Comment appliquer le théorème… : En calculant E(g(X, Y)) = ∑ g(x, y)… — ECG1 approfondies | MetMat

Comment appliquer le théorème de transfert pour E(g(X, Y)) ?

En calculant E(g(X, Y)) = ∑ g(x, y) P([X = x] ∩ [Y = y]) sous convergence absolue

Calculer directement $E(g(X, Y))$ à partir de la loi conjointe de $(X, Y)$ , sans passer par la loi de $g(X, Y)$ .

Que ferais-tu face à un exercice de ce type ?

Soient $X, Y$ indépendantes uniformes sur $\{1, 2, 3\}$ . Calculer $E(\min(X, Y))$ via le théorème de transfert.

L'objectif

Calculer directement $E(g(X, Y))$ à partir de la loi conjointe de $(X, Y)$ , sans passer par la loi de $g(X, Y)$ .

Le principe

Sous réserve de CONVERGENCE ABSOLUE : $E(g(X, Y)) = \sum_{(x, y) \in X(\Omega) \times Y(\Omega)} g(x, y) P([X = x] \cap [Y = y])$ (résultat admis).

La méthode

1
Je pose $g$ et j'identifie la somme à étudier : $\sum_{(x, y)} g(x, y) P([X = x] \cap [Y = y])$ sur le support de $(X, Y)$ .
2
Je vérifie la CONVERGENCE ABSOLUE : $\sum_{(x, y)} |g(x, y)| P([X = x] \cap [Y = y]) < +\infty$ (automatique si les supports sont finis).
3
Je calcule la somme, en factorisant éventuellement si $X \perp\!\!\!\perp Y$ : $\sum_{x, y} g(x, y) P(X = x) P(Y = y)$ peut se séparer si $g(x, y) = u(x) v(y)$ .
4
Je conclus : $E(g(X, Y)) = $ valeur obtenue.
5
Je vérifie la cohérence avec les propriétés connues (linéarité $E(X + Y) = E(X) + E(Y)$ , factorisation si indépendance pour $g(x, y) = xy$ ).

Pour comprendre, fais des exercices !

Exercice d'exemple

Soient $X, Y$ indépendantes uniformes sur $\{1, 2, 3\}$ . Calculer $E(\min(X, Y))$ via le théorème de transfert.

Étape 1 —

Je pose

g

et j'identifie la somme à étudier :

\sum_{(x, y)} g(x, y) P([X = x] \cap [Y = y])

sur le support de

(X, Y)

$g(x, y) = \min(x, y)$ ; support fini $\{1, 2, 3\}^2$ .

Étape 2 —

Je vérifie la CONVERGENCE ABSOLUE :

\sum_{(x, y)} |g(x, y)| P([X = x] \cap [Y = y]) < +\infty

(automatique si les supports sont finis).

Support fini $\Rightarrow$ convergence absolue automatique.

Étape 3 —

Je calcule la somme, en factorisant éventuellement si

X \perp\!\!\!\perp Y

\sum_{x, y} g(x, y) P(X = x) P(Y = y)

peut se séparer si

g(x, y) = u(x) v(y)

$E(\min(X, Y)) = \frac{1}{9} \sum_{i, j = 1}^{3} \min(i, j) = \frac{1}{9} (1 + 1 + 1 + 1 + 2 + 2 + 1 + 2 + 3) = \frac{14}{9}$ .

Étape 4 —

Je conclus : $E(g(X, Y)) = $ valeur obtenue.

$E(\min(X, Y)) = \frac{14}{9}$ .

Étape 5 —

Je vérifie la cohérence avec les propriétés connues (linéarité

E(X + Y) = E(X) + E(Y)

, factorisation si indépendance pour

g(x, y) = xy

Cohérent avec la loi obtenue précédemment : $1 \cdot \frac{5}{9} + 2 \cdot \frac{3}{9} + 3 \cdot \frac{1}{9} = \frac{14}{9}$ .

$E(\min(X, Y)) = \frac{14}{9}$ .

Les applications suivantes et la correction guidée sont réservées aux membres Premium

La méthode et sa première application corrigée restent en accès libre. Le Premium débloque les applications suivantes, l'aide IA et le suivi de ta maîtrise.