Deprecated: WP_Dependencies->add_data() est appelé avec un argument qui est obsolète depuis la version 6.9.0 ! Les commentaires conditionnels IE sont ignorés par tous les navigateurs pris en charge. in /var/www/html/wp-includes/functions.php on line 6260 Probabiités, espérance, variance - Mathprepa
⇧① Ensembles dénombrables. Tribu, événements. ② Probabilité. Conditionnement. Indépendance. ③ Variables aléatoires discrètes. Loi. Fn de répartition. ④ Couple de var. Loi conjointe, loi marginale. ⑤ Espérance. Variance. Covariance, corrélation. ⑥ Fn génératrice. G(p), P(λ). Loi des grands nombres.1234⑤6
On considère des variables aléatoires discrètes {X,Y,\ldots} sur un espace probabilisé {(\Omega,\mathscr{A},\mathbb{P})}. Si {\text{X}(\Omega)} est infini dénombrable, on écrira {\text{X}(\Omega)=\{x_{n},\;n\in \mathbb{N}\}}, avec des {x_{n}} distincts deux à deux. On rappelle que «v.a.r.» est une abréviation de «variable aléatoire réelle discrète».
Espérance d’une v.a.r.
D. Espérance d'une v.a.r
Posons {\text{X}(\Omega)=\{x_{n},\;n\in \mathbb{N}\}}, où les {x_{n}} sont distincts deux à deux.
On dit que {\text{X}} est "d'espérance finie" si la série {\sum\limits \mathbb{P}(\text{X}=x_{n})\,x_{n}} est absolument convergente.
Si tel est le cas, la somme {\;\text{E}(\text{X})=\sum\limits_{n=0}^{+\infty} \mathbb{P}(\text{X}=x_{n})\,x_{n}\;} est appelée espérance de {\text{X}}.
R. Remarques
Par absolue convergence, {\sum\limits_{n=0}^{+\infty} \mathbb{P}(\text{X}=x_{n})\,x_{n}} ne dépend pas de l'ordre d'énumération.
On peut donc noter {\text{E}(\text{X})=\sum\limits_{n\in\mathbb{N}} \mathbb{P}(\text{X}=x_{n})x_{n}}.
Le problème de l'existence de l'espérance ne se pose évidemment pas si {\text{X}(\Omega)} est fini.
Pour regrouper les cas suivant que {\text{X}(\Omega)} est fini ou dénombrable, n pose {\text{X}(\Omega)=\{x_{n},\;n\in J\subset\mathbb{N}\}}, où les {x_{n}} sont distincts deux à deux.
On notera alors {\text{E}(\text{X})=\sum\limits_{n\in J}x_{n}\,\mathbb{P}(\text{X}=x_{n})}, ou encore {\text{E}(\text{X})=\sum\limits_{x\in\text{X}(\Omega)}x\,\mathbb{P}(\text{X}=x)}.
Si {\text{X}} est constante en {a} ou presque sûrement constante ({\mathbb{P}(\text{X}=a)=1}) alors {\text{E}(\text{X})=a}.
Si {\text{X}} est la variable indicatrice d'un événement {A}, alors {\text{E}(\text{X})=\mathbb{P}(A)}.
On dit qu'une variable aléatoire est centrée si son espérance est nulle (snif). Si {\text{X}} est d'espérance finie, alors {\text{X}-\text{E}(\text{X})} est une variable centrée.
P. Expression de E(X) quand X(Ω)⊂ℕ
Soit {\text{X}} une variable aléatoire à valeurs dans {\mathbb{N}}.
Dire que {E} est d'espérance finie équivaut à dire que la série {\sum\limits\mathbb{P}(\text{X}\ge n)} est convergente.
Dans ce cas, on a l'expression : {\text{E}(\text{X})=\sum\limits_{n=1}^{+\infty}\mathbb{P}(\text{X}\ge n)=\sum\limits_{n=0}^{+\infty}\mathbb{P}(\text{X}\gt n)}
P. Le théorème du transfert
Posons {\text{X}(\Omega)=\{x_{n},\;n\in \mathbb{N}\}}, où les {x_{n}} sont distincts deux à deux.
Soit {f:X(\Omega)\to\mathbb{R}}. Les conditions suivantes sont équivalentes :
la variable {f(\text{X})} est d'espérance finie;
la série {\sum\limits \mathbb{P}(\text{X}=x_{n})\,f(x_{n})} est absolument convergente.
On a alors : {\text{E}(f(\text{X}))=\sum\limits_{n=0}^{+\infty}\,\mathbb{P}(\text{X}=x_{n})\,f(x_{n})}
Pour calculer {\text{E}(f(\text{X}))}, il suffit donc de connaître et d'utiliser la loi de {\text{X}}.
P. Linéarité de l'espérance
On suppose que {\text{X}} et {\text{Y}} sont d'espérance finie.
Alors il en est de même de {\lambda \text{X}+\mu} et {\lambda \text{X}+\mu \text{Y}} pour tous réels {\lambda} et {\mu}.
Plus précisément : {\begin{cases}\text{E}(\lambda \text{X}+\mu)=\lambda\text{E}(\text{X})+\mu\\[3pt]\text{E}(\lambda \text{X}+\mu \text{Y})=
\lambda \text{E}(\text{X})+\mu\text{E}(\text{Y})\end{cases}}
Plus généralement encore, si {\text{X}_{1},\ldots,\text{X}_{n}} sont d'espérance finie : {E\Bigl(\sum\limits_{i=1}^{n}\lambda_{i}\text{X}_{i}\Bigr)=\sum\limits_{i=1}^{n}\lambda_{i}\,\text{E}(\text{X}_{i})}L'ensemble des v.a.r. d'espérance finie sur {(\Omega,\mathscr{A},\mathbb{P})} est un {\mathbb{R}}-espace vectoriel, et l'espérance est une forme linéaire sur cet espace.
P. Positivité et croissance
On suppose que {\text{X}} et {\text{Y}} sont d'espérance finie.
Si {\text{X}} est à valeurs dans {\mathbb{R}^+}, alors {\text{E}(\text{X})\ge0}.
Si {\text{X}(\omega)\le \text{Y}(\omega)} pour tout {\omega}, alors {\text{E}(\text{X})\le \text{E}(\text{Y})}.
R. Remarques et propriétés
Si {X\ge0} alors on ne peut avoir {\text{E}(\text{X})=0} que si {\mathbb{P}(\text{X}=0)=1} ({\text{X}} est "presque nulle").
Si une variable aléatoire réelle {\text{X}} est bornée, alors elle admet une espérance.
Si {\text{X}} et {\text{Y}} sont d'espérance finie, il en est de même de {\min(\text{X},\text{Y})} et de {\max(\text{X},\text{Y})}.
Dire que {\text{X}} est d'espérance finie, c'est dire que {\left|\text{X}\right|} est d'espérance finie. Cela équivaut aussi à dire que {\text{X}^{+}=\max(\text{X},0)} et {\text{X}^{-}=\max(-\text{X},0)} sont d'espérance finie.
Si {\left|\text{Y}(\omega)\right|\le \text{X}(\omega)} pour tout {\omega}, et si {\text{X}} est d'espérance finie, alors {\left|\text{E}(\text{Y})\right|\le \text{E}(\text{X})}.
En particulier : {\left|\text{E}(\text{X})\right|\le \text{E}(\left|\text{X}\right|)}.
P. E(XY) avec X,Y indépendantes
Soit {\text{X},\text{Y}} deux variables indépendantes d'espérance finie.
Alors {\text{X}\text{Y}} est d'espérance finie et {\text{E}(\text{X}\text{Y})=\text{E}(\text{X})\,\text{E}(\text{Y})}.
Les contenus originaux de Mathprepa — notamment les cours, les rédactions d’exercices et les corrigés — ainsi que les éléments originaux de sa présentation, de sa mise en forme et de son architecture éditoriale sont protégés par le droit d’auteur. Cette protection concerne notamment le choix, l’agencement et l’organisation des ressources.
Sauf autorisation préalable écrite, leur reproduction, adaptation ou diffusion, intégrale ou partielle, est interdite, sous réserve des exceptions prévues par le Code de la propriété intellectuelle.
Les documents, logiciels et éléments graphiques de tiers demeurent soumis aux droits de leurs titulaires respectifs.