Loi des indices loi exponentielle
Bonjour j'espère que tous se portent bien.
Je n'arrive pas à résoudre la question 2 l'exercice 2 du devoir ci-joint.
Merci de m'aider.
Je n'arrive pas à résoudre la question 2 l'exercice 2 du devoir ci-joint.
Merci de m'aider.
Réponses
-
Il s'agit de montrer que pour tous $i \in \{1,\dots,n\}$ et $x \in \mathbb R$,
$$
P(\{J = i\} \cap \{Y \leq x\}) = \frac{\lambda_i}{\lambda} P(Y \leq x).
$$
Or en conditionnant par rapport à $X_i$ :
$$P(\{J = i\} \cap \{Y \leq x\}) = P(\{X_i < Y_i\} \cap \{X_i \leq x\}) = \int_0^\infty \lambda_i e^{-\lambda_i t} P(t < Y_i) \mathbf 1_{\{t \leq x\}}\,dt\;.$$
Je te laisse finir. -
Merci Siméon voici ce que je comprends.
$\{J=i\} = \{Y=X_i\} = \{X_i<Y_i\}$ donc
\begin{align*}
P(\{J = i\} \cap \{Y \leq x\}) &= P(\{Y = X_i\} \cap \{Y \leq x\}) \\
&= P(\{Y \leq x\} / \{Y=X_i \}) . P(\{Y=X_i \}) \\
&= P(\{X_i \leq x\}) . P(\{X_i <Y_i \}) \\
&= P(\{X_i <Y_i \}) . \int_0^\infty \lambda_i e^{-\lambda_i t} \mathbf 1_{\{t \leq x\}}\,dt\;..
\end{align*} Comment fais-tu pour obtenir $P(\{J = i\} \cap \{Y \leq x\}) = P(\{X_i< Y_i\} \cap \{X_i \leq x\}) $ ?
Et comment ton intégrale obtenue (là encore je ne vois pas comment tu parviens à obtenir ton intégrale) m'aide à prouver le résultat ?
Mais avant tout comment montrer que $J$ est bien défini. -
Après des heures de réflexion je n'arrive ni à prouver l'indépendance ni à montrer que $P(J=i) = \frac{\lambda_i}{\lambda}$
-
Quelqu'un pourrait-il m'éclairer ? Je sèche depuis...
-
$X_i $et $Y_i$ sont indépendants
Normalement , il faut montrer que J est bien définie presque partout -
Tout à fait d'accord, d'ailleurs si on ne le montre pas, on aura bien du mal à comprendre l'égalité des probabilités.
Le point clef est que les $X_i$ sont presque sûrement tous distincts (à montrer). -
Xi et Yi sont indépendants ! Comment voit-on cela ?
Je ne vois pas comment cela m'aide à mieux comprendre l'égalité des probabilités
Je n'avance pas beaucoup là... si vous pouviez être un peu plus explicite ça m'aiderait beaucoup. -
$$\Pr(J=1, Y>y)=\Pr(Y_1>X_1>y)=\int_y^{\infty}\lambda_1e^{-\lambda_1 x_1}\left(\int_{x_1}^{\infty}(\lambda-\lambda_1)e^{-(\lambda-\lambda_1)y_1}dy_1\right)dx_1=\frac{\lambda_1}{\lambda}e^{-\lambda y}.$$Si $y=0$ cela donne $\Pr(J=1)=\lambda_1/\lambda.$ On savait que $\Pr( Y>y)=e^{-\lambda y}.$ Donc les deux evenements $J=1$ et $Y>y$ sont independants. Idem pour $J=k$. Donc $J$ et $Y$ sont independants.
-
Merci beaucoup. Là c'est vraiment plus clair
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
- 63 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
- 313 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