Distances et droites aléatoires

lundi 14 décembre 2009
par  Alain BUSSER

On a vu dans l’article précédent que si A et B sont deux points gaussiens, le vecteur \overrightarrow{AB} est aussi gaussien. Mais sa norme n’est pas gaussienne, ni le quotient de ses coordonnées (le coefficient directeur de la droite (AB)).

Norme d’un vecteur

1) Norme d’un vecteur d’espérance \vec{0}

Si un vecteur est gaussien d’espérance nulle, la distribution du carré de sa norme est une loi du khi-deux à deux degrés de liberté, et donc sa norme suit une loi de Rayleigh. Pour l’illustrer ainsi que les exemples suivants de cet article, on va renoncer à l’aspect dynamique de CaRMetal pour utiliser la puissance d’Euler Math Toolbox qui peut en une ou deux secondes créer un échantillon d’un million de vecteurs gaussiens ou uniformes [1]... Ainsi les histogrammes seront plus réguliers grâce à la loi des grands nombres.

x=normal(1,1000000); y=normal(1,1000000);

permet de créer 1 000 000 nombres aléaoires gaussiens centrés réduits (stockés dans une matrice x) et 1 000 000 autres stockés dans y. Le vecteur de coordonnées (x;y) est donc gaussien d’espérance (0;0). Sa norme est obtenue par

sqrt(x^2+y^2);

mais c’est encore une matrice ligne d’un million de données. On n’a donc plus qu’à afficher la répartition des échantillons selon leur valeur (autrement dit, l’histogramme) pour voir à quoi ressemble la fameuse loi de Rayleigh), dans le cas présent avec 100 rectangles :

plot2d(d,distribution=100);

EuMathT produit en moins de 2 secondes le beau graphique suivant :

2) Norme d’un vecteur d’espérance non nulle

Par analogie avec ce TP de Seconde, on va considérer le cas où le vecteur a pour espérance \left(\frac{7}{2};\frac{3}{2} \right). Le code EuMathT ressemble alors à ceci :

x=3.5*ones(1,1000000)+normal(1,1000000); y=1.5*ones(1,1000000)+normal(1,1000000);
d=sqrt(x^2+y^2);
plot2d(d,distribution=100);

et le graphique obtenu

montre que la distribution des normes, si elle n’est pas gaussienne, est presque gaussienne...

3)Norme d’un vecteur uniforme

Le corrigé de ce TP montre que la distribution de la norme d’un vecteur dont l’abscisse est uniforme sur \left[3;4\right] et l’ordonnée est uniforme sur \left[1;2\right] est assez compliquée. Voici la version EuMathT :

Elle a été obtenue avec ce code :

x=3+random(1,1000000); y=1+random(1,1000000);
d=sqrt(x^2+y^2);
plot2d(d,distribution=100);

Distance entre deux points

Cas gaussien

On considère deux points A et B gaussiens d’écart-type 1, le premier ayant pour espérance \left(-\frac{3}{2};-\frac{1}{2}\right), le second ayant pour espérance \left(\frac{5}{2};\frac{3}{2}\right), la distance AB est une variable aléatoire dont la distribution ressemble à ceci :

Malgré les apprences, cette distribution n’est pas gaussienne.

Cas uniforme

Si maintenant A est uniforme sur \left[-2;-1\right]\times\left[-1;0\right] et B uniforme sur \left[2;3\right]\times\left[1;2\right], la distribution de la distance AB ressemble à ceci :

Droite par deux points aléatoires

1) Droite passant par l’origine

Le coefficient directeur de la droite passant par l’origine et un point gaussien est le quotient de deux variables aléatoires gaussiennes, qui n’est pas gaussien. En plus, les valeurs extêmes arrivent assez souvent pour rendre à peu près illisible un histogramme (par exemple, si l’espérance du vecteur gaussien est nulle, le coefficient directeur suit une loi de Cauchy).

Alors au lieu d’un million d’échantillons, on n’en calculera « que » 2000 :

x=3.5*ones(1,2000)+normal(1,2000); y=1.5*ones(1,2000)+normal(1,2000);
a=y/x;
plot2d(a,distribution=100);

Du coup, l’histogramme est moins régulier que les précédents :

On voit quand même l’asymétrie de la distribution du coefficient directeur.

Si maintenant l’extrémité du vecteur est uniforme, la distribution des coefficients directeurs prend une allure compliquée (ne serait-ce que parce qu’elle est définie par morceaux) qui ressemble à celle des distances :

Le code EuMathT qui a produit ceci est le suivant :

x=3+random(1,1000000); y=1+random(1,1000000);

a=y/x;

plot2d(a,distribution=100);

Droite par deux points aléatoires

On considère les deux points A d’espérance \left(-\frac{3}{2};-\frac{1}{2}\right) et B d’espérance \left(\frac{5}{2};\frac{3}{2}\right), la droite (AB) devrait osciller autour de la droite d’équation y=\frac{x}{2}+\frac{1}{4}.

Dans le cas gaussien, le code EuMathT suivant permet de voir que la distribution du coefficient comme celle de l’ordonnée à l’origine sont instables :

xa=-1.5*ones(1,1000)+normal(1,1000); ya=-0.5*ones(1,1000)+normal(1,1000);
xb=2.5*ones(1,1000)+normal(1,1000); yb=1.5*ones(1,1000)+normal(1,1000);
m=(yb-ya)/(xb-xa);
plot2d(m,distribution=100);
p=ya-m*xa;
plot2d(p,distribution=100);

Voici la distribution du coefficient directeur :

et voici celle de l’ordonnée à l’origine :

Si maintenant les deux points A et B sont uniformes (dans les carrés habituels) le code EuMathT peut à nouveau être utilisé avec un million de lancers :

xa=-2*ones(1,1000000)+random(1,1000000); ya=-ones(1,1000000)+random(1,1000000);
xb=2*ones(1,1000000)+random(1,1000000); yb=ones(1,1000000)+random(1,1000000);
m=(yb-ya)/(xb-xa);
plot2d(m,distribution=100);
p=ya-m*xa;
plot2d(p,distribution=100);

Voici la distribution du coefficient directeur :

et celle de l’ordonnée à l’origine :

Ces variables aléatoires sont bornées.

Euler Math Toolbox est capable de faire des calculs sur des intervalles, alors autant en profiter :

xa=interval(-2,-1); ya=interval(-1,0);
xb=interval(2,3); yb=interval(1,2);
d=sqrt((xb-xa)^2+(yb-ya)^2)

(on remarque l’absence du point-virgule à la fin de la troisième ligne, ce qui force l’affichage du résultat de celle-ci) donne la réponse [3.162,5.831] ce qui peut se vérifier par Pythagore (les valeurs exactes sont \sqrt{10} et \sqrt{34}).

Ensuite l’intervalle auquel appartient le coefficient directeur est calculé par

m=(yb-ya)/(xb-xa)

et vaut [0.2,1] d’après EuMathT (ces valeurs sont exactes).

Pour l’ordonnée à l’origine,

p=ya-m*xa

donne l’intervalle [-0.8,2] (là encore ce sont des valeurs exactes).


[1préféré à SciLab qui, dans la même catégorie, offre le double avantage d’être français et multiplateforme. En effet SciLab est un logiciel de technologie et pas de maths, ce qui le rend plus complexe à utiliser. De surcroît Euler Math Toolbox incorpore deux modules de calcul formel, ce qui au final le rend plus puissant, quoique plus simple. Et les exemples mathématiques abondent, notamment son module de géométrie...


Commentaires

Annonces

Prochains rendez-vous de l’IREM

Séminaire EDIM-IREM

- Mercredi 11 octobre 2017, 14h-18h, campus du Tampon
- Mercredi 22 novembre 2017, 14h-18h, campus du Tampon
- Mercredi 7 février 2018, PTU, Saint-Denis, salle S23.6
- Mercredi 7 mars 2018, 14h-18h, campus du Tampon
- Mercredi 4 avril 2018, PTU, Saint-Denis, salle S23.6
- Mercredi 2 mai, 14h-18h, campus du Tampon
- Mardi 5 juin 2018, PTU, Saint-Denis, salle S23.6
- Mercredi 6 juin, 14h-18h, campus du Tampon

Fête de la science

Du 13 au 18 novembre 2017.
Thème : « La recherche à l’heure du numérique »

Semaine des mathématiques

Du 26 au 31 mars 2018.
Thème : « Mathématiques et mouvement »


Brèves

Décès de Raymond Smullyan

mercredi 15 mars

Le logicien Raymon Smullyan est décédé en février 2017, à l’âge respectable de 97 ans : Il avait eu Alonzo Church comme professeur ! Pour en savoir plus, voir cet article

Travailler à plusieurs

lundi 19 décembre 2016

Les enseignements d’exploration au lycée imposent aux enseignants de travailler ensemble. Chantal Tuffery-Rochdi a analysé dans sa thèse les pratiques des enseignants de MPS (méthodes et pratiques scientifiques). Elle répond aux questions des Cahiers pédagogiques.

Un document sur Eduscol

mardi 19 mai 2015

Un document clarifiant bien la façon dont les mêmes concepts vivent en mathématiques et dans les sciences « exactes » les utilisant, publié par Eduscol en octobre 2014. Citons-les :
« Le document proposé ci-dessous s’adresse aux professeurs de mathématiques, physique-chimie et sciences de l’ingénieur intervenant dans le segment [Bac-3 ; Bac+3]. Il vise à les informer des différences de présentation et d’interprétation qui sont faites de certains concepts mathématiques dans les autres disciplines. Ces éclaircissements peuvent contribuer à harmoniser et à clarifier l’utilisation de ces notions auprès des élèves. »

Histoire de la comptabilité

vendredi 28 décembre 2012

Sur ce site (en anglais) dédié à la comptabilité, on trouve des informations intéressantes sur l’histoire et les pratiques de ce domaine, qui peuvent être utiles aux professeurs enseignant des mathématiques financières (et aussi aux autres...).

La CGE et la réforme des lycées

lundi 16 janvier 2012

La Conférence des Grandes Écoles publie 19 préconisations pour la réforme du lycée.

Sur le Web : Les 19 préconisations

Pratique des mathématiques en série STD2A

lundi 16 janvier 2012

Le site de l’IGEN offre des recommandations et des ressources pour enseigner les mathématiques en série STD2A. Les thèmes abordés (couleurs et nuances de gris, arcs et architecture, jeux vidéos, photo et tableur, perspectives parallèles...) sont de nature à donner aussi des idées d’activités aux enseignants des autres séries !

En cheminant avec Kakeya

lundi 16 janvier 2012

Un livre (à télécharger) de Vincent Borelli et Jean-Luc Rullière qui présente le calcul intégral et la dérivation en s’appuyant sur la question de Kakeya. Pour les lycéens, les étudiants et tous les esprits curieux qui souhaitent voir les mathématiques sous un jour différent.

Sur le Web : Livre à télécharger

Bicentenaire Galois

lundi 12 septembre 2011

À l’occasion du bicentenaire de la naissance d’Évariste Galois (1811-2011), l’Institut Henri Poincaré et la Société mathématique de France organisent un ensemble de manifestations et proposent un site contenant diverses ressources documentaires susceptibles d’intéresser les enseignants.

Statistiques

Dernière mise à jour

jeudi 12 octobre 2017

Publication

772 Articles
Aucun album photo
133 Brèves
11 Sites Web
132 Auteurs

Visites

231 aujourd'hui
1277 hier
2129922 depuis le début
37 visiteurs actuellement connectés