Somme d'une v.a.r. continue et d'une v.a.r. discrète
Bonjour
Je considère $(\Omega,\mathbb{A},\mathbb{P})$ un ensemble probabilisé et $X$, $B$ deux v.a.r.
$X$ possède une densité de probabilité, notée $f_X$, et la loi de $B$ est la loi $P({B=1})=P({B=-1})=\frac{1}{2}$.
Enfin, $X$ et $B$ sont supposées indépendantes.
On demande de montrer que la v.a.r. $Y$ définie par $Y=\frac{X}{2}+B$ admet une densité de probabilité, puis de calculer cette densité de probabilité en fonction de $f_X$.
J'essaye d'abord de calculer la fonction de densité de $Y$, que je vais noter $f_Y$. Je prends la question à l'envers mais comme de toute façon la fonction densité de $Y$ existe...
Alors, la première idée qui me vient est de faire appel au produit de convolution pour déterminer la fonction de densité de $Y$.
J'ai alors que $$f_Y(x)=f_X*f_B(x)=\int_{\mathbb{R}}f_X(x-t)f_B(t)dt.$$
Le souci, c'est que $B$ est une v.a.r. discrète, donc à quoi correspondrait mon $f_B(t)$ ici ?
Ou alors, est-ce que ce n'est pas du tout comme cela qu'il faut chercher la loi de densité de $Y$ ? Auquel cas, pouvez-vous me mettre sur la voie ?
Merci !
Je considère $(\Omega,\mathbb{A},\mathbb{P})$ un ensemble probabilisé et $X$, $B$ deux v.a.r.
$X$ possède une densité de probabilité, notée $f_X$, et la loi de $B$ est la loi $P({B=1})=P({B=-1})=\frac{1}{2}$.
Enfin, $X$ et $B$ sont supposées indépendantes.
On demande de montrer que la v.a.r. $Y$ définie par $Y=\frac{X}{2}+B$ admet une densité de probabilité, puis de calculer cette densité de probabilité en fonction de $f_X$.
J'essaye d'abord de calculer la fonction de densité de $Y$, que je vais noter $f_Y$. Je prends la question à l'envers mais comme de toute façon la fonction densité de $Y$ existe...
Alors, la première idée qui me vient est de faire appel au produit de convolution pour déterminer la fonction de densité de $Y$.
J'ai alors que $$f_Y(x)=f_X*f_B(x)=\int_{\mathbb{R}}f_X(x-t)f_B(t)dt.$$
Le souci, c'est que $B$ est une v.a.r. discrète, donc à quoi correspondrait mon $f_B(t)$ ici ?
Ou alors, est-ce que ce n'est pas du tout comme cela qu'il faut chercher la loi de densité de $Y$ ? Auquel cas, pouvez-vous me mettre sur la voie ?
Merci !
Réponses
-
Bonjour.Il paraît plus simple de déterminer la fonction de répartition de $Y$. Car la formule que tu prends a des conditions sur les Var qui ne sont pas respectées ici. Ou nécessite une définition adaptée du produit de convolution.Cordialement.
-
Merci gerard. Bien noté, je m'y attelle.
-
Bonjour, c'est quoi la définition d'une densité pour toi (ou dans ton cours)?( Je ne sais pas si tu as remarqué mais tu as déjà croisé la v.a B dans un de tes exercices c'était $B$ suit la loi $\frac{1}{2} ( \delta_{-1} + \delta_1)$)
-
Bonjour Barjovrille
Oui, en effet, c'est bien la même que celle de l'autre exercice.
Pour répondre à ta question... Si je considère une mesure de probabilité P$\mathbb{P}$sur $(\mathbb{R},B(\mathbb{R}))$, alors on dit que $\mathbb{P}$ possède une densité par rapport à la mesure de Lebesgue $\lambda$ s'il existe une fonction $f$ mesurable et positive telle que pour tout borélien $B$, on a $\mathbb{P}(B)=\int_B f(x)d\lambda(x)$. La fonction $f$ est appelée densité de la loi de $\mathbb{P}$ par rapport à $\lambda$.
Je poste dès que je trouve des choses qui méritent de l'être ^^
Merci pour vos réponses en tous les cas
-
Je pensais à une décomposition de la loi de $Y$. On pourrait par exemple écrire que la loi de $Y$ est donnée par la mesure $P_Y$ définie par $P_Y=\frac{1}{2}\nu_1+\nu_2$ avec $\nu_1$ la mesure dont la fonction de densité par rapport à la mesure de Lebesgue est $f$, et $\nu_2=\frac{\delta_{-1}+\delta_1}{2}$.
Peux-être que ce sera utile pour la suite.
Sinon, en notant $F_Y$ la fonction de répartition de la variable aléatoire $Y$, on a que $F_Y(x)=P(Y\le x)=P(Y^{-1}(]-\infty,x]))$
Cela revient donc à calculer $P(\frac{X}{2}+B\le x)$.
Du coup, on peut remarquer que $P(\frac{X}{2}+B\le x)=P(X\le 2x-2B)$.
Comme B est à valeurs discrètes, on peut s'en sortir, non ?
Je continue... -
Pourquoi compliquer ? Utilise la définition de $B$ :$F_Y(x) = P(X\le x-1\mid B=1)P(B=1)+P(X\le x+1\mid B=-1)P(B=-1)$ (formule des probabilités totales). Et la suite est élémentaire.Cordialement.[modifié suite à la bonne remarque de Poirot]
-
Merci, je rectifie (j'ai été fainéant !!)
-
Bonjour,ThomasG a dit :On pourrait par exemple écrire que la loi de $Y$ est donnée par la mesure $P_Y$ définie par $P_Y=\frac{1}{2}\nu_1+\nu_2$ avec $\nu_1$ la mesure dont la fonction de densité par rapport à la mesure de Lebesgue est $f$, et $\nu_2=\frac{\delta_{-1}+\delta_1}{2}$.
Si on veut l'écrire en terme de mesures de probas, il faut écrire $P_Y = h_\#(\nu_1)*\nu_2$ avec $*$ la convolution de mesures, $h:x\in\Bbb R\mapsto \frac{x}2$ et $h_\#(\nu_1)$ le poussé en avant de $\nu_1$ par $h$. C'est assez lourd comme écriture du coup, donc ça n'a pas forcément beaucoup d'intérêt.
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
- 69 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