• Aucun résultat trouvé

Intégration & probabilités MACS 1

N/A
N/A
Protected

Academic year: 2022

Partager "Intégration & probabilités MACS 1"

Copied!
14
0
0

Texte intégral

(1)

Intégration & probabilités MACS 1

Présentation du cours

Laurent Tournier

Janvier 2015

(2)

Enseignants

Cours (8 séances de 3h) :Laurent Tournier tournier@math.univ-paris13.fr

http://www.math.univ-paris13.fr/~tournier Bureau D313

TD (7 séances de 3h) :Clément Foucart foucart@math.univ-paris13.fr Bureau D320

(3)

Aspects pratiques

Salle : variable ! Toujours vérifier sur l’emploi du temps.

Horaire : cours mardi matin, à8h30.

(4)

Modalités d’évaluation

Partiel (4 mars)a priori sur la partie intégration

Examen (6 mai)a priori sur tout le programme, mais avec davantage de probabilités

Note finale=max

Examen,Examen+Partiel 2

(Possibilité de bonus basé sur le travail en TD, ou sur la ponctualité. . . à définir plus tard au besoin)

(5)

Références

Pas de polycopié sur la partie Intégration (assister au cours !)

Et résumé de cours pour la partie Probabilité (assister au cours pour les exemples, explications, démonstrations !)

Pour aller plus loin (démonstrations complètes) : Intégration et probabilités

J.-F. Le Gall (basé sur un cours à l’ENS)

http://www.math.ens.fr/~legall/IPPA.pdf

(6)

Objectifs du cours

Définir et étudier uneextensionde la définition de l’intégrale d’une fonction (appeléeintégrale de Lebesgue), et son application à la théorie des

probabilités

Repères historiques :Bien que des intégrales soient manipulées depuis le XVIIesiècle (Newton, Leibniz), les premières définitions rigoureuses de l’intégrale datent de Cauchy (1823) et Riemann (1854). Henri Lebesgue introduit sa définition de l’intégrale en 1901.

Son utilisation en probabilité est due à Andrei Kolmogorov en 1933.

(7)

Intégrale de Riemann

Principe :approximation def par des fonctions en escalier (car on sait intégrer des fonctions en escalier)

Pour toute subdivision(xi)ide l’espace de départ, dont le pas tend vers 0 avecn, pour tous pointsti∈[xi,xi+1],

a b

f

Zb

a f

(x)dx = lim

n Xn

i=1

(x

i+1−xi

)f (t

i

)

xiti xi+1

(8)

Limitations de l’intégrale de Riemann

Définition peu naturelle pour des fonctions non bornées (découpage de l’intervalle, et limite pour se ramener au cas borné)

Non définie pour certaines fonctions bornées très irrégulières Difficulté de l’étude des limites : sifn→f, alorsR

fn→R

f ? D’abord, est-ce queR

f a un sens ?

Définition restreinte aux fonctionsRd →R, sans généralisation directe à d’autres espaces de départ

(9)

Intégrale de Lebesgue

Principe :approximation def par des fonctionsétagées

(mais sait-on intégrer des fonctions étagées ?)

Pour toute subdivision(`i)ide l’espace d’arrivéedont le pas tend vers 0 avecn,

a b

f

`i

`i+1

Z b

a f(x)dx

= lim

n

Xn

i=1

longueur(f

1([`i, `i+1[))`i

Comment définir longueur(A)pourA⊂[a,b]?⇒théorie de la mesure

(10)

Intégrale de Lebesgue

Principe :approximation def par des fonctionsétagées

(mais sait-on intégrer des fonctions étagées ?)

Pour toute subdivision(`i)ide l’espace d’arrivéedont le pas tend vers 0 avecn,

a b

f

`i

`i+1

Z b

a f(x)dx

= lim

n

Xn

longueur(f

1([`i, `i+1[))`i

f1([`i, `i+1[)

Comment définir longueur(A)pourA⊂[a,b]?⇒théorie de la mesure

(11)

Intégrale de Lebesgue

Principe :approximation def par des fonctionsétagées (mais sait-on intégrer des fonctions étagées ?)

Pour toute subdivision(`i)ide l’espace d’arrivéedont le pas tend vers 0 avecn,

a b

f

`i

`i+1

Z b

a f(x)dx

= lim

n

Xn

i=1

longueur(f

1([`i, `i+1[))`i

f1([`i, `i+1[)

Comment définir longueur(A)pourA⊂[a,b]?⇒théorie de la mesure

(12)

Intérêts de l’intégrale de Lebesgue

Se définit même sif n’est pas bornée, de la même manière Se définit pour une très large classe de fonctions (très irrégulières) Existence de théorèmes de passage à la limite sous l’intégrale S’étend naturellement à d’autres espaces de départ (f :E→R), si on donne un sens à la “longueur” (on parle alors de “mesure”µ) :

Z

E

f(x)dµ(x)

L’intégrale usuelle correspond au cas oùµdonne la “longueur”. On appelle cette mesure lamesure de Lebesgue(surR).

Siµ(E) =1, on peut interpréterEcomme un ensemble d’éventualités à l’issue d’une expérience aléatoire etµ(A)comme une mesure de la

“probabilité” d’un “événement”A. . .

(13)

Plan du cours – Intégration

0 Préliminaires sur les ensembles

1 Espaces mesurés (tribu, mesure, fonction mesurable)

2 Intégration par rapport à une mesure Définition de l’intégrale Théorèmes de convergence Intégrales à paramètre

3 Intégration sur un espace produit : théorèmes de Fubini

4 Changement de variables

5 Espaces fonctionnelsL1etL2

(14)

Plan du cours – Probabilités

1 Bases de la théorie des probabilités Espace de probabilités, événéments Probabilité conditionnelle, indépendance Variables aléatoires, loi, espérance, variance

2 Suites de variables aléatoires Notions de convergence Loi des grands nombres Théorème central limite

Références

Documents relatifs

Université Paris Dauphine Année universitaire 2016-2017.. Deuxième année du DE MI2E TD

Quelle est a probabilité qu'une personne issue de cette population soit porteuse du virus sachant que le test donne un résultat positif.. Donner une valeur approximative de

Une fonction f définie sur un intervalle I de R est dite continue sur I si on peut tracer sa courbe représentative dans un repère d’un trait continu sans lever le crayon..

La découverte majeure de la résolution du problème d’aire fut faite indépendamment par Newton et Leibniz lorsqu’ils s’aperçurent que l’aire sous une courbe pouvait être

1 Bases de la théorie des probabilités Espace de probabilités, événéments Probabilité conditionnelle, indépendance Variables aléatoires, loi, espérance, variance. 2 Suites

Soit (f n ) n une suite croissante de fonctions mesurables, de E dans

“Répéter l’expérience” signifie que l’on “régénère” la situation, de telle sorte que le résultat de la première expérience ne donne aucune information sur celui de

Pour aller plus loin (démonstrations complètes) : Intégration et