cas transitoire de deuxarguments
t et d.-
L’argument
t, nonprobabilisé,
vaparcourir
soit une suiterégulière,
soit l’ensemble despoints
d’un intervalle de la droiteréelle ;
t va s’identifier dans les
applications
soit à la variable y, soit à y + z, ou au nombre nd’épreuves Ei
si l’onprend
comme variablede base la
"longueur"
des enchaînements au sens de la théorie des en-sembles
(comme
dans leproblème
de la ruine dujoueur
parexemple) .
-
L’argument
dparcourt
un espaceprobabilisé
sommairement décritplus haut,
se résumant dans untriplet (E
oùE
désigne
l’ensemble des distributions d 5,’ une oalgèbre
de sous-ensemblesAi
de EJ une
probabilité
sur Si .II - EXPOSE D’UNE METHODE GENERALE
1/
Faisons un retour en arrière surl’analyse
de structure faiteen IIème
partie.
Toute distribution de
Eyz ayant
une définitionunique
sur leproduit
d’ensembles
I D , E yL peut
êtredécomposée
en classes de sous-ensembles(y1 complément
de YI parrapport
à y, Zcomplément
de zi parrapport à z) ayant
lespropriétés
d’une oalgèbre (les Ay
Zl sont d’ailleurs tousdisjoints
et leur réunion s’identifie àE).
fig.
3.1Revue de Statistique Appliquée, 1967 - vol XV - N 4
49
A
chaque
classecorrespond
unpoint image
dans leplan
y , z sur l’aire ombrée(figure
pageprécédente).
Il est facile de voir que le sous-ensemble
a pour
images
l’ensemble despoints
situés sur ladiagonale (portée
enpointillé).
Si l’on substitue aux distributions
Du
leursconjuguées I"z1,
onobtient le dénombrement
Il en résulte que si on associe à l’ensemble des distributions d’entrée
d’argument
y, son ensembleconjugué,
il estpossible
de dénombrerE;::
àpartir
des seules distributions soitincluses,
soit denses de cesdeux ensembles.
Identifions maintenant les I et D à des suites
d’épreuves E ,
lesopérations "produit" d’ensembles, s’appliquent
auxprobabilités
corres-pondantes
du fait del’indépendance
desépreuves (les points
de contact des distributionscontigues
de I et D sonttoujours
ce que l’onappelle
despoints "régénératifs"
desprocessus).
Pour des raisons de
simplicité
etd’isomorphisme
nous conviendrons par la suite dedésigner
par les lettres 1 et D, lesprobabilités
attachéesà ces distributions.
2/
Dansl’exposé qui
va suivre nous nousplacerons
dans le cas oùl’argument
nonprobabilisé
estpris égal
au nombre nd’épreuves
élemen-taires de
tirage
decouples (y, z,).
Dressons le tableau suivant des
dIn(V)
etdDn(W), probabilités
dedistributions d’ordre n, soit incluses d’état
(v),
soit denses d’état(w) .
Revue de Statistique Appliquée, 1967 - vol. XV - N 4
50
Les éléments de la lère colonne résultent des sommations
Ils définissent les
probabilités
pg des écarts : E =V, 03B5 = -
W.Les
principes (opérations "Produit")
définis en IIèmepartie
per- mettent d’écrire :Conduisant au
système
de relations suivant de définition de la fonction derépartition F(w)
Rappelons qu’avec
les notations actuelles les relations de transition usuelles seraient les suivantes(appliquées
deproche
enproche
nfois,
elles reviennent à élever à lapuissance
n une matrice d’élémentspg).
3/ Propriétés "finies"
de la suite double{In , Dn}
* i + 1 an
a)
La relationIi Di = 1
i E0,
... n ,permet
de dé- duire lesIn
desDn
et vice versa, en sorte que le calcul desdFn (W)
se ramèneà celui des
dDn(W) plus simple
et souventrapidement convergent. (En perdant
de vue cespropriétés simples,
on alourditexagérement
lescalculs).
b)
La suite(In , Dn)
résume l’ensemble despropriétés
es-sentielles attachées à l’étude du
système
comme nous allons le montrer.Représentons
de lafaçon
suivante les masses deprobabilité (In Dn)
liées par les relations
Revue de Statistique Appliquée, 1967 - vol. XV - N 4
51
fig. 3 . 2
Les
probabilités ln
etDn,
monotones, décroissantes avec n,peuvent
êtreinterprétées
de deux manières distinctes selonqu’une
suite de népreuves
est ordonnée dans les :Cn+1
mesure ainsi laprobabilité
relative à l’émission àpartir
del’instant 0 d’une chaîne
complète
de n instants"actifs"
ou n coupsgagnants
successifs de B.
Il en résulte que
Revue de Statistique Appliquée, 1967 - vol. XV - N 4
52
tandis que l’E.M. a
postériori (c’est-à-dire
àpartir
dudébut
d’une cha3ne(ou
d’un 1er coupgagnant)
estégale à 03A3 Di /D1).
c)
Introduisons les F. G. :(I(S) , D(S) , C(S) ,
onpeut
écrire :La F. G. du
premier
membre estI(S) - 1,
celle du secondC(S) I(S).
Il en résulte le
système
de relations suivant :d)
Dans unepartie
dey + Z = n
coups entre deuxjoueurs, désignons
parGr,n
laprobabilité
que r coups exactement soientmarqués
par
l’avantage
dujoueur
A parexemple :
et donc
Cette relation est
générale,
c’est-à-dire que l’on aau moins dans le cas où le
système
àchaque changement
dephase**
passe par l’état intermédiaire
0 (y
=Z).
Le résultat de
l’épreuve (r
coupsgagnants
pour Aexactement)
étantun évènement
certain,
onpeut
dans ce cas modifier l’ordre de succession desphases
et lesséparer.
La
probabilité
cherchée est alorségale
auproduit
de laprobabilité
de r coups
gagnants
sur r coupsjoués
par laprobabilité
de(n - r)
coupsperdants
sur(n - r)
coupsjoués.
---
* (traduction de la composition :
*i + i=n
Ii DI i = 1 ~ n
** Cette restriction n’est pas nécessaire dans le cas symétrique (In =
Do)
étudié plus loin, ce qui exprime sous une autre forme une propriété démontrée par Sparre Andersen.En fait les limites d’application de la formule précédente, probablement plus gé- nérales, n’ont pu être exactement déterminées dans ce travail.
Revue de Statistique Appliquée, 1967 - vol XV - N 4
53
4/ Comportement
à l’infiniUne
analyse rigoureuse
de ceproblème
sortant du cadre restreint de cetravail,
on se limitera ici auxaspects théoriques
essentiels.a)
Casconvergent
F. M.(y - z) =
s > 0(ou
p1)
On peut montrer que Dn ~
0 et doncque 03A3Ci ~C(1) =
1. Le retourdu
système
à l’état 0 constitue un évènement certain.En vertu d’une
propriété classique :
Résultat d’ailleurs
prévisible.
*i + i =n
En
effet,
la relation decomposition IiDi.
= 1 subsiste àl’infini,
en sorte que
si
In ~ F(0),
on doit avoir :de la même
manière,
la relation de définitiontend à la limite vers
La connaissance des
dDn(W)
est donc suffisante pour déterminer lesprobabilités
limites.n
Connaissant 03A3Di
àchaque étape
n, onpeut
en déduire la valeurI,
1
correspondante qui
constitue une meilleureapproximation
deF(O)
que1 / (1 + EDi).
F(W)
doit par ailleurs être neutre vis à vis de la relation de com-position
avec(s ; P03B5)
(extension
à l’oo de la relation de récurrence du casinfini)
Revue de Statistique Appliquée, 1967 - vol. XV - N 4
54
Ce
qui peut s’exprimer
enprenant
les F. G. des deuxmembres,
par la condition :le second membre étant limité aux
puissances (+)
de s.Il
importe
de se rendrecompte
du mode de convergence desFn(W)
vers sa limite Foo
(W).
Dans les cas d’intérêtpratique
oùl’histogramme
des
fréquences
pe est défini entre les bornes - m et + M de E.La relation de
composition
vérifiée parF(W) prend
deux formes dinstinctesLa solution de
l’équation
aux différences(1)
doit satisfaire aux li- mites(2)
en nombre M.Or
(1)
admet pour solution la fonctionexponentielle
comme on s’enassure en effectuant la substitution
On doit avoir
identiquement
ce
qui
a lieu si x vérifiel’équation
Equation polynomiale
admettant m + M racines dont x = 1. Seulespeuvent
convenir dans le cas actuel les racines xi de module auplus égal
àl’unité
puisque F(W)
~ 1 pour k infiniLa solution
générale
de(1)
est ainsi définie par :Revue de Statistique Appliquée, 1967 - vol. XV - N’ 4
55
les li
étant déterminés par les conditions aux limites en nombre M . Comme la solution cherchée estunique,
on doit s’attendre à ce quel’équation (3)
ait exactement M racines de module inférieur à l’unité(ce
que confirme la théorie des fonctions
analytiques).
On s’assure par ailleurs de l’existence d’une racine réelle
(+) puisque
(son
calculnumérique
n’offira pas dedifficultés)
Si M est
pair,
on doit avoir une autre racine réellequi
nepeut
être que
(-)
et de valeur faiblepuisque
L’expression
deF(W) comporte
donc deux éléments :1/
l’unapériodique
de tendance 1 -l1 xw1
2/
l’autre constitué par des oscillationspériodiques
amortiesde la forme
auxquelles s’ajoutent
les termescomportant
des racines(-) b)
Casdivergent
e = 0 p = 1On montre que le retour du
système
à l’état 0 demeure un évènement certain :C(l)
= 1mais In et 03A3Dn augmentent
indéfiniment.L’hypothèse
laplus fréquente
et intéressante surlaquelle
il estutile de s’étendre consiste à supposer
identiques
les lois deyi
etz i .
On a dans ce cas Pe = p-03B5et
Il en résulte que
de termes
généraux :
Revue de Statistique Appliquée, 1967 -- vol. XV - N 4
56
La
propriété
laplus
intéressante est celle attachée à la fonctionGr,n
définieL’application
de la formule deStirling
conduit àl’expression
où l’on a
posé r/n
= t(fraction
detemps
où Al’emporte
surB).
ce
qui
conduit àl’expression classique
de la F.R. limiteG(t)
Rappelons
que la loi arc sinus rendcompte
duphénomène
suivant :Il existe une
probabilité
apriori
élevée pourqu’un joueur
donnél’emporte
laplupart
dutemps
sur l’autre.(exemple :
20%
pour une fraction dutemps >
90%)
Cette
singularité
résulte du fait que l’E. M. de C croît indéfiniment avec n, en d’autres termesqu’il
faut souvent un nombre énormed’épreuves
pour
changer
lesigne
du résultat.c) Cas
divergent 03B5
0 ou p = 1Le retour du
système
à l’état 0 constitue un événementincertain,
en d’autres termes
C(l)
1. On tend alors vers une limite finie D nécessairementégale
à 1 -C(l)
et
relation
équivalente
à celle donnée sous la formeclassique
(où
un a lasignification
donnée ici à10).
L’étude du cas
divergent
ne diffère pas fondamentalement de celle du casconvergent.
La
transposition
desIn
etDn (qui revient, rappelons-le,
à considérer les distributions d’entréeconjuguées
établit unecorrespondance
dualeentre eux :
A toute
propriété
du casconvergent correspond
par dualité unepropriété
du casdivergent.
Par
exemple :
laprobabilité
d’un état 0 à lanième épreuve
dans le1er cas est
égale
dans son dual à laprobabilité
de l’absence d’état 0 au cours d’une suitequelconque
des népreuves.
Revue de Statistique Appliquée, 1967 - vol. XV - N’ 4
57 III - LE CAS " J UNIFORME SUR
y"
1/ Supposons
que laprobabilité
d’unimpact
aupoint
d’abcisse y soitindépendante
de y c’est-à-dire soitégale
à :1)
à une constante p si lespoints possibles d’impact
formentune suite
régulière
2)
à 03BBdy
dans le cas d’un processus d’arrivée à densité deprobabilité
constante À. sur y.(Dans
l’un et l’autre cas la loi de masse(z , Pz)
estquelconque).
Rappelons
quel’hypothèse (1) équivaut
à admettre une loi d’in-tervalle
géométrique (yi , (1 - p) pyi).
Le passage à la limite
(hypothèse 2)
conduit à uneexponentielle négative 1 e -Ày. ),
la loi defréquence
tendant vers une loi dePoisson
(n, e-03BB (03BB y)n n! .
Le cas
"J
uniforme sury" jouit
d’unepremière propriété
fon-damentale
exprimée
par le théorème suivant dit"d’inclusion" :
2/
Théorème : dans le cas uniformeLa
probabilité
d’une distribution de masses{zi}
incluse sur y nedépend
que de la masse totale reçue Z suivant la formuleoù
Hy(z) désigne
la F.R. de z conditionnelle à y en notant que dans lecas
régulier
discret y et vdésignent
le nombre depoints d’impact
pos- sibles sur y et v encomptant
les fermetures droite etgauche.
Cette
propriété
est immédiate dans le cas d’une masseunique (mesurée
dans le cas discret par un nombre entier d’unitésd’intervalle) . Appelons
A l’événement : la fermeture à droite de y est couverte par z. Dansl’hypothèse
uniforme :A est certain
(Pr(A) = 1)
siConsidérons un ensemble de masses
Zi
etdésignons
parAi
l’évè-nement que la fermeture à droite de y soit couverte pour la lère fois par la masse zi i étalée.
Une
catégorie d’épreuves
étant définie(par exemple
on tire auhasard zi on
l’applique
en unpoint
libre auhasard,
on l’étale et ainsi desuite),
et lesAi
étantincompatibles
deux àdeux,
le résultatglobal
de
l’épreuve
est défini parRevue de Statique ADpliquée, 1967 - vol. XV - N’ 4
58
Le théorème d’addition
permet
d’écrireP(A) =
kZ sous la conditionkZ ~ 1.
Observons que du fait du mode d’étalement
(masses disjointes)
etde la
proportionnalité
deP(z)
à z, une distribution étalée réalise indis- tinctement l’addition des masses et desprobabilités correspondantes,
les
premières
constituant une mesurecomplète
des secondes. En d’autrestermes il y a identité au sens
topologique
entre les distributions étalées incluses de masses et larépartition
des"masses"
deprobabilité
cor-respondantes.
On doit
également
faire remarquer que latransposition
auplan
duthéorème
précédent
conduit au résultatclassique
duproblème
dit de"l’Aiguille
deBuffon".
2)
Unaspect complémentaire
est le suivant.A toute distribution incluse sur y d’un ensemble de masses ré-
parties
en p enchaînements delongueurs respectives
ci ... c p, onpeut
fairecorrespondre
par dualité une distribution de ppoints Ci
sur unsegment
delongueur
y - zfig.
3. 4les distributions incluses ne différant que par une
permutation
des Cis’appliquant
à un même ensemble depoints
sur A’B’.Une distribution incluse
{ci}
est alors obtenue dansl’hypothèse
uni-forme actuelle en tirant p
points
au hasard sur A’B’ et en leur subs- tituant unepermutation quelconque
desCi.
Toutes les
configurations
obtenues sontéquiprobables. Indiquons
incidemment que cette
propriété permet
de dénombrer àpartir
deséléments diagonaux (Ci Ci)" (voir plus
loin en 4èmepartie)
les distributions incluses conditionnelles à une distribution donnée des masses{Z1
...Zn}.
Le théorème d’inclusion
peut également
être démontré par récurrence .Supposons
en effet la formule d’inclusion valable pour nimpacts
de masse.
Considérons une
épreuve élargie
à une masseZn+l ajoutée
apriori
à
{Z1
...zj.
L’impact
Zn+l doit avoir lieu soit en unpoint
Ci affecté à ci,lequel
résulte lui-même initialement d’un
tirage "au hasard",
soit en un despoints libres,
constituant apriori
un ensemblepurement
aléatoire sur y(puisque complémentaire
d’un ensemblepurement aléatoire).
Revue de Statistique Appliquée, 1967 - vol. XV - N 4
59
La
probabilité
apriori
d’inclusion deZn+1
estégale
dans les deuxcas à
L’application
du théorème demultiplication
fournit bienl’expression
3/ Conséquences
duthéorème précédent :
On
part
de la F.R.de Z : Hy(z)
dHy(Z) = H(z
+0) - H(z - 0)
pour lespoints
isolés de masse finie=
H’(z)
dz pour les autrespoints
Fy (0)
est alors donnée parl’intégrale (de Stieltjes)
qu’une intégration
parparties
ramène à uneintégrale
ordinaire :Fy(0)
n’est autre que la valeur moyenne de la fonctionH(Z)
dans l’in-tervalle y.
4/
Une deuxièmepropriété
des distributions incluses est l’existence d’une loi decomposition interne*
définie en IIèmepartie.
En effet àtoute
partition (VlV2)
de V s’associent deuxcomposantes
incluses dont lepoint
de contact est dansl’hypothèse actuelle,
unpoint régénératif
du processus.
5/
L’E.M. de w : w relative au casergotique peut
être obtenue par des calculssimples
dont nousrappellerons
lesprincipaux
résultats :où b est la moyenne,
pz
i la variance de zi.On a en
particulier
lesapplications
suivantes de cette formuleplus généralement
si zi suit une loi deX2
à kphases
Revue de Statistique Appliquée, 1967 - vol. XV - N 4
60
IV - SYSTEMES SANS DISPOSITIFS D’ATTENTE
Les
caractéristiques
essentiellesd’exploitation
de cessystèmes
sont les suivantes
(exemple
duType
II"Service").
a)
Taux deperte d’impacts
eSoit n le nombre
d’impacts perdus
au cours d’unephase
active deloi de
probabilité (z i , dB(zi))
où
dAn(y) désigne
la loi d’intervalle entre unimpact
et lenème
suivant(résultat
del’autocomposition
d’ordre n de(yi , dA1(yi))
Si n
désigne
la moyenne de n ainsi obtenueb)
Taux d’activité p :(proportion
destemps "actifs")
Exemple
du cas J uniforme sur y.(densité
deprobabilité 03BB)
Il y a donc
égalité
entre taux d’activité et deperte, propriété
commune à tous les
systèmes
satisfaisant à la conditionc)
Si les instants d’observation sont ceux d’arrivée dont le rang n estpris
commeargument :
La convergence vers 0 est
rapide
du fait que n estgénéralement petit.
Les
In
sont déduits desDn
parRevue de Statistique Appliquée, 1967 - vol. XV - N 4
61
Dans le cas J uniforme sur y, le calcul est
particulièrement simple puisque
l’on a :où
pn(03BBv)
est la loi de Poisson deparamètre (Àv)
par ailleurs
d)
Le calcul de w2 relatif auxIn
estplus complexe puisqu’il
faut conna3tre pour
chaque
valeur de n la distribution desimpacts perdus .
On
peut partir
des pi -dF(i) :
wprobabilités
de i unitésperdues
par
phase
active.La
probabilité
de r unitésperdues
conditionnelle à n est alorségale
à :
avec r , 03A303B1i = n - r.
Si l’on désire connaître la masse
perdue,
celle-ci est donnée enprobabilité
par :et dans le cas J uniforme sur y
L’usage
des F. G. et du calculopérationnel
faciliterabeaucoup
lescalculs sur
lesquels
nous ne nous étendrons pasd’avantage.
Revue de Statistique Appliquée, 1967 - vol XV - N 4
62
IVe PARTIE
APPLICATIONS DIVERSES
A - METHODES DE CALCUL DES ELEMENTS
On traitera d’abord ici en détail des méthodes par itération ap-
plicables
aux cas discrets lesplus
usuels relevant del’hypothèse
"Juniforme sur
y".
1/ Il
y a lieu tout d’abord depréciser
lesconventions,
relatives à latopologie
desimpacts adoptées.
L’hypothèse
discrète consistegénéralement
à considérer commevides
d’impacts
les y intervalles élémentaires définis par la suite ré-gulière 0 ,
1 ... y. Ilpeut
être utilecependant,
pour étudier l’évolution d’un processuspermament (impact possible
en toutpoint
dey)
de frac-tionner y en une suite d’intervalles
réguliers,
et d’affecter àchaque impact
un"N°
decase"
c’est-à-dire d’intervalleélémentaire, récepteur
sans localisation
plus précise.
Pour des raisons de
simplicité,
onappellera
indifféremment"case"
un
point
ou un intervallerécepteurs.
Ces deuxinterprétations
ne sonttoutefois pas strictement
équivalentes
dans les dénombrements : un in- tervalle delongueur
ypris
avec sa fermeture à droite définit(y + 1) point réguliers.
A l’ensembledesquels correspond
par dualité un inter- valle continu delongueur (y + 1),
on est conduit de ce fait à inscriresur les tableaux de
dénombrement,
côte à côte deuxinterprétations
notées :
[y]
et y.- La lère
s’appliquera
par convention au cas discret de(y
+1) points séparés
par yintervalles,
- la 2ème au cas
permanent (intervalle
continuy)
(on
montre facilementl’équivalence
des deux définitions :[y]
et y +1) .
2/
Nousenvisagerons
successivement 3hypothèses
de basesimple,
relatives à la loi de masse
(zipzi),
decaractéristique
commune suivante :les distributions
"d"
conditionnelles à y et z donnéspeuvent
être dé-finies de
façon
à être touteséquiprobables.
Il s’ensuit que tous les pro- blèmespeuvent
êtreposés
en termes dedénombrement,
utilisant lespropriétés
de structuredéveloppées
en IIèmepartie.
a)
Casgéométrique
La
probabilité
apriori
de ziimpacts
dans la case i estégale
à(1 - p) Pzi.
La
probabilité
relative à une distributionparticulière {zi }
i~ 1 ...
y de Zimpacts
dans y cases a donc pour valeuruniforme :
Revue de Statistique Appliquée, 1967 - vol. XV - N’ 4
63
Rappelons
le raisonnementclassique permettant
de dénombrer lesdistributions, topologiquement distinctes, possibles.
Figurons chaque impact
par la lettre A parexemple
les y cases par les intervalles entre(y
+1)
barres. Toutarrangement
lettres-barres doit commencer et finir par une barre.Nous avons donc à
répartir
dans un ordre arbitraire z lettres et(y - 1) barres,
le nombre cherché est doncégal
àc’est-à-dire au :
Nombre de combinaisons avec
répétitions
de yobjets
semblablespris
z à z .Il en résulte que
dHy(z) - 0393zy (1 - p) Y pz
ou loi de
Pascal,
résultat del’autocomposition
d’ordre y de la loigéo- métrique.
La
probabilité
aposteriori
de ziimpacts
dans la case i est ainsiégale
àet la
probabilité qu’aucune
case ne soit videIl faut en effet
qu’au plus
une barreapparaisse
entre 2 lettres etil y a
(z - 1)
espaces entre les lettres. On en déduit le nombre de dis- tributionscomprenant
y cases vides :b)
Cas binomialLa -masse zi est limitée dans
chaque
case par une loibinomiale,
ce
qui équivaut
à fractionnerchaque
intervalle élémentaire en s cases avec laprobabilité
p d’unimpact
auplus
dans chacune :La
probabilité
de ziimpacts
dans une casedonnée,
conditionnel- lement àZ,
a pour valeur :et la
probabilité
d’une distribution{zi} :
on reconnaît dans ces
expressions
lesystème
deprobabilités hypergéo- métriques.
Revue de Statistique Appliquée, 1967 - vol XV - N 4
64
c)
Cas de PoissonLa
probabilité
d’une masse zi dans une case donnée est définie pard’où :
loi de Poisson de
paramètre By.
Les
fréquences
cherchéescorrespondent
aux coefficients multinomiaux et le calcul desprobabilités
conditionnelles à z se ramène à despro-
blèmesd’occupation
de y cases par zobjets distincts.
Nous ferons au
sujet
des casprécédents
unepremière
séried’observations :
1/ L’application
du théorème d’inclusionpermet
le dénombrement immédiat des distributions incluses(la
notation(y , z)
définira l’ordre de l’ensembleEyz)
On constate que seul le cas
(a)
conduit à desexpressions symétriques
en y et z. En
effet,
labijection
entre élémentscorrespondants
dessous-ensembles I et D n’a lieu que dans le cas
(a) (pour lequel l’argument
z
jouit
de la mêmepropriété
que y : P uniforme à la fois sur y etz) .
Il y a
égalité
desfréquences,
mais non desprobabilités
corres-pondantes, puisque
laprobabilité
relative à une distribution élémentaire incluse estégale
à(1 - p)y pz
tandis que laprobabilité
de saconjuguée
dense est
égale
à(1 - p)Z py.
Iln’y
aégalité
enprobabilité
que si p =1/2 ,
cas
s’appliquant au jeu symétrique
de"Pile
ouFace" déjà
rencontré enIIIème
partie.
Le cas
(a) géométrique
a unegrande importance
du faitqu’il
ap-paraît
comme le cas central de la théorie actuelle.Nous allons
procéder
à unedescription
détaillée des 3 caspré-
cédents.Revue de Statistique Appliquée, 1967 - vol. XV - N 4
65
3/
Loi de formation deséléments (y , z) et (y , z)
WE;z peut
êtredécomposé
en sous-ensembles caractérisés par un même nombre zid’impacts
dans la lère case. Sasuppression engendre
des sous-ensembles de même ordre :
Ewy-1,z-z1
sous réserve que la dis- tribution initiale ne soit pas dense(z =
y +W)
sinon W > 0 serait af- fecté par cettesuppression
Inversement et sous la même réserve
(cette égalité ne serait plus
vérifiée si l’ensembleEwy,z1
étaitassujetti
par ailleurs à une limitation du niveau
intermédiaire).
Pour W
donné,
les relations de récurrence suivantes en résultant :a)
casgéométrique :
b)
cas binomial(s)
dans le cas
particulier
s = 1c)
Cas de Poisson(moment
binomial des éléments de la colonneprécédente,
lepremier
élément non nulayant
pour rangW).
Remarque
Les relations
précédentes
sontapplicables
aux ensemblesEwy,z
Effectuons des
décompositions analogues,
mais selon le nombred’impacts
dans la dernière case. On obtient les relations suivantes ap-plicables
dans tous les cas, ycompris
le cas"dense".
(on
notera que le dernier terme est nul si W >s)
Revue de Statistique Appliquée, 1967 - vol. XV - N 4
66
On
peut,
àpartir
de ces diversesrelations,
calculer deproche
en
proche
les élémentscherchés, puisque
les éléments initiaux sont les suivants :Eléments
(y, z)~w
Eléments
(y , Z)w
(Les
éléments desdiagonales
W des deux tableaux devant êtreidentiques ,
il y aura lieu de les déterminer au
préalable grâce
au tableau I.Il est utile de se faire une idée
précise
de la structuredes
éléments(y , z)w
et(y , z)w.
Les
points-image correspondants
dansl’espace (y ,
z ,W)
sont"étagés"
aux niveaux :0 ,
1 ... u ...Les
(y , z) w
s’ordonnent dans la zoneangulaire comprise
entre lesdroites z=W et
z=y+ W.
Revue de Statistique Appliquée, 1967 - vol. XV - N 4
67
Les
(y , z)~w
s’ordonnent dans la même zoneélargie
aux"colonnes
z E 0 ...W - 1".
Dans les deux cas, les éléments limites sont
égaux
à 1. Leséléments limites
diagonaux
aux(y, y+W)w.
Une même relation
permet
de déduire les uns des autres, les éléments :de même niveau W
de même
plan
V défini par V + z = y + W.Le niveau W = 0
correspond
aux éléments définis sur I Leplan
limite V =0 "
" " "Il D
Etant donné le rôle
primordial joué
par ces 2 sous-ensemblesd’éléments,
il est commode de les grouper sur un mêmetableau,
cequi
revient à
projeter
les éléments de D sur leplan
W = 0 ainsi que le montre le schéma suivant :(Figure 4.1).
EXEMPLE : DISPOSITION DES ELEMENTS
(y , Z)~w
Applications
aux 3 casprécédents
Les éléments des
sous-diagonales
dénombrent les distributions du sous-ensembleI,
les éléments des surdiagonales,
les distributions du sous-ensemble D.Revue de Statistique Appliquée, 1967 - vol XV - N 4
68
a)
Cas d’une distribution de PascalSous
diagonale
K= 4
On constate
l’égalité (y , z) = (z , y)
résultant de labijection
I D.
Si l’on se
reporte
au tableau des élémentsE3,,,
donnéplus
haut àtitre
d’exemple,
on constate que ses éléments sont ceux des sous-dia-gonales
z et suivantes du tableau ci-dessus. Cette identité résulte de la relation démontrée en IIèmepartie :
Il s’ensuit notamment que
par
exemple
L’expression
deE;z
en fonction deIyz permet
incidemment de re-trouver les valeurs des éléments
(y , Z)°.
On
peut
écrire en effet :Revue de Statistique Appliquée, 1967 - vol XV - N 4
69 d’où
Finalement
(y , z)° = r00FF - 0393z-1y+1
Le tableau d’éléments
précédent jouit
de nombreusespropriétés opératoires,
liées aux structuresalgébriques
mises en évidence enIIème
partie.
1/
Relation entre colonnes(outre
la relation"lignes")
(il
faut exclure les éléments de ladiagonale principale)
2/
Relation entresous-diagonales
V etsur-diagonales
W.Exemple :
La
composition
étantassociative,
lasous-diagonale
5 résulte del’autocomposition
d’ordre 4 de ladiagonale (1) : {1 , 1 , 2 , 5...
3/
Secondesdiagonales
Il résulte de la formule
explicite
des éléments(y , Z)
que leur tableau n’est autre que le tableau des différences des coefficients bi- nomiaux(triangle
dePascal) disposés
comme suitObservations :
L’interprétation
formelle de ce tableau conduit à des élémentsnégatifs
au-dessus de ladiagonale principale,
cequi
est bienconforme aux
propriétés algébriques
données en IIèmepartie.
On notera la relation
par
exemple :
Revue de Statistique Appliquée, 1967 - vol. XV - N’ 4
70
Statistique
des états intermédiairesLes distributions d’état t au
point
intermédiaire d’abscisse i incluses dansE;
vérifientla
composition
*i + i’ = y fournit lafréquence
des états 1.Application
au cas d’une chaînecomplète
z t
(en
vertu de labijection Di Ili+l)
Exemple :
les 14 x 4 = 56 états intermédiaires des chaînes d’ordre 4 sedécomposent
en1 état
(4)
7 états(3)
20 états(2)
28 états(1) (éléments
de la 2èmediagonale
de rang4).
Ces résultats
permettent
notamment un calcul facile des moments de divers ordres des distributionsprécédentes.
Généralisation du cas
(1)
Supposons
que letemps
de service soitégal
à b. La distribution du nombre d’arrivées au cours de b n’estplus géométrique
mais devient elle-même une distribution de Pascal :autocomposition
d’ordre b de ladistribution
géométrique.
Les conditions limites pour les éléments de I et D se trouvent modifiées.
Par
exemple :
Exemple
b = 3(Pour plus
decommodité,
on aadopté
ladisposition
delignes
Z et decolonnes
y).
Si l’unité de
longueur
est elle-mêmeprise égale
àb,
on ne retiendradu tableau
précédent
que les éléments des colonnesb ,
2b ...qui peuvent
être déduits directement les uns des autres si l’on remarque que le
Revue de Statistique Appliquée, 1967 - vol. XV - N’ 4
71 nombre de
cas possibles
d’unimpact
dans b cases estégal
àC1b,
de2
impacts : C2b+1,
de 3impacts : Cb+2
etc ... C’est ainsi que dansl’exemple précédent :
Le tableau
triangulaire ainsi
obtenu est muni de la même loi decomposition
interne que dans le cas b = 1.exemple :
1/
Cas"binomial"
sL’intervalle y
peut
recevoir auplus
s yimpacts,
la condition li- mite est donc la suivante :Le cas s = 1
rappelé
pour mémoirecorrespond
aux coefficients binomiaux(triangle
dePascal)
Exemple
de calcul d’éléments :On remarque que dans le cas s =
2,
les éléments desdiagonales
Vsont
identiques
à ceux desdiagonales
2V du casgéométrique.
(Cette propriété
n’est pasgénérale).
Le tableau des éléments de I est muni dans le cas
général (s)
dela même loi de
composition
interne que le tableau du cas(1).
Revue de Statistique Appliquée, 1967 -- vol. XV - N 4
72
Pour
développer
le tableau(s),
onpeut également
utiliser un modede construction
n’appliquant
que la relationsimple
relative au cas s = 1 . Si l’unité de masse estégale
à b unités delongueur
D’où le tableau suivant
(pour plus
decommodité,
on considèrera ici deslignes
Z et des colonnesy).
Les éléments d’indice y = 2 p doivent être trouvés
identiques
à ceuxdu tableau
précédent.
2/
Distribution dePoisson
Revue de Statistique, Appliquée, 1967 - vol. XV - N’ 4
73
Exemples
de calcul d’élémentsLa loi de
composition
interne des éléments de I doitrespecter
la condition"d’objets distincts"
(il
n’existe pas de loianalogue
pour les éléments de Dcompte
tenu de remarquesantérieures).
Statistique
des états intermédiairesReprenons
le cas d’une chaînecomplète
exemple :
les 4 x 125 = 500 états intermédiaires d’une chaînecomplète
d’ordre 4 se
décomposent
en3/
Extension des méthodesprécédentes
ler
problème :
Distributions"semi périodiques"
desimpacts
Une
séquence
de s cases nepeut
recevoirqu’un impact
de masseb au
plus,
en d’autrestermes,
toutimpact
doit être suivi de(s - 1)
cases vides au moins..
Faisons
l’hypothèse
que la lère casepuisse
recevoir unimpact.
S’il
s’y
trouve etqu’on
l’enretire,
on obtient une distribution de(z - 1) impacts
dans(y - s)
cases,puisque
les cases(2) ... (s - 1)
nepeuvent
en recevoir.
D’où la loi de récurrence :
Exemple
éléments limites du tableau des
(y , z)° :
(définition :
ycontinue)
(distributions
incluses : au-dessus de laligne brisée,
denses :en-dessous)
Revue de Statishque Appliquée, 1967 - vol. XV - N 4
74
Pour mener commodément les
calculs,
onpeut,
soit utiliser une"grille" convenable,
soit décalerchaque ligne
de(s - 1)
unités àgauche
par
rapport
à laprécédente
pour se ramener au cas binomialsimple.
Pour connaître les nombres
(y , z)
de distributionspossibles
apriori,
onpeut
construire leurtableau, qui
obéit à la même loi de for- mation mais avecOn
peut
aussiprocéder
à une évaluation directe en raisonnantcomme suit :
Chacun des
(z - 1) premiers impacts
doit être suivi de s"barres", compte
tenu des barresextrêmes,
il reste(y
+1) - s(z - 1) -
2 barres et zimpacts
àdisposer
enarrangements distincts,
il en résulte que(yz) = Czy+z-sz+s-1.
Une difficulté naît du fait que les distributions
correspondantes
n’ont pas toutes la même
probabilité
élémentaire.Il faut à cet
égard
effectuer unedécomposition
selon le rang du dernierimpact.
Exemple numérique d’application (b = 5) (on
aposé
q = 1 -p)
(Vérification :
l’élément(18, 3)
est bienégal
à 364 = 220 + 66 +78)
Revue de Statistique Appliquée, 1967 - vol. XV - N 4