Présentation
En anglaisAuteur(s)
-
Sylvie MÉLÉARD : Université Paris-10, MODALX - Laboratoire de probabilités et modèles aléatoires
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleINTRODUCTION
La théorie de l’intégration peut être abordée naturellement sous deux angles très différents. La première approche est une présentation fonctionnelle, qui définit tout d’abord les mesures comme éléments du dual des fonctions continues à support compact. Il s’agit ensuite de prolonger cette notion à la classe plus grande des fonctions intégrables. La deuxième approche, qui est celle que nous présenterons succinctement dans cet article, s’appuie directement sur la notion de mesure positive. C’est cette approche qui permet l’introduction naturelle des probabilités, comme mesures positives de masse 1.
Il est donc important de connaître les fondements de la théorie de la mesure, tribus, fonctions mesurables, mesures positives, pour comprendre ensuite le modèle probabiliste. On verra également que la mesure de Lebesgue n’est qu’un cas particulier de mesure positive. La théorie de l’intégration consiste principalement à construire l’intégrale de Lebesgue. Elle s’appuie sur quelques théorèmes fondamentaux (Beppo-Levi, Fatou, Lebesgue), la notion de mesure produit et le théorème de Fubini.
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Mathématiques
(166 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
5. Mesure image et changement de variables
5.1 Mesure image
Soient deux espaces mesurables et . Soit T une application mesurable de dans .
Définition. Si m est une mesure sur , l’application définie sur par est une mesure sur appelée mesure image de m par T.
L’intégration par rapport à cette mesure donne lieu à la proposition suivante.
Proposition. Pour toute fonction mesurable positive g définie sur , on a :
où désigne la mesure image de m par T.
La notion de mesure image est fondamentale en théorie des probabilités. Si X est une variable aléatoire, c’est-à-dire une application mesurable d’un espace de probabilité ...
Cet article fait partie de l’offre
Mathématiques
(166 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Mesure image et changement de variables
BIBLIOGRAPHIE
-
(1) - BREZIS (H.) - Analyse fonctionnelle, théorie et applications. - Masson (1983).
-
(2) - MALLIAVIN (P.) - Intégration et probabilités, analyse de Fourier et analyse spectrale. - Masson (1982).
-
(3) - MARLE (C.H.) - Mesures et probabilités. - Hermann (1974).
-
(4) - BRIANE (M.), PAGÈS (G.) - Théorie de l’intégration. - Les grands cours Vuibert (1998).
-
(5) - RUDIN (W.) - Analyse réelle et complexe. - Masson 6e édition (1992).
Cet article fait partie de l’offre
Mathématiques
(166 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive