3. Considérons A ∈ A <strong>et</strong> la loi de la variable aléatoire réelle X = 1 A . Alors,⎧P(∅) = 0 si 1 /∈ B <strong>et</strong> 0 /∈ B,P X(B) = P ( X −1 (B) ) ⎪⎨P(X = 1) = P(A) si 1 ∈ B <strong>et</strong> 0 /∈ B,=P(X = 0) = 1 − P(A) si 1 /∈ B <strong>et</strong> 0 ∈ B,⎪⎩1 si 1 ∈ B <strong>et</strong> 0 ∈ B.La loi de X est P X= (1 − p)δ 0 +pδ 1 avec p = P(A). C<strong>et</strong>te loi appelée loi de Bernoulli de paramètre p.3.2.2 Intégration par rapport à une mesure imagePrécisons le lien entre l’intégrale par rapport à une mesure image de µ <strong>et</strong> l’intégrale par rapport à µ.Théorème 3.5 (Théorème de transport)Soient (Ω, A,µ) un espace mesuré, (Ω ′ , A ′ ) un espace mesurable, X : (Ω, A) → (Ω ′ , A ′ ) une fonctionmesurable <strong>et</strong> ϕ : (Ω ′ , A ′ ) → ( R, B ( R )) une fonction mesurable. Notons µ Xla mesure image de µ par X.1. Si ϕ est à valeurs dans [0,+∞], alors,∫∫ϕ(x)µ X(dx) =Ω ′Ωϕ(X(ω))µ(dω).2. La fonction ϕ est µ X-intégrable si <strong>et</strong> seulement si ϕ ◦ X est µ-intégrable.3. Si ϕ ◦ X est µ-intégrable, alors∫∫ϕ(x)µ X(dx) =Ω ′Ωϕ(X(ω))µ(dω).Remarque 3.2 L’assertion 1. du théorème 3.5 reste vraie pour toute fonction mesurable à valeurs dans [0,+∞]µ-presque partout. De plus, si ϕ : (Ω, A) → ( R, B ( R )) est une fonction mesurable, alors,ϕ ∈ [0,+∞] µ-presque partout ⇐⇒ ϕ(X) ∈ [0,+∞] µ X-presque partout.Preuve du théorème 3.5.1. • Étape 1 : Cas des fonctions étagées positives. Par définition, pour tout B ∈ A,∫1 B (x)µ X(dx) = µ X(B) = µ ( X −1 (B) ) ∫∫= 1 X −1 (B)(ω)µ(dω) = 1 B (X(ω))µ(dω).Ω ′ ΩΩPar additivité des intégrales sur l’ensemble des fonctions étagées positives, pour toute fonctionétagée ϕ : Ω → [0,+∞], ∫∫ϕ(x)µ X(dx) = ϕ(X(ω))µ(dω)Ω ′ Ω• Étape 2 : Cas des fonctions mesurables positives. Soit ϕ : Ω → [0,+∞] une fonctionmesurable. Alors, il existe (ϕ n ) n∈Nune suite croissante de fonctions étagées sur (Ω, A) à valeursdans [0,+∞] convergeant simplement vers ϕ. Par définition de l’intégrale de ϕ par rapport à µ X<strong>et</strong>d’après l’étape 1. appliquée à chaque ϕ n ,∫∫∫Ω ′ ϕ(x)µ X(dx) = limn→+∞Ω ′ ϕ n (x)µ X(dx) = limn→+∞52Ωϕ n (X(ω))µ(dω).
De plus, (ϕ n ◦ X) n∈N est une suite croissante de fonctions étagées sur (Ω ′ , A ′ ) à valeurs dans [0,+∞]convergeant simplement vers la fonction mesurable positive ϕ ◦ X. Alors,∫∫∫ϕ(X(ω))µ(dω) = lim ϕ n (X(ω))µ(dω) = ϕ(x)µn→+∞X(dx).Ω ′Ω2. L’assertion 2. se déduit de l’assertion 1. <strong>et</strong> de la définition d’une fonction intégrable.Ω3. Supposons que ϕ : Ω → R est µ X-intégrable. Alors, par définition,∫∫∫ϕ(x)µ X(dx) = ϕ +(x)µ X(dx) − ϕ −(x)µ X(dx).Ω ′ Ω ′ Ω ′Les fonctions ϕ +<strong>et</strong> ϕ − étant mesurables à valeurs dans [0,+∞], d’après l’assertion 1.,∫∫∫∫ϕ(x)µ X(dx) = ϕ +(X(ω))µ(dω) − ϕ −(X(ω))µ(dω) = ϕ(X(ω))µ(dω).Ω ′ ΩΩΩcar (ϕ ◦ X) += ϕ +◦ X <strong>et</strong> (ϕ ◦ X) −= ϕ −◦ X.Écrivons maintenant en termes probabilistes le théorème du transport.Théorème 3.6 (Version probabiliste du théorème de transport)Soient (Ω, A, P) un espace de probabilité, (Ω ′ , A ′ ) un espace probabilisable <strong>et</strong> X : (Ω, A) → (Ω ′ , A ′ ) unevariable aléatoire. Notons P Xla loi de X. Considérons ϕ : (Ω ′ , A ′ ) → ( R, B ( R )) une fonction mesurable.1. La fonction ϕ est P X-intégrable si <strong>et</strong> seulement si ϕ(X) est P-intégrable.2. Si ϕ(X) est P-intégrable ou à valeurs P-presque sûrement dans [0,+∞], alors∫E(ϕ(X)) = ϕ(x)P X(dx).Ω ′Terminons c<strong>et</strong>te section en donnant une caractérisation de la loi de X.Proposition 3.7Soient (Ω, A, P) un espace de probabilité, (Ω ′ , A ′ ) un espace probabilisable <strong>et</strong> X,Y : (Ω, A) → (Ω ′ , A ′ )deux variables aléatoires.Alors, X <strong>et</strong> Y ont même loi si <strong>et</strong> seulement si pour toute fonction ϕ : (Ω ′ , A ′ ) → ([0,+∞], B([0,+∞]))mesurable,E(ϕ(X)) = E(ϕ(Y )). (3.1)Remarque 3.3 Les variables aléatoires X,Y : (Ω, A) → (Ω ′ , A ′ ) ont même loi si <strong>et</strong> seulement si (3.1) estvérifiée pour toute fonction ϕ : (Ω ′ , A ′ ) → ( R, B ( R )) mesurable bornée (ou mesurable positive bornée).Preuve de la proposition 3.7. Notons P Xla loi de X <strong>et</strong> P Yla loi de Y .• Supposons que P X= P Y. Considérons une fonction mesurable ϕ : (Ω ′ , A ′ ) → ([0,+∞], B([0,+∞])).Alors, d’après le théorème du transport,∫ ∫E(ϕ(X)) = ϕdP X=Ω ′ ϕdP Y= E(ϕ(Y )).Ω ′53
- Page 1:
Année 2009-2010Intégration et Pro
- Page 6 and 7: Remarque 1.1 En probabilités, un e
- Page 8 and 9: Remarque 1.3 Une tribu étant stabl
- Page 10 and 11: Exemple 1.4 Soient (Ω, A) un espac
- Page 12 and 13: Preuve de la proposition 1.15. Éta
- Page 14 and 15: Donnons à présent la mesure d’u
- Page 16 and 17: 1.3.2 Un exemple : les fonctions é
- Page 18 and 19: Preuve de la proposition 1.29.• S
- Page 20 and 21: Remarque 1.21 Soit (Ω, A,µ) un es
- Page 22 and 23: 1. Montrons que µ est bien défini
- Page 24 and 25: • Supposons I fini. Nous pouvons
- Page 26 and 27: D’après (i), (ii), (iii) et (iv)
- Page 28 and 29: Exemple 2.1∫1. Supposons que µ =
- Page 30 and 31: Nous pouvons donc considérer une s
- Page 32 and 33: 2.1.3 Intégrale d’une fonction d
- Page 34 and 35: 2.2 Propriétés générales de l
- Page 36 and 37: Nous pouvons énoncer une propriét
- Page 38 and 39: • Étant donné que pour tout n
- Page 40 and 41: Alors, A ∈ A et A c ∈ A car les
- Page 42 and 43: Nous pouvons prolonger F i en une f
- Page 44 and 45: Proposition 2.27 (Riemann-intégrab
- Page 46 and 47: 2.5.3 L’essentiel de la section 2
- Page 48 and 49: • Fixons n ∈ N. Notons que par
- Page 51 and 52: Chapitre 3Loi d’une variable alé
- Page 53: 3.2 Mesure image et loi d’une var
- Page 57 and 58: 2. Par ailleurs, pour tous réels a
- Page 59 and 60: Preuve de la proposition 3.13. Nous
- Page 61 and 62: ••2. Soit F : R → R une fonct
- Page 63 and 64: 3.4 Variables aléatoires et lois a
- Page 65 and 66: La fonction borélienne f étant po
- Page 67 and 68: 3.4.3 Changement de variablesNous n
- Page 69 and 70: Proposition 3.33 (Fonction de répa
- Page 71 and 72: Proposition 3.38Soient X une variab
- Page 73 and 74: Nous commençons par étudier le ca
- Page 75 and 76: Chapitre 4Espaces L p et L pDans ce
- Page 77 and 78: Définition 4.3 (Espace L ∞ (Ω,
- Page 79 and 80: Terminons cette section en remarqua
- Page 81 and 82: Dans le cas où µ est une mesure b
- Page 83 and 84: Par suite,‖f + g‖ p p (‖f‖
- Page 85 and 86: Cette propriété est une conséque
- Page 87 and 88: 4.3 Espaces L p et L p sur un espac
- Page 89 and 90: 4.3.2 InégalitésCommençons par r
- Page 91 and 92: 4.4 Annexes4.4.1 Annexe : Preuve du
- Page 93 and 94: Étudions à présent les moments d
- Page 95 and 96: Annexe AClasses monotonesDe nombreu
- Page 97 and 98: Ce théorème permet de montrer que
- Page 99 and 100: Annexe BIntégrales dépendant d’
- Page 101 and 102: Loi de la v.a. X P X Espérance Var
- Page 103: Bibliographie[1] Barbe, P. et Ledou