Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
122 Chapitre 3. Variables aléatoires à densité<br />
Figure 3.3 – Densité d’une variable aléatoire suivant une loi de Cauchy.<br />
Théorème 3.1 (Théorème de Transfert)<br />
Soit X une variable aléatoire à densité et ϕ :Ê→Êune fonction, alors l’espérance de ϕ(X)<br />
vaut :<br />
Êϕ(x)f(x)dx,<br />
E[ϕ(X)] =<br />
sous réserve d’absolue convergence de cette intégrale.<br />
Remarques :<br />
1. Etant donné que ϕ(x) peut osciller entre des valeurs positives et négatives <strong>aux</strong> bords de<br />
l’intervalle d’intégration, on est cette fois obligé d’imposer l’absolue convergence.<br />
2. Si ϕ est dérivable et bijective, on peut appliquer le résultat de changement de variable vu<br />
plus haut : Y = ϕ(X) admet une densité fY , donc son espérance vaut :<br />
<br />
E[Y] = yfY(y)dy,<br />
et le changement de variable y = ϕ(x) dans l’intégrale donne :<br />
<br />
E[Y] = ϕ(x)fY(ϕ(x))|ϕ ′ (x)|dx.<br />
I<br />
J<br />
La valeur absolue vient de ce qu’on a mis l’intervalle I dans le “bon sens”, ce qui n’est<br />
automatique que lorsque ϕ est croissante. Il reste alors à faire le lien avec la Proposition 3.2<br />
pour retrouver :<br />
<br />
E[Y] = ϕ(x)f(x)dx.<br />
Moyen mnémotechnique. Pour calculer E[ϕ(X)] et non E[X], on a juste à remplacer x par ϕ(x)<br />
dans la formule de E[X].<br />
L’intérêt pratique de ce résultat est le même que dans le cas discret : si on appelle Y = ϕ(X) la<br />
variable aléatoire qui nous intéresse, on n’a pas besoin de commencer par déterminer sa densité<br />
pour calculer son espérance, il suffit tout simplement de se servir de celle de X.<br />
Exemple. On reprend l’exemple où X ∼ U [0,1] et Y = X 2 . Puisqu’on a vu que Y admet pour<br />
densité fY(y) = 1<br />
2 √ y {0