Espérance conditionnelle de deux variables
Bonjour à tout le monde.
J'ai essayé de faire l'exo en pièce jointe. j'ai avancé un peu mais je rencontre qq quelques soucis. J'ai besoin d'un peu d'aide SVP.
$ E(X_1\mid X_1 + X_2) = \frac{X_1 + X_2}{2}$
parce que par linéarité de l'espérance conditionnelle :
$ E(X_1\mid X_1 + X_2) + E(X_2\mid X_1 + X_2) = E(X_1+X_2\mid X_1 + X_2)$ presque sûrement. On déduit que :
$ E(X_1\mid X_1 + X_2) + E(X_2\mid X_1 + X_2) = X_1+X_2$.
Puis on utilise une fonction $f$ borélienne bornée, tel que : $E(X_1\mid X_1 + X_2) = f(X_1 + X_2)$
et une autre $E\big(X_1g(X_1 + X_2)\big) = E\big(f(X_1 + X_2)g(X_1 + X_2)\big)$
Et ainsi par Fubini je trouve : $ E(X_1\mid X_1 + X_2)=E(X_2\mid X_1 + X_2) = \frac{X_1 + X_2}{2}$
Maintenant comment l'appliquer pour la loi de Bernoulli et Poisson ?
J'ai essayé de faire l'exo en pièce jointe. j'ai avancé un peu mais je rencontre qq quelques soucis. J'ai besoin d'un peu d'aide SVP.
$ E(X_1\mid X_1 + X_2) = \frac{X_1 + X_2}{2}$
parce que par linéarité de l'espérance conditionnelle :
$ E(X_1\mid X_1 + X_2) + E(X_2\mid X_1 + X_2) = E(X_1+X_2\mid X_1 + X_2)$ presque sûrement. On déduit que :
$ E(X_1\mid X_1 + X_2) + E(X_2\mid X_1 + X_2) = X_1+X_2$.
Puis on utilise une fonction $f$ borélienne bornée, tel que : $E(X_1\mid X_1 + X_2) = f(X_1 + X_2)$
et une autre $E\big(X_1g(X_1 + X_2)\big) = E\big(f(X_1 + X_2)g(X_1 + X_2)\big)$
Et ainsi par Fubini je trouve : $ E(X_1\mid X_1 + X_2)=E(X_2\mid X_1 + X_2) = \frac{X_1 + X_2}{2}$
Maintenant comment l'appliquer pour la loi de Bernoulli et Poisson ?
Réponses
-
Sais-tu calculer la loi d'une somme de 2 v.a. discrètes et indépendantes ?
$\displaystyle\mathbb P(X_1+X_2=n)=\sum_{k\in\mathbb N} \mathbb P(X_1=k,X_2=n-k)...$ -
Bonjour,
$\displaystyle\mathbb P(X_1+X_2=n)=\sum_{k\in\mathbb N} \mathbb P(X_1=k,X_2=n-k)$ devient
$\displaystyle \mathbb P(X_1=k)=\frac{\sum_{n\in\mathbb N} \mathbb P(X_1=k) * \mathbb P(X_2=n-k)}{\sum_{k\in\mathbb N} \mathbb P(X_1=k,X_2=n-k)}$
SI $f$ et $g$ sont les lois de probabilité de $X_1$ et $X_2$ alors :
$\sum_{n=1} ^ \infty f(n) g(n-k)$.
et on retrouve une loi binomiale de paramètre $(n,\frac{ \lambda_1}{\lambda_1 +\lambda_2})$ dont l'espérance est $\frac{ n\lambda_1}{\lambda_1 +\lambda_2}$
C'est bien ça ? -
Mais on fait comment pour passer à l'espérance conditionnelle ?
-
AH oui, mon raisonnement est faux, car les deux lois ici sont discrètes, mes résultats auraient été bons si c'était dans le cas d'une variable continue, c'est bien ça ?
-
Ton argument « par Fubini » n'est pas justifié et la conclusion en est erronée (que les variables soient discrètes ou continues).
Il y a cependant une solution astucieuse qui utilise une idée proche de ce que tu fais : remarquer que $X_1$ a la même loi qu'une somme de $n_1$ variables de Bernoulli de paramètre $p$ indépendantes (et de même pour $X_2$). Ceci permet d'éviter les calculs avec les coefficients binomiaux.
Connectez-vous ou Inscrivez-vous pour répondre.
Bonjour!
Catégories
- 163.2K Toutes les catégories
- 9 Collège/Lycée
- 21.9K Algèbre
- 37.1K Analyse
- 6.2K Arithmétique
- 53 Catégories et structures
- 1K Combinatoire et Graphes
- 11 Sciences des données
- 5K Concours et Examens
- 11 CultureMath
- 47 Enseignement à distance
- 2.9K Fondements et Logique
- 10.3K Géométrie
- 65 Géométrie différentielle
- 1.1K Histoire des Mathématiques
- 68 Informatique théorique
- 3.8K LaTeX
- 39K Les-mathématiques
- 3.5K Livres, articles, revues, (...)
- 2.7K Logiciels pour les mathématiques
- 24 Mathématiques et finance
- 314 Mathématiques et Physique
- 4.9K Mathématiques et Société
- 3.3K Pédagogie, enseignement, orientation
- 10K Probabilités, théorie de la mesure
- 773 Shtam
- 4.2K Statistiques
- 3.7K Topologie
- 1.4K Vie du Forum et de ses membres