Lemme de classe monotone

Lemme de classe monotone
Triangle de Sierpiński
Carré de Sierpiński

Le lemme de classe monotone, dû à Wacław Sierpiński[1] et popularisé par Dynkin[2], permet de démontrer, de manière économique, l'égalité entre deux lois de probabilité : de même que deux applications linéaires qui coïncident sur une base coïncident sur l'espace entier, deux mesures de probabilité qui coïncident sur un π-système, coïncident sur la tribu engendrée par ce π-système.

Dans certains ouvrages, le lemme de classe monotone apparaît sous le nom de « Théorème pi-lambda de Dynkin ».

Sommaire

Classe monotone et π-système

Définition — 

  • Une classe \scriptstyle\ \mathcal{C}\ de parties d'un ensemble Ω est appelé π-système si cette classe est stable par intersection finie :
\{A\in \mathcal{C}\text{ et }B\in \mathcal{C}\}\Rightarrow\{A\cap B\in \mathcal{C}\}.
  • Une classe \scriptstyle\ \mathcal{M}\ de parties d'un ensemble Ω est appelé λ-système ou classe monotone si cette classe contient Ω et est stable par différence, et par réunion croissante :
\begin{align} \{A\in \mathcal{M}\text{ et }B\in \mathcal{M}\text{ et }A\subset B\}\quad&\Rightarrow\quad\{B\backslash A\in \mathcal{M}\}, \\ \{\forall n\ge 0,\quad \{A_{n}\in \mathcal M\text{ et } A_{n}\subset A_{n+1}\}\}\quad&\Rightarrow\quad\left\{\bigcup_{n\ge 0} A_{n}\ \in \mathcal M\right\}.\end{align}
Exemples de π-systèmes  :
  • une classe d'intervalles : \scriptstyle\ \mathcal{C}_1=\{]-\infty,\,x]\ |\ x\in\R\}.
  • la classe des singletons : \scriptstyle\ \mathcal{C}_2=\{\{x\}\ |\ x\in \Omega\}\ \cup\ \{\emptyset\}.
  • la classe des pavés : \scriptstyle\ \mathcal{C}_3=\{A\times B\ |\ A,B\in \mathcal{P}(\Omega)\}.
Un exemple de classe monotone  :

Soit deux mesures de probabilité \scriptstyle\ \mathbb{P}\ et \scriptstyle\ \mathbb{Q}\ définies sur \scriptstyle\ (\Omega,\mathcal{B}).\ La classe \scriptstyle\ \mathcal{M}=\{A\in\mathcal{B}\ |\ \mathbb{P}(A)=\mathbb{Q}(A)\}\ est une classe monotone.

Énoncé et démonstration du lemme de classe monotone

Lemme de classe monotone —  La plus petite classe monotone contenant le π-système \scriptstyle\ \mathcal{C}\ est la tribu engendrée par \scriptstyle\ \mathcal{C}.\

Démonstration

On note \scriptstyle\ \mathbb{M}\ l'ensemble des classes monotones \scriptstyle\ \mathcal M\ telles que \scriptstyle\ \mathcal{C}\subset\mathcal M.\ Le lemme affirme implicitement que \scriptstyle\ \mathbb{M}\ possède un élément plus petit que (i.e. inclus dans) tous les autres. Un tel élément est nécessairement unique, s'il existe, mais existe-t-il ? La réponse est « oui ». En effet,

  • \scriptstyle\ \mathbb{M}\ n'est pas vide, car il contient \scriptstyle\ \mathcal{P}(\Omega),\ l'ensemble de toutes les parties de \scriptstyle\ \Omega\ ;\
  • ainsi l'intersection \scriptstyle\ \mathcal{M}_{\mathcal{C}}\ de tous les éléments de \scriptstyle\ \mathbb{M}\ est bien définie et \scriptstyle\ \mathcal{C}\ \subset\ \mathcal{M}_{\mathcal{C}},\
  • par ailleurs, l'intersection de n'importe quelle famille de classes monotones est encore une classe monotone, donc \scriptstyle\ \mathcal{M}_{\mathcal{C}}\ est une classe monotone et par conséquent \scriptstyle\ \mathcal{M}_{\mathcal{C}}\ appartient à \scriptstyle\ \mathbb{M},\
  • enfin \scriptstyle\ \mathcal{M}_{\mathcal{C}}\ est par construction inclus dans tout élément de \scriptstyle\ \mathbb{M}.\

La classe \scriptstyle\ \mathcal{M}_{\mathcal{C}}\ est donc le plus petit élément de \scriptstyle\ \mathbb{M}.\

On note \scriptstyle\ \sigma(\mathcal{C})\ la tribu engendrée par \scriptstyle\ \mathcal{C}.\ Comme toute tribu est une classe monotone, \scriptstyle\ \sigma(\mathcal{C})\ est une classe monotone contenant \scriptstyle\ \mathcal{C},\ donc \scriptstyle\ \mathcal{M}_{\mathcal{C}}\subset\sigma(\mathcal{C}).\

Dans la suite de la démonstration, on s'attache à montrer que \scriptstyle\ \mathcal{M}_{\mathcal{C}}\ est une tribu (ce qui entrainera que \scriptstyle\ \sigma(\mathcal{C})\subset\mathcal{M}_{\mathcal{C}}\ [3]) . On utilise la proposition suivante :

Proposition —  Une classe monotone qui est de plus stable par intersection est alors une tribu.

Démonstration

En effet toute classe monotone \scriptstyle\ \mathcal{M}\ contient \scriptstyle\ \Omega\ et est stable par passage au complémentaire (puisque stable par différence et contenant \scriptstyle\ \Omega\ ). Si de plus \scriptstyle\ \mathcal{M}\ est stable par intersection, la version ensembliste des Lois de De Morgan entraîne qu'elle est stable par réunion :

\begin{align}\{A,B\in\mathcal{C}\}&\Rightarrow\{\overline{A},\overline{B}\in\mathcal{C}\} \\ &\Rightarrow\{\overline{A}\cap\overline{B}\in\mathcal{C}\} \\ &\Rightarrow\{\overline{\overline{A}\cap\overline{B}}(=A\cup B)\in\mathcal{C}\}.\end{align}

Par une récurrence évidente, la réunion d'une famille finie d'éléments de \scriptstyle\ \mathcal{M}\ est encore un élément de \scriptstyle\ \mathcal{M}.\ Soit alors une famille dénombrable d'éléments de \scriptstyle\ \mathcal{M},\ notée \scriptstyle\ (A_{n})_{n\ge 1}.\ Posons

B_{n}=\bigcup_{1\le k\le n}\ A_{k}.

Alors \scriptstyle\ (B_{n})_{n\ge 1}\ est une suite croissante d'éléments de \scriptstyle\ \mathcal{M},\ donc

\bigcup_{n\ge 1}\ B_{n}\ \in\ \mathcal{M},

mais par ailleurs, on peut démontrer, par exemple par double inclusion, que

\bigcup_{n\ge 1}\ B_{n}\ =\ \bigcup_{n\ge 1}\ A_{n},

La proposition est donc démontrée.

Il ne nous reste plus qu'à montrer que \scriptstyle\ \mathcal{M}_{\mathcal{C}}\ est stable par intersection pour en conclure que \scriptstyle\ \mathcal{M}_{\mathcal{C}}\ est une tribu. Pour cela, pour toute partie \scriptstyle\ A\ de \scriptstyle\ \Omega,\ on pose :

\mathcal{D}_{A} = \left\{B \in \mathcal{M}_{\mathcal{C}}\ |\ B\cap A \in \mathcal{M}_{\mathcal{C}}\right\}.

On montre facilement, d'une part que \scriptstyle\ \mathcal{D}_{A} \ satisfait les deux dernières propriétés de classe monotone, car

(B_{1}\cap A)\backslash(B_{2}\cap A)\ =\ (B_{1}\backslash B_{2})\cap A \quad \text{et}\quad\bigcup_{n\ge 0}(B_{n}\cap A)\ =\ \left(\bigcup_{n\ge 0}B_{n}\right)\cap A,

d'autre part que si \scriptstyle\ A\in\mathcal{M}_{\mathcal{C}},\ alors \scriptstyle\ \Omega\in\mathcal{D}_{A}.\ Ainsi \scriptstyle\ \mathcal{D}_{A} \ est une classe monotone dès que \scriptstyle\ A\in\mathcal{M}_{\mathcal{C}}.\ Le raisonnement est alors en 2 étapes :

  • si \scriptstyle\ A\in\mathcal{C},\ alors la stabilité par intersection de \scriptstyle\ \mathcal{C}\ entraine que \scriptstyle\ \mathcal{C}\subset\mathcal{D}_{A},\ donc que \scriptstyle\ \mathcal{M}_{\mathcal{C}}\subset\mathcal{D}_{A},\ donc que pour un élément \scriptstyle\ B\in\mathcal{M}_{\mathcal{C}}\ quelconque, on a \scriptstyle\ B\in\mathcal{D}_{A},\ ou bien, de manière équivalente, \scriptstyle\ A\in\mathcal{D}_{B} \ ;
  • ainsi, pour un élément \scriptstyle\ B\in\mathcal{M}_{\mathcal{C}}\ quelconque, on a \scriptstyle\ \mathcal{C}\subset\mathcal{D}_{B},\ et finalement \scriptstyle\ \mathcal{M}_{\mathcal{C}}\subset\mathcal{D}_{B}\ : en d'autre termes
\forall\,B,B^{\prime}\,\in\mathcal{M}_{\mathcal{C}},\qquad B\cap B^{\prime}\in\mathcal{M}_{\mathcal{C}}.

Par application de la Proposition, \scriptstyle\ \mathcal{M}_{\mathcal{C}}\ est donc une tribu. Comme \scriptstyle\ \mathcal{M}_{\mathcal{C}}\ contient \scriptstyle\ \mathcal{C},\ on en déduit que \scriptstyle\ \sigma(\mathcal{C})\subset\mathcal{M}_{\mathcal{C}}. [4]

Applications

Lemme d'unicité des mesures de probabilité

Le lemme de classe monotone a une conséquence immédiate

Lemme d'unicité des mesures de probabilité —  Deux mesures de probabilité \scriptstyle\ \mathbb{P}\ et \scriptstyle\ \mathbb{Q}\ définies sur l'espace probabilisable \scriptstyle\ (\Omega,\mathcal{A}),\ et coincidant sur le π-système \scriptstyle\ \mathcal{C}\subset \mathcal{A},\ concident aussi sur la tribu engendrée par \scriptstyle\ \mathcal{C}\  :

\{\forall A\in \mathcal{C},\quad \mathbb{P}(A)=\mathbb{Q}(A)\}\quad\Rightarrow\quad\{\forall A\in \sigma(\mathcal{C}),\quad \mathbb{P}(A)=\mathbb{Q}(A)\}.
Démonstration

On pose

\mathcal{M}=\{A\in \mathcal{A}\,|\, \mathbb{P}(A)=\mathbb{Q}(A)\}.

On vérifie facilement que \scriptstyle\ \mathcal{M}\ est une classe monotone. Comme \scriptstyle\ \mathcal{M}\ est une classe monotone contenant \scriptstyle\ \mathcal{C},\ \scriptstyle\ \mathcal{M}\ contient la plus petite classe monotone contenant \scriptstyle\ \mathcal{C},\ à savoir \scriptstyle\ \sigma(\mathcal{C}).\

Parmi de nombreuses applications importantes du lemme d'unicité, citons celle qui est peut-être la plus importante :

Corollaire — Il suit que :

Démonstration

On pose

\mathcal{C}=\{]-\infty,\,x]\,|\, x\in\R\}.

La classe \scriptstyle\ \mathcal{C}\ est un π-système, et \scriptstyle\ \sigma(\mathcal{C})=\mathcal{B}(\R).\ Comme les deux mesures de probabilité \scriptstyle\ \mathbb{P}\ et \scriptstyle\ \mathbb{Q}\ ont même fonction de répartition, i.e.

\forall x\in\R,\qquad \mathbb{P}(]-\infty,\,x])=\mathbb{Q}(]-\infty,\,x]),

\scriptstyle\ \mathbb{P}\ et \scriptstyle\ \mathbb{Q}\ coïncident sur \scriptstyle\ \mathcal{C},\ donc sur \scriptstyle\ \sigma(\mathcal{C})=\mathcal{B}(\R).\ Par définition, deux variables aléatoires réelles, \scriptstyle\ X\ et \scriptstyle\ Y,\ ont même fonction de répartition si leurs lois de probabilité, \scriptstyle\ \mathbb{P}_X\ et \scriptstyle\ \mathbb{P}_Y,\ ont même fonction de répartition :

\forall A\in\mathcal{B}(\R),\quad \mathbb{P}_X(A)=\mathbb{P}(X\in A),\qquad\text{et }\forall x\in\R,\quad \mathbb{P}_X(]-\infty,\,x])=\mathbb{P}(X\le x).

Ainsi, si \scriptstyle\ X\ et \scriptstyle\ Y,\ ont même fonction de répartition, \scriptstyle\ \mathbb{P}_X\ et \scriptstyle\ \mathbb{P}_Y\ coïncident sur \scriptstyle\ \mathcal{C},\ donc \scriptstyle\ \mathbb{P}_X=\mathbb{P}_Y.\

Expliquons brièvement pourquoi \scriptstyle\ \sigma(\mathcal{C})=\mathcal{B}(\R)\  :

  • \scriptstyle\ \mathcal{B}(\R)\ est par définition la tribu engendrée par les ouverts de \scriptstyle\ \R,\
  • un ouvert \scriptstyle\ \mathcal{O}\ de \scriptstyle\ \R\ est réunion dénombrable d'intervalles ouverts, car, par densité de \scriptstyle\ \Q\ dans \scriptstyle\ \R,\ on a
\mathcal{O}=\bigcup_{(a,b)\in E}]a,b[,\qquad\text{avec}\qquad E=\{(a,b)\in\Q^2\,|\,a<b,\ ]a,b[\subset\mathcal{O}\},
  • et les intervalles ouverts appartiennent à \scriptstyle\ \sigma(\mathcal{C})\ (donc les ouverts appartiennent à \scriptstyle\ \sigma(\mathcal{C}),\ donc \scriptstyle\ \sigma(\mathcal{C})\ contient \scriptstyle\ \mathcal{B}(\R)\ ), car
]a,b[=]-\infty,a]^c\,\cap\,\left(\bigcup_{n\ge 1}]-\infty,b-\tfrac1n]\right).

Pour l'inclusion en sens inverse (\scriptstyle\ \mathcal{B}(\R)\ contient \scriptstyle\ \sigma(\mathcal{C})\ ), notons que \scriptstyle\ \mathcal{B}(\R)\ est la tribu engendrée par tous les fermés de \scriptstyle\ \R,\ alors que \scriptstyle\ \sigma(\mathcal{C})\ est engendrée par certains fermés de \scriptstyle\ \R\ seulement.

Critères d'indépendance

Par exemple,

Critères — Soit X et Y deux variables aléatoires réelles définies sur un espace probabilisé \scriptstyle\ (\Omega,\mathcal{A},\mathbb{P}).\

  • Si, pour tout couple (x,y) de nombres réels,
\mathbb{P}\left(X\le x\text{ et }Y\le y\right)\ =\ \mathbb{P}\left(X\le x\right)\times\mathbb{P}\left(Y\le y\right),
alors X et Y sont indépendantes.
  • Si Y est à valeurs dans \scriptstyle\ \mathbb{N},\ et si, pour tout couple \scriptstyle\ (x,n)\in\mathbb{R}\times\mathbb{N},\
\mathbb{P}\left(X\le x\text{ et }Y=n\right)\ =\ \mathbb{P}\left(X\le x\right)\times\mathbb{P}\left(Y=n\right),
alors X et Y sont indépendantes.
  • Bien sûr, si X et Y sont à valeurs dans \scriptstyle\ \mathbb{N},\ et si, pour tout couple \scriptstyle\ (m,n)\in\mathbb{N}^2,\
\mathbb{P}\left(X=m\text{ et }Y=n\right)\ =\ \mathbb{P}\left(X=m\right)\times\mathbb{P}\left(Y=n\right),
alors X et Y sont indépendantes.

La démonstration du dernier critère ne nécessite pas le lemme de classe monotone, mais ce lemme est très utile pour la démonstration des deux premiers critères. On peut utiliser le deuxième critère pour démontrer, par exemple, que dans la méthode de rejet, le nombre d'itérations est indépendant de l'objet aléatoire (souvent un nombre aléatoire) engendré au terme de ces itérations. Pour la démonstration de ces critères, ainsi que pour la démonstration du lemme de regroupement, on a besoin de la définition et de la proposition[5] suivantes.

Définition — Dans un espace probabilisé \scriptstyle\ (\Omega,\mathcal{A},\mathbb{P}),\ une famille finie \scriptstyle\ (\mathcal{C}_{i})_{i\in I}\ de classes incluses dans \scriptstyle\ \mathcal{A}\ est une famille indépendante si et seulement si

\forall (C_i)_{i\in I}\in\prod_{i\in I}\mathcal{C}_i,\qquad \mathbb{P}\left(\bigcap_{i\in I}C_i\right)=\ \prod_{i\in I}\ \mathbb{P}(C_i).

Proposition — Si, dans un espace probabilisé \scriptstyle\ (\Omega,\mathcal{A},\mathbb{P}),\ une famille finie \scriptstyle\ (\mathcal{C}_{i})_{i\in I}\ de π-systèmes inclus dans \scriptstyle\ \mathcal{A}\ est une famille indépendante, alors la famille \scriptstyle\ \left(\sigma(\mathcal{C}_{i})\right)_{i\in I}\ est une famille de tribus indépendantes.

Démonstration

On pose

\mathcal{A}_j=\left\{A\in \mathcal{A}\,\left|\, \forall (A_i)_{i\in I\backslash\{j\}}\in\prod_{i\in I\backslash\{j\}}\mathcal{C}_{i}, \quad\mathbb{P}\left(A\cap\big(\bigcap_{i\in I\backslash\{j\}}A_i\big)\right)=\mathbb{P}(A)\times\prod_{i\in I\backslash\{j\}}\mathbb{P}(A_i)\right.\right\}.

On vérifie facilement que \scriptstyle\ \mathcal{A}_j\ est une classe monotone. Comme \scriptstyle\ \mathcal{A}_j\ est une classe monotone contenant \scriptstyle\ \mathcal{C}_j,\ \scriptstyle\ \mathcal{A}_j\ contient la plus petite classe monotone contenant \scriptstyle\ \mathcal{C}_j,\ à savoir \scriptstyle\ \mathcal{C}^{\prime}_j=\sigma(\mathcal{C}_j).\ La nouvelle famille de π-systèmes obtenue en remplaçant \scriptstyle\ \mathcal{C}_j\ par \scriptstyle\ \mathcal{C}^{\prime}_j\ dans la famille \scriptstyle\ (\mathcal{C}_{i})_{i\in I}\ est donc encore une famille de π-systèmes indépendants. On peut par le même raisonnement remplacer successivement chaque \scriptstyle\ \mathcal{C}_i\ par \scriptstyle\ \mathcal{C}^{\prime}_i=\sigma(\mathcal{C}_i),\ dans la famille \scriptstyle\ (\mathcal{C}_{i})_{i\in I},\ sans que cette famille perde sa propriété d'indépendance. Notons qu'une tribu, et en particulier chaque \scriptstyle\ \mathcal{C}^{\prime}_i,\ est aussi, nécessairement, un π-système.

Applications  :
  • Posons \scriptstyle\ \mathcal{C}_1=\{X^{-1}(]-\infty,\,x])\ |\ x\in\R\} et \scriptstyle\ \mathcal{C}_2=\{Y^{-1}(]-\infty,\,y])\ |\ y\in\R\}. Alors, sous les hypothèses du premier critère, \scriptstyle\ \mathcal{C}_1 et \scriptstyle\ \mathcal{C}_2 sont des π-systèmes indépendants. En vertu de la proposition, \scriptstyle\ \sigma(\mathcal{C}_1) et \scriptstyle\ \sigma(\mathcal{C}_2) sont alors des tribus indépendantes. Mais \scriptstyle\ \sigma(\mathcal{C}_1)=\sigma(X) et \scriptstyle\ \sigma(\mathcal{C}_2)=\sigma(Y), ce qui assure bien l'indépendance du couple (X,Y).
  • Posons \scriptstyle\ \mathcal{C}_3=\{X^{-1}(m)\ |\ m\in\N\}\cup\{\emptyset\} et \scriptstyle\ \mathcal{C}_4=\{Y^{-1}(n)\ |\ n\in\N\}\cup\{\emptyset\}. Sous les hypothèses du deuxième critère, \scriptstyle\ \mathcal{C}_1 et \scriptstyle\ \mathcal{C}_4 sont des π-systèmes indépendants. Par ailleurs, \scriptstyle\ \sigma(\mathcal{C}_1)=\sigma(X) et \scriptstyle\ \sigma(\mathcal{C}_4)=\sigma(Y), et on conclut comme précédemment. Pour démontrer le troisième critère, on utilise cette fois \scriptstyle\ \mathcal{C}_3 et \scriptstyle\ \mathcal{C}_4.

Voir aussi

Notes et références

  1. ↑ 1928, Un théorème général sur les familles d'ensembles, Fund. Math, 12, 206-210,
  2. ↑ (en) Eugene Dynkin (dir.) (trad. D. E. Brown), Theory of Markov Processes, Dover Publications Inc, 31 janvier 2008 (1re éd. 1961), 224 p. (ISBN 0486453057 et 978-0486453057), chap. 1, p. 1-2 .
  3. ↑ Par définition de \scriptstyle\ \sigma(\mathcal{C}),\ (voir tribu engendrée) \scriptstyle\ \sigma(\mathcal{C})\ est la plus petite (pour l'inclusion) tribu contenant \scriptstyle\ \mathcal{C},\ alors que \scriptstyle\ \mathcal{M}_{\mathcal{C}}\ est une tribu contenant \scriptstyle\ \mathcal{C}.\ Donc \scriptstyle\ \sigma(\mathcal{C})\ est plus petite (pour l'inclusion) que \scriptstyle\ \mathcal{M}_{\mathcal{C}},\ autrement dit \scriptstyle\ \sigma(\mathcal{C}) \subset \mathcal{M}_{\mathcal{C}}.\
  4. ↑ Olav Kallenberg, Foundations of Modern Probability [détail des éditions], démonstration développée à partir de la démonstration du Théorème 1.1, page 2.
  5. ↑ Olav Kallenberg, Foundations of Modern Probability [détail des éditions], Lemme 3.6, page 50.

Bibliographie

  • (en) Olav Kallenberg, Foundations of Modern Probability, Springer, coll. « Probability and Its Applications », 1997 (réimpr. 2001), 638 p. (ISBN 0-387-95313-2) 

Pages liées

  • Portail des probabilités et des statistiques Portail des probabilités et des statistiques

Wikimedia Foundation. 2010.

Contenu soumis à la licence CC-BY-SA. Source : Article Lemme de classe monotone de Wikipédia en français (auteurs)

Игры ⚽ Нужно сделать НИР?

Regardez d'autres dictionnaires:

  • Lemme d'unicité des mesures de probabilité — Cet article court présente un sujet plus développé dans : lemme de classe monotone et tribu engendrée. Le lemme d unicité des mesures de probabilité est l énoncé suivant : Deux mesures de probabilité et définies sur un espace… …   Wikipédia en Français

  • Projet:Mathématiques/Liste des articles de mathématiques — Cette page n est plus mise à jour depuis l arrêt de DumZiBoT. Pour demander sa remise en service, faire une requête sur WP:RBOT Cette page recense les articles relatifs aux mathématiques, qui sont liés aux portails de mathématiques, géométrie ou… …   Wikipédia en Français

  • Tribu engendrée — Étant donné un ensemble de parties d un même ensemble X, la tribu engendrée par est la plus petite tribu (au sens de l inclusion) contenant . On la note . Sommaire 1 D …   Wikipédia en Français

  • Fonction de répartition — Fonctions de répartition d une variable discrète, d une variable diffuse et d une variable avec atome, mais non discrète. En théorie des probabilités ou en statistiques, la fonction de répartition d une variable aléatoire réelle caractérise la… …   Wikipédia en Français

  • Fonction De Répartition — Fonctions de répartition d une variable discrète, d une variable diffuse et d une variable avec atome, mais non discrète. En théorie des probabilités ou en statistiques, la fonction de répartition d une variable aléatoire réelle caractérise la lo …   Wikipédia en Français

  • Fonction de repartition — Fonction de répartition Fonctions de répartition d une variable discrète, d une variable diffuse et d une variable avec atome, mais non discrète. En théorie des probabilités ou en statistiques, la fonction de répartition d une variable aléatoire… …   Wikipédia en Français

  • Indépendance (probabilités) — L indépendance est une notion probabiliste qualifiant de manière intuitive des événements aléatoires n ayant aucune influence l un sur l autre. Il s agit d une notion très importante en statistique et calcul de probabilités. Par exemple, la… …   Wikipédia en Français

  • Independance (probabilites) — Indépendance (probabilités) L indépendance est une notion probabiliste qualifiant de manière intuitive des événements aléatoires n ayant aucune influence l un sur l autre. Il s agit d une notion très importante en statistique et calcul de… …   Wikipédia en Français

  • Tribu (mathématiques) — Pour les articles homonymes, voir Tribu et Algèbre (homonymie). En mathématiques, une tribu ou σ algèbre (lire sigma algèbre) ou plus rarement corps de Borel[1] sur un ensemble X est un ensemble non vide de parties de X, stable par passage au… …   Wikipédia en Français

  • Distribution (statistique) — Loi de probabilité Une loi de probabilité ou distribution de probabilité a commencé par décrire les répartitions typiques des fréquences d apparition des résultats d un phénomène aléatoire. Dans le dernier quart du XXe siècle, on a largement …   Wikipédia en Français

Share the article and excerpts

Direct link
… Do a right-click on the link above
and select “Copy Link”