Académique Documents
Professionnel Documents
Culture Documents
Espérance Conditionnelle
Probabilités II
5ème année DS
A.U:2021-2022
2 Espérance conditionnelle
Remarque :
Une sous-tribu B de A est une tribu sur Ω tel que B ⊂ A.
Définition
Une variable aléatoire réelle est une application mesurable X de (Ω, A) dans
(R, B(R)), où B(R) est la tribu borélienne de R (c’est la plus petite tribu qui
contient tous les intervalles de R).
c-à-d ∀B ∈ B(R), on a :
{ω ∈ Ω, X (ω) ∈ B} = {X ∈ B} ∈ A.
Définition
Soit X une variable aléatoire sur (Ω, A) à valeurs dans R. On note par σ(X ) la
plus petite sous tribu B de A, rendant l’application X B-mesurable.
σ(X ) = {∅, Ω, A, Ac }
σ(X1 , ..., Xn )
Filtration
Définition
Soit (Ω, A, P) un espace de probabilité, une filtration (Fn )n≥0 sur (Ω, A, P) est
une suite croissante de sous-tribus de A
Proposition
Soit (Xn , n ≥ 1) une suite de variables aléatoires réelles A-mesurables. On note,
pour tout n ≥ 1 :
Fn = σ(Xk , 1 ≤ k ≤ n).
Alors (Fn , n ≥ 1) est une suite croissante de tribus qui porte le nom de filtration
naturelle.
Pour un n ≥ 1 fixé, Fn représente l’information disponible à l’instant n.
Filtration
Proposition
Soient X et Y deux variables aléatoires réelles, alors Y est dite σ(X )-mesurable si
et seulement si il existe une fonction f de R dans R, telle que :
P(Y = f (X )) = 1
2 Espérance conditionnelle
Espérance conditionnelle
Soit X une variable aléatoire réelle définie sur (Ω, A) et soit B ⊂ A une sous tribu
de A.
Espérance conditionnelle
Hypothèses :
On pose :
- HA ={X variable aléatoire A-mesurable telle que E (X 2 ) < +∞}.
C’est un espace de Hilbert : c’est un espace vectoriel complet muni d’une
norme dérivant du produit scalaire < X , Y >= E (XY ) et ||X ||2 =< X , X >.
Espérance conditionnelle
E[X |B]
Espérance conditionnelle
Espérance conditionnelle
Proposition
Il existe une unique variable aléatoire B-mesurable telle que E(Z 2 ) < +∞,
vérifiant pout toute variable aléatoire Y , B-mesurable et telle que E(Y 2 ) < +∞ :
E(XY ) = E(ZY ).
-Cette
p variable aléatoire Z est la meilleure approximation, au sens de la norme
E(X 2 ), de X parmi les variables aléatoires B-mesurables de carré intégrable.
Espérance conditionnelle
E (X |B)
Espérance conditionnelle
Remarque :
2 Espérance conditionnelle
Linéarité
E (λX + µY |B) = λE(X |B) + µE(Y |B), ∀(λ, µ) ∈ R2
Positivité
Si X ≥ 0, alors E(X |B) ≥ 0.
Si X ≥ Y , alors E(X |B) ≥ E (Y |B).
Mesurabilité de X
Si X est intégrable et B-mesurable alors :
E(X |B) = X .
Emboitement
Soit C une sous-tribu de B alors :
Remarque :
On pourra déduire la contraction pour la norme L1 .
En effet d’après la positivité de l’espérance conditionnelle on a :
Lemme
Soient B une sous-tribu de A, X et Y deux v.a.réelles telsque X est indépendante
de B et Y est B-mesurable. On considère f : R2 → R une fonction mesurable
bornée alors :
E(f (X , Y )|B) = ψ(Y )
avec
ψ(y ) = E(f (X , y )), ∀y ∈ R
2 Espérance conditionnelle
Définition
Soit (X , Y ) un couple de variable aléatoires discrètes. On appelle distribution
conditionnelle de X sachant Y = y la fonction
FX |Y (x ) = P(X ≤ x |Y = y ),
FX |Y (x ) = P(X ≤ x |Y ).
fX |Y =y (x ) = P(X ≤ x |Y = y )
fX |Y (x ) = P(X ≤ x |Y ).
Exercice
Une poule pond un nombre aléatoire N d’oeufs qui suit une loi de Poisson de
paramètre λ. Les oeufs éclosent avec une probabilité p indépendamment les uns
des autres. Quelle est la loi du nombre X de poussins ?
Solution
Conditionnellement à N le nombre X suit une loi de binomial de paramètre N et
p.c-a-d
P(X = k|N = n) = Ckn p k (1 − p)n−k , k = 0, . . . , n
Par conséquent
λn
P(X = k, N = n) = P(X = k|N = n)P(N = n) = Ckn p k (1 − p)n−k e −λ .
n!
Puis
+∞ −λn k
X e p (1 − p)n−k e −λ
P(X = k) =
k!(n − k)!
n=k
(p)k
P(X = k) = e −p
k!
Donc X suit une loi de Poisson de paramètre p.
Définition
Soit X une v.a.d à valeurs dans {x1 , x2 , . . . , xn }. On suppose que X est intégrable.
On appelle espérance conditionnelle de X sachant Y = y la quantité
X
E(X |Y = y ) = xi P(X = xi |Y = y )
i
définie pour les y tels que P(Y = y ) > 0. On appelle espérance conditionnelle de
X sachant Y la v.a. X
E(X |Y ) = xi P(X = xi |Y )
i
Définition
Soit X , Y un couple de v.a. ayant une densité f(X ,Y ) . On appelle densité
conditionnelle de X sachant Y = y la fonction
f(X ,Y ) (x , y )
fX |Y =y (x ) =
fY (y )
Définition
On suppose que X est intégrable. On appelle espérance conditionnelle de X
sachant Y = y la quantité
Z
E(X |Y = y ) = xfX |Y =y (x )dx
R
Exemple
Soit (X , Y ) ayant pour densité la fonction la fonction
1
f(X ,Y ) (x , y ) = 10<y <x <1 .
x
La densité X est
Z Z x
1
fX (x ) = f(X ,Y ) (x , y )dy = ( dy )10<x <1 .
R x 0
Autrement dit X suit une loi uniforme sur [0, 1]. La densité conditionnelle de Y
sachant X est donnée par
f(X ,Y ) (x , y ) 10<y <x
fY |X =x (y ) = =
fX (x ) x
Pour tout y ∈ R et tout x ∈]0, 1[. Autrement dit, conditionnellement à X , la
variable Y est uniforme sur [0, X ]. En particulier
Z Z
y
E(Y |X ) = yfY |X =x (y )dy = 10<y <x dy
R R x
1 x
Z
X
= ydy = .
x 0 2
Probabilités II Chapitre II:Espérance Conditionnelle 28 / 29
Conditionnement d’une v.a. par une autre v.a.
Exercice