Espérance et Intégration

L'espérance est l'intégrale de Lebesgue d'une variable aléatoire par rapport à la mesure de probabilité, une notion unique qui unifie les sommes pour les variables discrètes et les intégrales pour les variables continues, et qui hérite de puissants théorèmes de convergence de la théorie de la mesure.

Definition

L'espérance d'une variable aléatoire est son intégrale par rapport à la mesure de probabilité, construite d'abord pour les variables non négatives comme un supremum sur des approximations simples, puis étendue aux variables intégrables comme la différence de leurs parties positive et négative.

Scope

Ce sujet aborde la construction de l'espérance pour les variables aléatoires simples, non négatives et intégrables, les théorèmes de convergence monotone et dominée et le lemme de Fatou, la formule de changement de variables reliant l'espérance aux intégrales par rapport à la distribution, les moments et les espaces Lp, ainsi que les inégalités de Jensen, Hölder, Markov et Chebyshev.

Core questions

• Comment l'espérance est-elle définie pour une variable aléatoire arbitraire, et pas seulement pour les variables discrètes ou continues ?
• Sous quelles conditions une limite peut-elle être déplacée à l'intérieur d'une espérance ?
• Comment les moments et les espaces Lp quantifient-ils la taille d'une variable aléatoire ?
• Quelles inégalités bornent les probabilités et les espérances en termes de moments ?

Key concepts

• espérance comme intégrale de Lebesgue
• convergence monotone et dominée
• lemme de Fatou
• moments et variance
• espaces Lp de variables aléatoires

Key theories

Théorèmes de convergence monotone et dominée

Pour les variables aléatoires non négatives croissantes, l'espérance de la limite est égale à la limite des espérances, et pour les suites dominées par une variable intégrable, le même échange est valable, fournissant les théorèmes limites qui font défaut à la théorie élémentaire.

Inégalité de Jensen

Pour une fonction convexe, l'espérance de la fonction d'une variable aléatoire est au moins la fonction de son espérance, ce qui permet des comparaisons de moments, la propriété de contraction de l'espérance conditionnelle, et de nombreuses bornes en probabilité.

Inégalités de Markov et de Chebyshev

La probabilité qu'une variable aléatoire non négative dépasse un certain niveau est bornée par sa moyenne divisée par ce niveau, et appliquée aux écarts quadratiques, cela contrôle la dispersion en termes de variance, offrant la voie élémentaire vers la loi faible des grands nombres.

Clinical relevance

L'espérance et ses inégalités sont utilisées partout où des quantités sont moyennées sous incertitude : elles définissent les moyennes, les variances et les mesures de risque en statistique et en finance, fournissent les bornes de concentration qui sous-tendent la théorie de l'apprentissage et les algorithmes randomisés, et offrent les théorèmes de convergence qui justifient l'estimation de Monte Carlo.

History

Une fois l'intégrale de Lebesgue disponible, les probabilistes ont identifié l'espérance à l'intégration par rapport à la mesure de probabilité, une identification rendue explicite dans le cadre de Kolmogorov et développée avec ses théorèmes de convergence et ses inégalités classiques dans les ouvrages de référence universitaires.

Key figures

• Henri Lebesgue
• Johan Jensen
• Pafnuty Chebyshev
• Andrey Markov

Seminal works

• billingsley1995

Frequently asked questions

L'espérance est-elle la même chose que la moyenne des résultats ?

Oui, dans l'esprit : c'est l'intégrale de la variable aléatoire pondérée par la probabilité de chaque résultat, ce qui se réduit à une somme pondérée pour les variables discrètes et à une intégrale ordinaire par rapport à une densité pour les variables continues.

Quand puis-je intervertir une limite et une espérance ?

Le théorème de convergence monotone le permet pour les suites croissantes non négatives, et le théorème de convergence dominée le permet lorsque la suite est bornée par une variable intégrable fixe ; sans de telles conditions, l'interversion peut échouer.