Simulation d'une distribution asymétrique

Bonjour,
j'essaie de simuler une distribution asymétrique.
J'ai tout d'abord pensé à la loi log-normale:

Code:

---

X1 <- exp(rnorm(1000, 0,3))

---

mais il y a beaucoup trop de valeurs extrêmes comme le montre:

Code:

---

boxplot(X1)

---

J'ai trouvé un article qui parle de "distribution asymétrique générée par une base 1.4 mise à des exposants tirés aléatoirement d'une distribution normale".:roll:
Quelqu'un aurait-il la gentillesse de m'expliquer comment faire cela svp?
Merci d'avance pour votre aide :D

Re-bonjour,
en faisant quelque chose du style:

Code:

---

X1 <- (rnorm(1000, 0,30))^(ifelse(runif(1)>0.1,1.4,1)

---

cela donne:
Pièce jointe 63807
alors que j'aimerais quelque chose de plus concentré sur un côté comme:
Pièce jointe 63808
Une idée svp?
Merci d'avance :D

et comme ça ?

Code:

---

1 2	x = 1.4^rnorm(1000, 0,1) boxplot(x)

---

Citation:

---

Envoyé par ol9245

et comme ça ?

Code:

---

1 2	x = 1.4^rnorm(1000, 0,1) boxplot(x)

---

---

Merci pour cette réponse :)
Il me semble que cela correspond à l'idée mentionnée dans l'article, mais je trouve que ce n'est pas si "concentré" que cela :oops:
J'aurais vraiment obtenir un boxplot très asymétrique :roll:
L'idée me paraît bien mais quand je compare avec la boxplot que j'ai mise en exemple, la vôtre est beaucoup plus centrée...
Peut-être ai-je indiquée une mauvaise piste :?

regarde du côté de la loi gamma. C'est une loi qui, selon les paramètres, peut être très asymétrique. De plus c'est une des grandes lois de statistiques donc ton choix sera plus facile à documenter lorsque tu auras à expliquer ton travail.

Citation:

---

Envoyé par ol9245

regarde du côté de la loi gamma. C'est une loi qui, selon les paramètres, peut être très asymétrique. De plus c'est une des grandes lois de statistiques donc ton choix sera plus facile à documenter lorsque tu auras à expliquer ton travail.

---

Ok, merci :ccool:
Je regarde cela et je vous tiens au courant :P

Bonjour,

La distribution log-normale est déjà implémentée dans le package stats (chargé par défaut).

Code:

---

> ?rlnorm

---

Petit exemple pour comparer visuellement avec une loi gamma (on peut bien évidemment faire varier les paramètres des distributions) :

Code:

---

1 2 3

> par(mfrow=c(1, 2)) > plot(density(rgamma(1000, 1))) > plot(density(rlnorm(1000)))

---

Citation:

---

Envoyé par pitipoisson

Petit exemple pour comparer visuellement avec une loi gamma (on peut bien évidemment faire varier les paramètres des distributions) :

Code:

---

1 2 3

> par(mfrow=c(1, 2)) > plot(density(rgamma(1000, 1))) > plot(density(rlnorm(1000)))

---

---

Bonjour et merci pour cette réponse.
J'ai finalement choisi une loi gamma (en faisant varier les paramètres jusqu'à obtenir quelque chose qui ressemblait à ce que je voulais) parce qu'elle évite les valeurs extrêmes de la log-normale.
Avant de marquer "résolu", j'aurais une dernière question svp ;)
Y a-t-il un moyen (autre que de tâtonner) pour obtenir des classes bien précises?
Par exemple, si je simule des âges et que je veux x% entre 0 et 20 ans, y% entre 21 et 40 et (100-x-y)% pour les plus de 40:
existe-t-il une façon pour obtenir cela? :?
Merci d'avance :D