Leçon 11
Proposition 1 (Inégalité de Markov). Soit X une variable aléatoire positive ; pour tout t > 0. P(X ? t) ?. 1 t. E(X). La démonstration est immédiate (et
cours 6 le lundi 15 février 2010 Inégalité de Markov Elle est aussi
15 fév. 2010 Inégalité de Markov. Elle est aussi appelée de Tchebychev de Bienaymé-Tchebychev (prouvée vers 1869)
Chapitre 5 Espérance
Voici maintenant 3 preuves de l'inégalité de Markov libre au lecteur de choisir celle qu'il préfère. Preuve no 1. C'est la preuve « muette » donnée par la
Théorie de la mesure
Les conséquences de l'inégalité de Markov ont été formulées et démontrées en termes de valeurs de fonction de répartition complémentaire. 2. La fonction ?f est
Théorèmes Limites
Inégalités de Markov et Bienaymé–Tchebychev. Tout d'abord l'inégalité de Markov dont la démonstration est d'un simplicité enfantine. Proposition 1.
Inégalité de Markov Soit X une variable aléatoire réelle supposée
Corollaire: Inégalité de Bienaymé-Tchebychev (IBT) Preuve: Il suffit d'appliquer l'inégalité de Markov à la v.a.
CH XIV : Convergence et approximation
Démonstration. • Rappelons tout d'abord l'inégalité de Bienaymé-Tchebychev. Pour toute v.a.r. Y admettant une variance V
Table des matières Pré-requis Objectifs
II.4 Inégalités de Markov et de Bienaymé-Tchebychev . démonstration : 2ème inégalité de Markov appliqué à (X ? E(X)) ?. Remarque 1.
Inégalité de Markov Inégalité de Jensen
Rappelez l'inégalité de Bienaymé-Tchebychev et redémontrez-la à partir de l'inégalité de Markov. 2. UNE FORMULE ALTERNATIVE POUR L'ESPÉRANCE. Dans ce qui suit
Probabilités - Préparation à lagrégation interne
29 sept. 2016 3.7 Inégalités de Markov et de Bienaymé-Tchebychev . . . . . . . . . . . . 52 ... m impairs (ceci mérite une démonstration qui est omise).
[PDF] Inégalités de Markov et de Tchebychev
Proposition 1 (Inégalité de Markov) Soit X une variable aléatoire positive ; pour tout t > 0 P(X ? t) ? 1 t E(X) La démonstration est immédiate (et
[PDF] Inégalité de Markov Soit X une variable aléatoire réelle supposée
Théorème: Inégalité de Markov Soit X une variable aléatoire réelle supposée presque sûrement positive (P(X ? 0) = 1) Alors ?? > 0 P(X ? ?) ? E[X]
[PDF] Chapitre 5 Espérance
C'est l'inégalité de Markov que nous verrons ci-dessous (proposition 5 21) Voyons maintenant quelques exemples simples de calcul d'espérance de variables
[PDF] Inégalités de concentration SpéMaths 1 Un problème historique
Dans tout ce chapitre on considère des variables aléatoires réelles définies sur un univers ? fini muni d'une loi de probabilité P 2 1 Inégalité de Markov Si
[PDF] cours 6 le lundi 15 février 2010 Inégalité de Markov Elle est aussi
15 fév 2010 · Si ?X f dµ < +? alors µ({f = +?}) = 0 Preuve — Si l'intégrale de f est nulle on obtient par Markov pour tout a > 0 µ({f
Inégalités de Markov et de Bienayme-Tchebycheff
A - Démonstration de l'inégalité de Markov · 1 Cas d'une variable finie ou discrète L'espérance E(X) s'écrit (où * désigne le nombre de valeurs prises par X
[PDF] T spé Inégalités de Markov et de Bienaymé-Tchebychev
2 jui 2022 · La démonstration « moderne » dans la théorie axiomatique de Kolmogorov repose sur une L'inégalité de Markov permet de démontrer que ( )
Preuve : Inégalités de Markov
On peut alors appliquer à Xr X r l'inégalité de Markov puisqu'elle est positive et qu'elle admet une espérance : ?a?]0+?[
[PDF] Suites de variables aléatoires - CPGE Brizeux
Proposition 3 (1ère Inégalité de Markov) démonstration : On note Y la v a r définie pour tout ? ? ? on a Y (?) = { t si X(?) ? t 0 si X(?) < t
[PDF] V Douine – Terminale – Spé maths – Chapitre 12 – Inégalités de
Cette inégalité est l'inégalité de Markov Démonstration Notons i x pour 1 i n les n valeurs prises par la variable aléatoire X
ÉCOLE POLYTECHNIQUE - Theorie de la mesure
Theorie de la mesureBertrand Remy 1 / 43
ÉCOLE POLYTECHNIQUE - 1. Rappels d'integrationTheorie de la mesureBertrand Remy 2 / 43
Rappel : fonctions mesurables et fonctions integrablesDenition
Une fonctionf:
![1;+1]est ditemesurable s'il exis teune suite (fn)n>0de fonctions sur , continues et a support compact, qui converge versfp.p. surEtant donnee une fonctionfdenie p.p. sur
, comment verie-t-on quef2 L1( )?TheoremeSoitfune fonction mesurable sur
. Supposons qu'il existeg2 L+( )(ouL1( )) telle que jfj6gp.p. sur . Alorsf2 L1( ).Preuve.Soitfn2 Cc( ) telles quefn!fp.p. sur . On note h n:= max(min(fn;g);g);Par constructionhn2 L1(
). De plus,hn!fetjhnj6gp.p. sur . Donc par convergence dominee, on a :f2 L1( ).Theorie de la mesureBertrand Remy 3 / 43Le cas des fonctions positives
Soitf:
![0;+1] une fonction mesurable denie p.p. sur . Alors : (i) ou bien f2 L1( (ii) ou bien f=2 L1( ), auquel cas on pose :Z f(x)dx:= +1: Avec cette convention, on a :Theoreme (convergence monotone { version serie)Soit(fn)n>0une suite de fonctions mesurables sur
, a valeurs dans[0;+1]. Alors, on a : Z 1X n=0f n(x)! dx=1X n=0Z f n(x)dx2[0;+1]:Remarque :si (gn)n>0est une suite croissante de fonctions mesurables ![0;+1], alorsZ limn!1gn(x)dx= limn!1Z f n(x)dx2[0;+1]. Prendref0=g0etfn=gngn1sin>1.Theorie de la mesureBertrand Remy 4 / 43 ÉCOLE POLYTECHNIQUE - 2. Mesurabilite des ensemblesTheorie de la mesureBertrand Remy 5 / 43
Ensembles mesurables
Denition (ensembles mesurables)
Un sous-ensembleARNestmesurablesi sa fonction indicatrice1Aest une fonction mesurable surRN.Proposition (i)Les ensembles?etRNsont mesurables. (ii)SiAetBRNsont des ensembles mesurables, alorsABl'est aussi. (iii)Si(Ai)i2Iest une familledenombrable(nie ou innie) d'ensembles mesurables deRN, alors leur reunion et leur intersection i2IA iet\ i2IA i; sont des ensembles mesurables.Theorie de la mesureBertrand Remy 6 / 43
Operations ensemblistes sur les ensembles mesurables, preuve Preuve.Il faut essentiellement traduire en termes de fonctions (caracteristiques) des assertions enoncees du point de vue ensembliste. Deja,1?0 et1RN1 sont des fonctions mesurables; en outre,1AB= (11B)1Aest une fonction mesurable si1Aet1Ble sont. Ceci prouve (i) et (ii), passons a (iii) dans le casI=N, le cas ouIest ni etant plus facile. Posons
B n:=n\ k=0A ket donc1Bn=nY k=01 Ak: La suite (1Bn)n>0est decroissante et converge simplement vers1T k>0Ak, qui est donc une fonction mesurable comme limite simple d'une suite de fonctions mesurables. On a enn : n>0A n=RN\ n>0(RNAn):Theorie de la mesureBertrand Remy 7 / 43Exemples standard de parties mesurables
Voici quelques exemples standard de parties mesurables dansRN(auxquelles on peut appliquer les operations ensemblistes precedemment mentionnees pour en fabriquer de nouvelles).Proposition (i)Tout intervalle deRest un sous-ensemble mesurable deR. (ii)Tout pave deRNest un sous-ensemble mesurable deRN. (iii)Un ouvert ou un ferme deRNest une partie mesurable deRN.(iv)Toute partie negligeable deRNest mesurable dansRN.Remarque :(iii) dit que la topologie deRN(rappel : denie par n'importe quelle norme) est
contenue dans l'ensemble des parties mesurables deRN. Attention :il existe des parties non mesurables deRN(par exemple les ensemblesAietBi des partitions du paradoxe de Banach-Tarski { cf polycopie de cours pour plus de details); cependant leur construction explicite est dicile, basee sur l'axiome du choix.Theorie de la mesureBertrand Remy 8 / 43
Exemples standard de parties mesurables, preuve
Preuve.SoitKRNun compact. La fonctionx7!dist(x;K) denie surRNest continue car on a :jdist(x;K)dist(y;K)j6dist(x;y) pour tousx;y2RN. On note : f n(x) :=1ndist(x;K)+: Alors,fn2 Cc(RN) pour toutn>1. CommeKest ferme,dist(x;K) = 0 si, et seulement si, x2K. En outre, la suite (fn)n>1converge simplement vers1K, donc1Kest mesurable et par consequent,Kest une partie mesurable deRN.Maintenant un ferme quelconqueFRNpeut s'ecrireF=[
n>1F\Bf(0;n). Dans cette
reunion chaque termeF\Bf(0;n) est compact, ce qui permet de conclure gr^ace a la proposition precedente. On passe au complementaire pour les ouverts. SiZ RNest negligeable, alors1Z= 0 p.p. surRNest mesurable comme limite p.p. de la suite dont tous les termes sont la fonction nulle.Theorie de la mesureBertrand Remy 9 / 43Fonctions mesurables et ensembles mesurables
Voici un lien entre fonctions et ensembles mesurables; il ressemble au critere global de continuite pour les fonctions en termes d'images reciproques d'ouverts ou de fermes.Proposition Soit un ouvert non vide deRNetf: !Rune fonction denie p.p. sur . Alors les assertions suivantes sont equivalentes.fest mesurable;f1(];+1[)est mesurable pour tout2R;f
1([;+1[)est mesurable pour tout2R;f
1(I)est mesurable pour tout intervalleIR;f
1(U)est mesurable pour tout ouvertUR;f
1(V)est mesurable pour tout fermeVR.Theorie de la mesureBertrand Remy 10 / 43
Fonctions mesurables et ensembles mesurables, preuvePreuve.En ecrivant :
f1([;+1[) =\
n>1f 1(]1n ;+1[); et f1(];+1[) =[
n>1f1([+1n
;+1[); on voit que les deux premieres conditions sont equivalentes. Tout intervalleIdeRest de la formeI=AB, ouAetBsont de la forme [;+1[ ou ];+1[ etf1(AB) =f1(A)f1(B).Tout ouvert deRest une reunion denombrable d'intervalles ouverts disjoints.Theorie de la mesureBertrand Remy 11 / 43
Fonctions mesurables et ensembles mesurables, preuve (suite et n)Soitfune fonction mesurable. Denissons
h n(x) :=n minf(x);+1n minf(x); chaque fonctionhnest mesurable comme composee de y7!n miny;+1n miny; et de la fonction mesurablef. On a limn!+1hn(x) =1];+1[f(x)p.p. et 1 ];+1[f=1f1(];+1[); egalement p.p., donc1f1(];+1[)est mesurable comme limite p.p. d'une suite de fonctions mesurables.Theorie de la mesureBertrand Remy 12 / 43ÉCOLE POLYTECHNIQUE - 3. Mesure de Lebesgue
Theorie de la mesureBertrand Remy 13 / 43
Mesure de Lebesgue
Denition (mesure de Lebesgue)
Pour toutARNmesurable, lamesure de LebesguedeAest denie par jAj:=Z RN1A(x)dx:SiA;BRNsont mesurables et siAB, alorsjAj6jBj.Si (An)n>0est une suitedenombrablede sous-ensembles mesurables deRN, alors[
n>0A n 6X n>0jAnj:Si de plusAk\Al=?pour tousk6=l, alors[ n>0A n =X n>0jAnj:Theorie de la mesureBertrand Remy 14 / 43 Proprietes essentielles de la mesure de Lebesgue, preuveDemontrons les trois assertions precedentes.
Preuve.On observe tout d'abord que, si
A k\Al=?pour tousk6=l)1S n>0An=X n>01 An: La troisieme formule decoule alors de la linearite de l'integrale dans le cas d'une reunion nie, et du theoreme de la convergence monotone dans le cas d'une reunion innie. Supposons maintenant qu'on ait une inclusionABd'ensembles mesurables. On remarque queB=A[(BA) est une reunion disjointe, de sorte que jBj=jAj+jBAj>jAj; ce qui prouve le premier point.Theorie de la mesureBertrand Remy 15 / 43
Mesure de Lebesgue : proprietes essentielles
Supposons que la suite (Bn)n>0est innie et indexee parN(si ce n'est pas le cas, on complete la suite nie d'ensemblesBnen rajoutant l'ensemble vide une innite de fois). Denissons A0=B0,A1=B1B0, et
A n=Bn(B0[:::[Bn1);n>1: Alors n>0A n=[ n>0B n; de plus A n\AmAn\Bm=?; sin>m. Donc,[ n>0B n n>0A n =X n>0jAnj6X n>0jBnj; puisqueAnBnpour toutn.Theorie de la mesureBertrand Remy 16 / 43Exemples de calculs de mesure de Lebesgue
On a :j?j= 0.Lamesure de Lebesgue d'un pavedeRNest egale a son volume jba1;b1e ::: baN;bNej=NY k=1(bkak);ou iciba;beest un intervalle de la forme [a;b], [a;b[, ]a;b[ ou ]a;b[.Pour tout sous-ensemble mesurableARNetpour toute isometrie aneTdeRN,
on a : jT(A)j=jAj:Mesure de Lebesgue d'un ouvert de R.Pour tout ouvert deR, on a : j j=X n2N(bnan); ou n2N]an;bn[ est la decomposition de en intervalles deux a deux disjoints.Theorie de la mesureBertrand Remy 17 / 43Integration sur un ensemble mesurable
Nous ne savons integrer pour l'instant que sur des ouverts deRN.Denition SoientARNun ensemble mesurable etfune fonction denie p.p. surA. On ecrit que f2 L1(A)si son prolongement parf(x) = 0pourx2XAappartient aL1(RN). Dans ce cas, on pose :Z A f(x)dx:=Z R NF(x)dx:Relation de Chasles :soientA;BRNdeux ensembles mesurables tels queA\Best negligeable et soitf2 L1(A[B). Alors on a : ZA[Bf(x)dx=Z
A f(x)dx+Z B f(x)dx:Theorie de la mesureBertrand Remy 18 / 43Inegalite de Markov
Proposition (inegalite de Markov)
Soient
ouvert non vide deRNetf2 L1( ). Pour tout >0, on a jfx2 :jf(x)j>gj61 Z jf(x)jdx:Preuve.On a : Z jf(x)jdx>Z jf(x)j1[;+1]f(x)dx>Z1[;+1]f(x)dx>jf1([;+1])j;
puisque 1 [;+1]f(x)=1f1([;+1])(x); pour presque toutx2 (i.e. la ouf(x) est denie).Theorie de la mesureBertrand Remy 19 / 43Consequences de l'inegalite de Markov
Un des inter^ets de l'inegalite de Markov est qu'elle relie une integrale a une mesure de partie. Ceci peut ^etre exploite pour traiter l'annulation ou la nitude des integrales de fonctions positives (en toute g eneralite,les comp ensationsp ossiblesemp ^echentde dire quoi que ce soit). Theoreme SoientARNetfune fonction mesurable positive denie sur ouvert non vide deRN.Alors :
(i)SiZ f(x)dx<+1, alorsjfx2 :f(x) = +1gj= 0. (ii)SiZ f(x)dx= 0, alorsjfx2quotesdbs_dbs27.pdfusesText_33[PDF] inégalité de markov exercice corrigé
[PDF] ecart type probabilité loi normale
[PDF] variance probabilité formule
[PDF] esperance ecart type loi binomiale
[PDF] ecart type probabilité
[PDF] variance probabilité première s
[PDF] pensee positive permanente
[PDF] etre positif pdf
[PDF] le pouvoir de la pensée positive pdf gratuit
[PDF] pensée positive citation pdf
[PDF] pensée positive gratuite télécharger
[PDF] livre la puissance de la pensée positive pdf gratuit
[PDF] la pensée positive pour les nuls pdf gratuit
[PDF] soon the end