Espérance d'une variable aléatoire

Bonsoir
J'aimerais une indice pour la détermination de l'espérance de $Y$
Voici comment je raisonne:
Je pose que $Y=X\mathbb{1_{ \{X \neq 0 \}}}+U\mathbb{1_{ \{X=0 \}}}$ où $U$ est une variable aléatoire suivant une loi uniforme en prenant ses valeurs dans $\{1,..., n \}$.
De plus comme $X,U$ et la fonction indicatrice admettent des espérances, je peux en déduire que les variables aléatoires $X\mathbb{1_{ \{X \neq 0 \}}} ,U\mathbb{1_{ \{X=0 \}}}$ admettent des espérances.
Je trouve que $E(X\mathbb{1_{ \{X \neq 0 \}}})=np$ en utilisant le théorème de transfert car cette variable aléatoire est fonction de $X$.
Mais pour la deuxième, j'ai l'impression qu'il manque quelque chose en effet via le théorème de transfert, j'arrive à $E(U\mathbb{1_{ \{X=0 \}}})=(1-p)^{n}.u$ chose qui me semble étrange.122710

Réponses

  • Pour la deuxième, je crois qu'on peut faire simple et j'ai eu à faire une mauvaise interprétation.
    En effet, les variables aléatoires $U$ et $\mathbb{1_{ \{X=0\}}}$ sont indépendantes.
    Ainsi $E(U\mathbb{1_{ \{X=0\}}})=E(U).E(\mathbb{1_{ \{X=0\}}})=\frac{n+1}{2}.(1-p)^{n}$.
    Je pense que cette fois-ci mon résultat est correct donc je conclus que $E(Y)=np+\frac{n+1}{2}.(1-p)^{n}$

    Edit: Correction dans mon calcul de la deuxième espérance après l'intervention de @marsup
  • Bonjour,

    Il vaudrait mieux que tu précises que $U$ est choisie indépendante de $X$, ou autre chose (loi conditionnelle), parce que là, ça ne va pas.
  • Je crois que c'est plutôt $E(U\mathbb{1_{ \{X=0\}}})=E(U).E(\mathbb{1_{ \{X=0\}}})=\frac{n+1}{2}.(1-p)^{n}$
  • Bonsoir @marsup.
    Mon ce que j'ai eu à avancer une deuxième idée pour le calcul de la deuxième espérance, le raisonnement est mauvais?
  • Ah oui erreur en écrivant pour le calcul de la dernière espérance
  • Bonsoir
    @marsup, on pouvait utiliser l'espérance totale comme le suggère la correction du document mais bon, je n'y ai pas pensé et je n'ai pas voulu regarder la correction du livre sans chercher moi-même à résoudre l'exercice.
    Merci ;-)
  • C'est quoi, l'espérance totale ?
  • On suppose qu'on veut déterminer l'espérance de $Y$,et puisqu'on a à notre disposition des informations complémentaires à savoir les événements $\{Y| X=x_{i} \}_{i \geq 0}$ qui forment un système complet d'événements et sachant qu'on a $P(X=x_{i})>0$
    On trouve que $E(Y)=\sum_{i \geq 0} {E(\{Y | X=x_{i} \})P(X=x_{i})}$
  • Merci, en effet, j'avais trouvé la page wikipedia après avoir bêtement la question.

    Il me semble que ce que tu as fait, c'est exactement ça, mais en conditionnant par $1_{|X=0}$ et $1_{|X\neq 0}$ à la place de conditionner par les $[X=k]$.
  • J'en profite pour rappeler la formule de la variance totale, sur laquelle je n'avais pas les idées claires. (et dont il est possible qu'elle m'ait occasionné une tentative infructueuse d'approche alternative en colles)

    $$\operatorname{Var}[Y]=\operatorname{E}_X(\operatorname{Var}[Y\mid X])+\operatorname{Var}_X(\operatorname{E}[Y\mid X]).\,$$

    https://fr.wikipedia.org/wiki/Théorème_de_la_variance_totale
  • Dans ce bouquin : https://www.routledge.com/Introduction-to-Probability-Second-Edition/Blitzstein-Hwang/p/book/9781138369917#

    On nous dit que la formule de l'espérance totale est surnommée Adam's Law

    et que la formule de la variance totale est surnomée Eve's Law.

    Ce livre m'a l'air vraiment très bien, très vivant. Par exemple, on y lit p46 :
    Due to the central importance of conditioning, both as the means by which we update beliefs to reflect evidence and as a problem-solving strategy, we say that
    Conditioning is the soul of statistics.

    Je ne sais pas s'il y en a d'aussi "probabilistes" écrits en français pour une introduction à ce niveau ?
  • Bonjour
    Merci marsup pour ces informations que je ne connais pas.
Connectez-vous ou Inscrivez-vous pour répondre.