Même loi conditionnelle ?

Bonjour

Soit $X$ une v.a.r sur $(\Omega, \mathcal{A},\mathbb{P})$ et $Z$ une v.a.r sur $(\overline{\Omega}, \overline{\mathcal{A}},\overline{\mathbb{P}})$

1. On dit que $X$ et $Z$ ont même loi (ou distribution) sous $(\mathbb{P},\overline{\mathbb{P}})$ si:
$ \mathbb{P}\circ X^{-1} = \overline{\mathbb{P}}\circ Z^{-1}.$

Est-ce que cette définition est correcte ?
Dans quelle référence je peux trouver ces notions ?

2. Quelle est la définition de: variables aléatoires ayant même loi conditionnelle sachant des sous-tribus ?

Merci pour l'aide.

Réponses

  • Pour ta première question oui c'est correct. Dans n'importe quelle introduction aux probas on doit trouver ces notions.

    Pour ta deuxième question c'est si les espérances conditionnelles ont même loi je dirais, mais je n'en suis pas certain à 100%, mieux vaut attendre une confirmation.
  • Personne ne sait vraiment bien ce qu'est une loi conditionnelle, hein, donc une définition raisonnable ce serait de dire que pour tout $f$ mesurable bornée $E(f(X)|\mathcal{A})=E(f(Y)|\mathcal{A})$ (presque sûrement).
  • C'est beaucoup plus fort que la définition que je proposais, mais plus logique en effet.

    A noter que c'est équivalent si on restreint $f$ aux indicatrices si je ne m'abuse.
  • Quoi que, à bien y réfléchir si je prends $\mathcal A$ la tribu de départ alors les deux espérances conditionnelles valent $f(X)$ et $f(Y)$ et on se retrouve donc avec une condition beaucoup plus forte que l'égalité des lois ...
  • @skyffer3: je comprends la question pour une tribu fixée.
  • Moi aussi ! Mais c'est embêtant si quand on applique ta définition avec la tribu de départ on retrouve les variables de départ mais les lois conditionnelles peuvent ne plus être égales selon ta définition alors qu'on pourrait avoir l'égalité en lois. Je sais pas si je suis clair. On s'attendrait que dans ce cas les deux définitions coïncident, c'est le cas avec la mienne par exemple.

    Je suis sur mon téléphone c'est pour cela que je ne développe pas trop. J'irais sur un ordi si c'est pas clair. Faut que je fasse gaffe je commence à faire mon cc :-D
  • Si on est égal conditionnellement à tout, c'est qu'on est égal; ça me semble assez logique.
  • Oui mais on ne veut pas être égal conditionnellement à tout, on veut que les lois conditionnelles, quoi que cela veuille dire, soient égales. Or l'espérance conditionnelle de $X$ par rapport à tout c'est $X$, de même pour $Y$. Moi ça me paraîtrait plus logique que si on conditionne par rapport à tout on retrouve la définition d'égalité des lois pour les lois conditionnelles.

    Bon de toute façon là c'est des remarques méta-mathématiques.
  • Tu as peut être raison. Je me demande si on ne parle pas plutôt d'égalité de lois conditionnelles sachant qu'une variable aléatoire est égale à ...
  • Une loi conditionnelle est un cas particulier de désintégration de mesures (j'ai l'impression que ce qui irrite les gens est que le noyau obtenu n'est pas unique, mais seulement "unique à un ensemble de probabilité nulle près" mais est-ce un problème).
    Une fonction est un ensemble $f$ de couples tel que pour tous $x,y,z$, si $(x,y)\in f$ et $(x,z)\in f$ alors $y = z$.
  • Ce n'est pas tout à fait la même chose. Tu parles d'"unique à un ensemble de probabilité nulle près", mais ici la probabilité varie.
    La loi de $X$ sachant $Y$ a un sens qui est défini $P_Y$ presque sûrement, tandis que la loi de $X'$ sachant $Y'$ a un sens qui est défini $P_{Y'}$ presque sûrement.
Connectez-vous ou Inscrivez-vous pour répondre.