Académique Documents
Professionnel Documents
Culture Documents
Jérémie Bigot
1 Motivations
Objectifs du conditionnement
1 Motivations
P(A ∩ B)
PB (A) = P(A|B) = .
P(B)
card(A ∩ B) 1 cardB 3 1
A ∩ B = A ; P(A ∩ B) = = ; P(B) = = = .
cardΩ 6 cardΩ 6 2
D’où
1
P(A ∩ B) 1
PB (A) = P(A|B) = = 6
1
= .
P(B) 2
3
Amphi 3
Probabilités conditionnelles par rapport à un évènement
P(A ∩ B)
PB (A) = P(A|B) = .
P(B)
card(A ∩ B) cardB 3 1
A ∩ B = ∅ ; P(A ∩ B) = = 0 ; P(B) = = = .
cardΩ cardΩ 6 2
D’où
P(A ∩ B) 0
PB (A) = P(A|B) = = 1 = 0.
P(B) 2
Amphi 3
Probabilités conditionnelles par rapport à un évènement
S S
[
! P An ∩B P (An ∩ B)
n n
PB An = =
n
P(B) P(B)
P
P(An ∩ B) X
n
= = PB (An )
P(B) n
Amphi 3
Probabilités conditionnelles par rapport à un évènement
Théorème
Soit (Ω, A, P) un espace probabilisé. Soit (Bi )i∈I un système complet
d’événements de probabilités non nulles i.e.
(i) Bi ∈ A pour tout i ∈ I,
S
(ii) Bi = Ω,
i∈I
(iii) si i 6= j, alors Bi ∩ Bj = ∅,
(iv) P(Bi ) 6= 0 pour tout i ∈ I (ensemble dénombrable).
Alors, pour tout A ∈ A,
X X
P(A) = PBi (A)P(Bi ) = P(A|Bi )P(Bi ).
i∈I i∈I
Amphi 3
Probabilités conditionnelles par rapport à un évènement
Formule de Bayes
P(A ∩ B) P(B ∩ A)
P(A|B) = et = P(B|A) =
P(B) P(A)
P(B|A)P(A)
P(A|B) =
P(B)
P(B|A)P(A)
= ,
P(B|A)P(A) + P(B|A)P(A)
P(A|B) ∝ P(B|A)P(A)
Amphi 3
Conditionnement par rapport à une v.a. discrète
1 Motivations
Définition
Si pi. 6= 0, la loi conditionnelle de Y sachant [X = xi ] est définie par :
P([X = xi ] ∩ [Y = yj ]) pij
P[X=xi ] (Y = yj ) = P(Y = yj |X = xi ) = = , j ∈ J.
P(X = xi ) pi.
Définition
Supposons que E(|Y|) < +∞.
L’espérance d’une v.a. dont la loi est la loi conditionnelle de Y à
l’événement [X = xi ] est appelée espérance conditionnelle de Y à
l’événement [X = xi ].
Elle est notée E[X=xi ] (Y) ou E(Y|X = xi ). On a donc
X
E[X=xi ] (Y) = yj P[X=xi ] (Y = yj ),
j
notée également
X
E(Y|X = xi ) = yj P(Y = yj |X = xi ).
j
Amphi 3
Conditionnement par rapport à une v.a. discrète
Proposition
La v.a. X + Y suit une de loi de Poisson de paramètre λ + µ.
Amphi 3
Conditionnement par rapport à une v.a. discrète
Définition
Soit X une v.a. réelle discrète sur (Ω, A, P) telle que, pour tout
x ∈ X(Ω), P([X = x]) 6= 0 et soit Y une v.a. réelle discrète sur (Ω, A, P)
admettant une espérance i.e. E(|Y|) < +∞.
On appelle espérance conditionnelle de Y sachant X,
la variable aléatoire discrète
EX (Y) = h(X),
et donc
(X + Y)λ
EX+Y (X) = E(Y|X + Y) =
λ+µ
Remarque importante : EX+Y (X) est une variable aléatoire !
Amphi 3
Conditionnement par rapport à une v.a. discrète
E(Y) = E(E(Y|X)).
Amphi 3
Conditionnement par rapport à une v.a. discrète
1 Motivations
Définition
Pour tout x ∈ R tel que fX (x) 6= 0, la densité conditionnelle de Y
sachant [X = x] est la fonction fYX=x : R → R+ définie par
fX,Y (x, y)
fYX=x = .
fX (x)
P([X = xi ] ∩ [Y = yj ]) pij
P[X=xi ] (Y = yj ) = = , j ∈ J.
P(X = xi ) pi.
Amphi 3
Conditionnement par rapport à une v.a. continue
1 −x−y/x
fX,Y (x, y) = e 11{[0,+∞[×[0,+∞[} (x, y).
x
On veut calculer E(Y) ?
Calculons tout d’abord la densité conditionnelle
fX,Y (x, y) fX,Y (x, y) 1
fYX=x (y) = =R = e−y/x ,
fX (x) f (x, y)dy
R X,Y
x
et donc E(Y|X) = X.
Amphi 3
Conditionnement par rapport à une v.a. continue
1 −x−y/x
fX,Y (x, y) = e 11{[0,+∞[×[0,+∞[} (x, y).
x
On veut calculer E(Y) ?
Etant donné que
Z
fX (x) = fX,Y (x, y)dy = e−x 11{[0,+∞[} (x)
R
1 Motivations
E ( (Y − E(Y|X)) h(X) ) = 0.
Proposition
Soit (V, h·, ·i) un espace de Hilbert et V0 ⊂ V un sous-espace
vectoriel fermé de V. Soit v ∈ V. La projection orthogonale de v sur V0
est le vecteur de v0 ∈ V0 tel que
hv − v0 , ui = 0, pour tout u ∈ V0 .
Amphi 3
Espérance conditionnelle et projection orthogonale
Proposition
Soit (V, h·, ·i, k · k) un espace de Hilbert et V0 ⊂ V un sous-espace
vectoriel fermé de V. Soit v ∈ V. La projection orthogonale de v sur V0
est le vecteur de v0 ∈ V0 tel que
hv − v0 , ui = 0, pour tout u ∈ V0 .
Amphi 3
Espérance conditionnelle et projection orthogonale
Structure hilbertienne
Définition
On note par L2 (Ω, A, P) l’espace des v.a.r. X de carré intégrable i.e
telles que E(X 2 ) < +∞.
Théorème
L’espace L2 (Ω, A, P) est un espace de Hilbert lorsqu’il est muni du
produit scalaire
hX, Yi = E(XY),
p
et de la norme quadratique associée kXk2 = E(X 2 ).
Amphi 3
Espérance conditionnelle et projection orthogonale
Structure hilbertienne
BX = X −1 (BR ) = {X −1 (B) ; B ∈ BR } ⊂ A
Théorème (Doob)
Soit X : (Ω, A, P) → (R, BR ) et Y : Ω → R deux v.a.r. Alors Y est
mesurable par rapport à la tribu BX ssi il existe une fonction
h : (R, BR ) → (R, BR ) mesurable telle que
Y = h(X).
Amphi 3
Espérance conditionnelle et projection orthogonale
Structure hilbertienne
Définition
Soit L2 (Ω, BX , P) l’espace des v.a.r. Z : Ω → R de carré intégrable et
mesurables par rapport à BX .
Alors L2 (Ω, BX , P) est un sous-espace vectoriel fermé de L2 (Ω, A, P).
E(h(X)Y|X) = h(X)E(Y|X)
Variance conditionnelle
Définition
Étant données deux v.a.r. X et Y, la variance conditionnelle de Y
sachant X est la variable aléatoire :
Variance conditionnelle
Soit (Xi )i∈N une suite de v.a. indépendantes entre elles et de même
loi qu’une v.a. X.
Exemple 1 - Espérance et variance de la somme d’un nombre n fixé
de v.a.
On a que
n
! n
!
X X
E Xi = n E(X) et var Xi = n var(X).
i=1 i=1
Variance conditionnelle
Soit (Xi )i∈N une suite de v.a. indépendantes entre elles et de même
loi qu’une v.a. X.
On a que
n
! n
!
X X
E Xi = n E(X) et var Xi = n var(X).
i=1 i=1