1 Alg`ebre linéaire
1 Alg`ebre linéaire
1 Alg`ebre linéaire
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Pour toute la section, une source est modélisée par variable aléatoire. La variablealéatoire X prend ses valeurs dans l’alphabet X et x 1 est une instanciation de lavariable X. Y , Y et y i sont similairement définie. Dans le cas d’une instanciationmultiple X 1 X 2 X 3 . . . X n nous écrirons x = x 1 x 2 x 3 . . . x n . L’idée des séquences typiqueest la suivante (ici pour le cas d’une source binaires) : p(x 1 , x 2 , . . . , x n ) =p(x 1 )p(x 2 ) . . . p(x n ) ≈ p np (1 − p) n(1−p) . Donc − log p(x 1 , x 2 , . . . , x n ) ≈ −np log p −n(1 − p) log(1 − p) = nH(X).1. Pour toute constante ɛ, une séquence x 1 x 2 x 3 . . . x n est dite ɛ-typique si2 −n(H(X)+ɛ) p(x 1 , . . . , x n ) 2 −n(H(X)−ɛ) .L’ensemble de toutes les séquences de longueur n est dénoté par T (n, ɛ).2. De manière équivalente, x 1 x 2 x 3 . . . x n ∈ T (n, ɛ) si et seulement si∣ 1∣n log 1∣∣∣p(x 1 , x 2 , . . . x n ) − H(X) .3. Théorème 4.14 (Théorème des séquences typiques)(a) Soit ɛ > 0, une constante. Alors, pour tout 0 < δ < 1 et pour tout n detaille suffisante, la probabilité qu’une séquence soit ɛ-typique est supérieurà 1 − δ.(b) Soit ɛ > 0, une constante. Alors pour tout δ > 0 et pour tout n de taillesuffisante, on a(1 − δ)2 n(H(x)−ɛ) |T (n, ɛ)| 2 n(H(X)+ɛ) .(c) Soit S(n) un ensemble de séquences de longueur n tel que |S(n)| 2 nR ,où R < H(X) est une constante. Alors pour tout δ > 0 et pour tout n detaille suffisante on a : ∑p(x) δ.x∈S(n)18