Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
2.3. Moments d’une variable discrète 65<br />
que l’on peut casser en deux morce<strong>aux</strong> puisque zk = xi +yj :<br />
E[Z] = <br />
(i,j)∈I×J<br />
(xi +yj)pij = <br />
(i,j)∈I×J<br />
xipij + <br />
(i,j)∈I×J<br />
yjpij,<br />
et l’idée est de regrouper différemment les indices de sommation dans chacune des deux sommes :<br />
E[Z] = <br />
⎛<br />
⎝ <br />
⎞<br />
⎠+ <br />
<br />
<br />
<br />
,<br />
i∈I<br />
or on reconnaît les pi dans la première somme et les qj dans la seconde :<br />
xi<br />
j∈J<br />
pij<br />
j∈J<br />
yj<br />
i∈I<br />
pij<br />
E[Z] = <br />
xipi + <br />
yjqj = E[X]+E[Y].<br />
i∈I<br />
j∈J<br />
Précisons que toutes les opérations effectuées sur les sommes sont légitimes en raison de l’absolue<br />
convergence des deux séries xipi et yjqj. Pour achever la preuve de la proposition, il reste à<br />
vérifier que, pour tout réel b, on a E[b] = b. Or b est la variable aléatoire qui prend la seule valeur<br />
b avec probabilité 1, donc E[b] = b×1 = b.<br />
<br />
En termes d’algèbre linéaire, ce résultat dit la chose suivante : l’ensemble des variables aléatoires<br />
discrètes admettant une espérance est un sous-espace de l’espace des variables aléatoires discrètes<br />
et l’espérance est une forme linéaire sur ce sous-espace. Le résultat suivant montre que c’est même<br />
une forme linéaire positive.<br />
Proposition 2.2 (Positivité de l’espérance)<br />
Soit X et Y deux variables aléatoires admettant une espérance et telles que X ≤ Y , alors :<br />
E[X] ≤ E[Y].<br />
En particulier, si X ≥ 0, i.e. si X ne prend que des valeurs positives, on a E[X] ≥ 0.<br />
Dire que X ≤ Y signifie que pour tout ω ∈ Ω, on a X(ω) ≤ Y(ω), autrement dit : quel que soit ce<br />
qui se passe, on aura toujours X plus petit que Y .<br />
Preuve. Dire que X ≥ 0 est équivalent à dire que xi ≥ 0 pour tout i ∈ I. Ainsi l’espérance<br />
E[X] = <br />
i∈I xipi est la somme de termes positifs, elle est donc positive. Par ailleurs, dire que<br />
X ≤ Y est équivalent à dire que la variable Z = (Y − X) est positive. Le point précédent et la<br />
linéarité de l’espérance vue ci-dessus permettent d’en déduire que E[X] ≤ E[Y].<br />
<br />
Exemple : min & max. On jette simultanément deux dés et on appelle X (resp. Y ) le minimum<br />
(resp. le maximum) des deux numéros obtenus. Il est bien clair que X ≤ Y et le résultat ci-dessus<br />
nous assure, sans aucun calcul, que E[X] ≤ E[Y].<br />
Corollaire 2.1 (Espérance de la valeur absolue de X)<br />
La variable aléatoire X admet une espérance si et seulement si la variable aléatoire |X| en admet<br />
une, auquel cas :<br />
E[X] ≤ E[|X|].<br />
<strong>Probabilités</strong> Arnaud Guyader - <strong>Rennes</strong> 2