USTHB, FM, Dép.P.

S 2020/2021

M1 MF Processus Aléatoires Avancés Responsable : S.TALEB

Espérance
Espérance conditionnelle

Définition : Soient (Ω, ℱ, ) un espace probabilisé et ∈ ℱ tq ( ) > 0. Pour tout ∈ ℱ, l’espérance

1. Conditionnement par un événement :

conditionnelle de 1 sachant
( ∩ ) (1 ∩ )
est donnée par :

(1 / ) = ( / ) = =
( ) ( )
(1 . 1 ) 1
= = .
( ) ( )
Si et sont indépendants alors ( / ) = ( ).
(Ω, ℱ, )(intégrable) l’espérance de
( .1 )
De même, pour toute v.a. positive ou dans sachant est définie par :

( / )= = .
( ) ( )
( / ) représente la valeur moyenne attendue pour
est discrète à valeur dans (Ω) =
sachant que l’événement a lieu.
En particulier si , , … , on obtient :

( / )= ! ( = !/ )
!

(1 "#$% . 1 )
= .
!
( )
!

Exemple: On lance un dé et on note la valeur prise par ce dé. Soit l’événement « est supérieure ou égale
à trois ». Déterminer ( / ).
On a (Ω) = 1, 2, 3, 4, 5, 6 , ( = +) = ----,
, + = 1,6
,

4 2
= ( ≥ 3) = 3, 4, 5, 6 /0 ( )= = .
6 3
(3 + 4 + 5 + 6)
4
( .1 ) 9
( | )= = ,
= ,
= .
( ) 2
3 3

(( = +) ∩ )
, ,

( / )= + ( = +/ ) = +
( )
6# 6#

0 8+ + < 3
où

0 8+ + < 3
(( = +) ∩ ) = 7 := ; :
1
( = +) 8+ + ≥ 3 8+ + ≥ 3
6

1
 0 8+ + < 3
et

( = +/ ) = ; 1 :
8+ + ≥ 3.
4

1 18 9
Par suite

( | )=
(3 + 4 + 5 + 6) = = .
4 4 2
Remarque : Si = est une v.a. discrète et si > ∈ =(Ω) , ( (= = >) > 0) , alors pour toute v.a. ∈ (Ω, ℱ, ) ,

( . 1 ?#@ )
on peut définir comme un cas particulier de ce qui précède :

( /= = >) = .
(= = >)
et = sont 2 v.a., la fonction de répartition conditionnelle de sachant = est donnée par :
( ≤ /= = >) (= = >) > 0, = +8FGè0/
Si

D
A"/?#@ ( ) = :
$ J ( , >)
CI J
"/?#@ (0) 0 , = FMN0+NO/8 PQ/F J ( )= , J= (>) > 0.
,=

B KL /==> J= (>)

L’espérance conditionnelle de sachant (= = >) est le nombre réel noté ( /= = >) tel que

( /= = >) = I A /==> ( ).

D ( = /= = >) 8+ (= = >) > 0; , = +8FGè0/8

R
( /= = >) = :
C
R I J"/?#@ ( ) 8+ J? (>) > 0; , = FMN0+NO/8.
B
Exemple: On lance 2 dés et on considère la somme T des deux valeurs obtenues. On note la valeur obtenue
T= + ; ,
U (Ω)
---- , T(Ω) = 2, … , 12 , T >
avec le premier dé et celle obtenue avec le second dé. Ainsi étant des v.a.
indépendantes. De plus = 1, 2, 3, 4, 5, 6 , + = 1,2 , .
Déterminer (T/ = V).

(T . 1 "W #X )
(T/ = V) = = + (T = +/ = V)
( = V)
6#

(T = + , = V)
= +
( = V)
6#

(T = + , = V) = ( = V) = ( = V) = ( (
avec
+ = +, = + − V, = + − V) = V)

1
8+ 1 ≤ + − V ≤ 6
(T = + , = V) = ;36 :

0 8+NMN

2
 1
D 8+ V + 1 ≤ + ≤ V + 6
R6
(T = +/ = V) = :
C 0 8+NMN
R
B

1
Finalement, on obtient
(T/ = V) = ((V + 1) + ⋯ + (V + 6))
6
1 7
= (6 V + 1 + ⋯ + 6) = V +
6 2
Exercices 11,12 série 1.

\(]/^ = _) = `(_) → nombre.

Remarques :

∐ = alors ( /= = >) = ( ) ,
1.

2. Si positive ou intégrable.

et = 2 v.a. sur (Ω, ℱ, ), sachant = la v.a.,

2. Conditionnement par une variable aléatoire :

( /=), qui prend la valeur ( /= = >) lorsque = prend la valeur >. Cette variable aléatoire est une
Soient intégrable. On appelle espérance conditionnelle de
notée
fonction de la v.a. = (donc c(=) −mesurable), = ℎ(=)
( /=) ∶ Ω → ℝ
ω ⟼ ℎi=(ω)j = i /= = =(ω)j.

1. Soient = une v.a. uniforme sur 1, … , N et ε une v.a. indépendante de = telle que (ε = 1) = l et
Exemples:

(ε = −1) = 1 − l . On pose = ε =. Déterminer ( /=)

1
=↝n , (= = V) = -----
, V = 1, N.
, ,…,!
N
(Ω) = −N, … , N = 8+ ε = 1 :
, =o
−= 8+ ε = −1.
Pour V ∈ 1, … , N , ( /= = V) = ∑!6#K! + ( = +/= = V) où
(( = +) ∩ (= = V))
( = +/= = V) =
(= = V)
(ε = 1) = l 8+ + = V
D
R
= (ε = −1) = 1 − l 8+ + = −V :
C
R
B 0 8+ NMN.
Finalement ( /= = V) = Vl − V(1 − l) = V(2l − 1) , ∀ V ∈ 1, … , N .
Par suite ( /=) = =(2l − 1).

3
2. On lance un dé et on appelle = la valeur obtenue. On relance = fois le dé et on multiplie entre elles les =
le produit des = valeurs obtenues: = ∏?6# 6 = … ?.

( /=) (= ↝ n
valeurs obtenues. On appelle Déterminer
,…,, ).
Si = = V , on relance V fois le dé de manière indépendante, donc :
( /= = V) = i … Xj =( ( ----,
))X = ( )X , ∀ V = 1,6
s

,… , X sont les V valeurs obtenues lors des V lancers du dé, 6 = =.

loi
où

( /=) = ( )? .
s
D’où

3. On lance un dé. Soient et = 2 v.a. définies comme suit :

: Ω ⟶ ℝ =: Ω ⟶ ℝ
1 8+ ω est impair:
ω ⟼ (ω) = ω ω ⟼ o
0 8+NMN.
( /=) .
1
Déterminer

Ω = 1,2,3,4,5,6 , (Ω) = 1,2,3,4,5,6 , ( = +) = -----,

, + = 1,6
6
1
=(Ω) = 0,1 , (= = 1) = (= = 0) = .
2
( 1 ?#~ (2 + 4 + 6) 12
( /= = 0) = = ,
= = 4,
(= = 0) 3

( 1 ?# (1 + 3 + 5) 9
( /= = 1) = = ,
= = 3.
(= = 1) 3

3. Conditionnement par plusieurs variables :

∈ (Ω, ℱ, ) et = , … , =! , N v.a. sur (Ω, ℱ, ). On appelle espérance conditionnelle de

3.1. Définition

= , … , =! la v.a. ( /= , … , =! ), fonction de = , … , =! , qui prend la valeur ( /= = > , … , =! = >! ) lorsque

Soient sachant

(= = > , … , =! = >! )
( /= , … , =! ) ∶ Ω ⟶ ℝ
ω ⟼ ( /= = = (ω), … , =! = =! (ω)) = ℎ i= (ω), … , =! (ω)j.
La v.a. ( /= , … , =! ) est c(= , … , =! ) −mesurable.

Considérons (N + 1) v.a. , = , … , =! sur (Ω, ℱ, ) avec intégrable et ℱ! = c(= , … , =! ).

3.2. Caractérisation de l’espérance conditionnelle :

( /ℱ! ) (notée aussi ( /= , … , =! )) est l’unique v.a. vérifiant les 2 conditions :

i) ( /ℱ! ) est ℱ! −mesurable,
ii) Pour toute v.a. ℱ! −mesurable et bornée •,
( •) = ( ( /ℱ! )•).

4
 ii) ⟺ ∀ ∈ ℱ! , ( 1• ) = ( ( /ℱ! ) 1• ) .

Soient , = , … , =! (N + 1) v.a., ℱ! = c(= , … , =! ) et

3.3. Propriétés :(qui permettent de calculer l’espérance conditionnelle)
intégrable.
( ( /ℱ! )) = ( ),
est ℱ! −mesurable alors ( /ℱ! ) = ,
1.

est indépendante de = , … , =! alors ( /ℱ! ) = ( ),

2. Si

(P + ‚=/ℱ! ) = P ( /ℱ! ) + ‚ (=/ℱ! ) , = intégrable,

3. Si
4. Si P, ‚ ∈ ℝ ,
5. Si = est ℱ! −mesurable et = est intégrable alors ( =/ℱ! ) = = ( /ℱ! ),
6. pour tout l ∈ ℝ , ( i /ℱ!ƒ„ j/ℱ! ) = ( ( /ℱ! )/ℱ!ƒ„ ) = ( /ℱ! ),
7. Si ≤ =, = intégrable, alors ( /ℱ! ) ≤ (=/ℱ! ),
8. Si … ∶ ℝ ⟶ ℝ est une fonction convexe, …( )intégrable, alors :
…( ( /ℱ! )) ≤ (…( )/ℱ! ) ⟶Inégalité de Jensen
⇒ (| ( /ℱ! )|) ≤ (| |).
En particulier ( /ℱ! ) ∈ (Ω, ℱ, ).
Remarque : Toute v.a. ℱ! − mesurable est ℱ!ƒ„ − mesurable.
est ℱ! − mesurable ⇔ ∃ ℎ: ℝ! ⟶ ℝ mesurable tq : = ℎ(= , … , =! ).
Soit ℎ‰: ℝ!ƒ„ ⟶ ℝ mesurable
i> , … , >!ƒ„ j ⟼ ℎ(> , … , >! )
⟹ = ℎ‰i= , … , =!ƒ„ j ⟹ est ℱ!ƒ„ − mesurable.

En pratique, la règle pour calculer l’espérance conditionnelle ( /ℱ! ) c’est de séparer dans les
termes qui sont ℱ! − mesurables de ceux qui sont indépendants de ℱ! , puis appliquer une ou plusieurs
des propriétés fondamentales.

Exemples :
celui du 2ème dé. On pose T = + et ‹ = "Œ .
"
le résultat du 1er dé et
W
1. On lance 2 dés. Soient

est c( ) −mesurable et ∐
(T/ )= ( )= ( )+ ( )
.
+ / / /
= + ( )
7
= + .
2
1
(‹/ )= • / Ž= • . / Ž

1
= ( / )

5
 1
= ( )

7
= .
2
Soient = et • deux v.a. indépendantes tq = ↝ n ,… ,! , (• = 1) = l , (• = −1) = 1 − l.
On pose : = • = .
2.

( /=) = (• =/=) = = (•/=) = = (•) = = (2l − 1).

et = deux v.a. continues de densité conjointe
1 K‘ (
3. Soient

J",? ( , >) = 72 • / , >0 :

ƒ@Œ )
Œ

0 8+NMN
i) Déterminer la loi conditionnelle de = sachant = , > 0.
J",? ( , >)
J?/"#$ (>) = .
J" ( )
0 8+ ≤0
ƒL
J" ( ) = I J",? ( , >) > = ; :
ƒL
1 K‘ (
KL I / Œ ƒ@ Œ )
> 8+ >0
KL 2•
0 8+ ≤0
=’ / :
W
K $
8+ >0
Œ

√ √2 •
0 8+ ≤0
D WK
” • / KŒ $ :
W

= Œ

C 8+ > 0.
B Γ” •
1 1
↝ —• , Ž = ˜ .
2 2
/K Π(
‘
ƒ@Œ )
√
J?/"#$ (>) = = / K Œ@ , >∈ℝ
‘ Œ
™
√2 •
W
› ‘
š Œ
√$√ ™

(=/ = ) ↝ œ ”0 , $•.

ii) Déterminer (=/ ).

(=/ = ) = 0 , ∀ >0 ⟹ (=/ ) = 0
( (=/ )) = (=) ?.
( (=/ )) = (0) = 0.
iii) A-t-on

ƒL ƒL
1 K‘ (
J? (>) = I J",? ( , >) =I / Œ ƒ@Œ )

KL ~ 2•
1
= , >∈ℝ
• (1 + > )
= suit une loi de Cauchy ⟹ (=) n’existe pas ⟹ ( (=/ )) ≠ (=) (= n’est pas intégrale).
6
 est une v.a positive alors ( /ℱ! ) est l’unique v.a. positive vérifiant :
Remarques :
Si
( /ℱ! ) est ℱ! − mesurable,
1.

ii) ∀ • v.a. positive ℱ! − mesurable,

i)

( •) = ( ( /ℱ! )•) ⟺ ∀ ∈ ℱN , ( 1 ) = ( ( /ℱ! )1 )

Les propriétés 1, 3 et 6 restent valables si
et = sont des v.a positives, la propriété 4 est valide pour P, ‚ ≥ 0.
2. positive.
Si
≥ 0 alors ( /ℱ! ) ≥ 0 .
3.

Si
Si , • ∈ (Ω, ℱ, ) , ≤ Z alors ( /ℱ! ) ≤ (•/ℱ! ).
4.

∈ (Ω, ℱ, ) alors ( /ℱ! ) ∈ 2

(Ω, ℱ, ) tq : ∀ • ∈ 2
(Ω, ℱ, )
( •) = ( ( /ℱ! )•).
5. Si

Soient (Ω, ℱ, ) un espace probabilisé, ℬ une sous-tribu de ℱ (ℬ ⊂ ℱ) et

4. Généralisation: Conditionnement par une tribu :

sachant ℬ, l’unique v.a., notée ( |ℬ:), ℬ-mesurable et

une v.a. réelle intégrable (resp.
positive). On appelle espérance conditionnelle de

∈ ℬ, (1 ) = (1 ( |ℬ :))
intégrable (resp. positive) telle que:
∀

I = I ( |ℬ:)

∀ • ℬ-mesurable bornée (resp. positive), ( • ) = (• ( |ℬ :)).

qu’on peut remplacer par :

Toutes les propriétés citées précédemment restent valables en remplaçant ℱ! par ℬ.

indépendante de ℬ ⟺ c( ) indépendante de ℬ
Pour la propriété 3 :

⟺∀ ∈ c( ) , ∀ ∈ ℬ, ( ∩ ) = ( ) . ( ).
∈ (Ω, ℱ, ) et ℬ une sous-tribu de ℱ.
( |ℬ:) est la v.a. = ℬ-mesurable qui minimise (( − =) ).
Théorème : Soient

Preuve : Pour tout • ∈ (Ω, ℱ, )), on a

( •) = ( ( |ℬ :)•).
Par suite (( − ( |ℬ :))•) = 0.
Si = = ( |ℬ :) + •qui est ℬ-mesurable alors :
((= − ) ) = (( − ( |ℬ :) − •) )
= (( − ( |ℬ :)) ) − 2 (•( − ( |ℬ :))) + (• )
= (( − ( |ℬ :)) ) + (• )
qui est minimale quand (• ) = 0 ⇔ • = 0 P.S.

7
 ( |ℬ:) est la projection orthogonale de sur ℬ.

Soient (Ω, ℱ, ) un espace probabilisé, ℬ une sous-tribu de ℱ et ∈ (Ω, ℱ, ).

5. Variance conditionnelle :

Définition : On définit la variance conditionnelle de sachant ℬ par :

¡PG( /ℬ) = ( /ℬ) − ( ( /ℬ))
= (( − ( /ℬ)) /ℬ).

¡PG( ) = ¡PG( ( /ℬ)) + (¡PG( /ℬ)).

Formule de décomposition de la variance :

¡PG( ) = (( − ( )) ) = ( (( − ( )) /ℬ))
Preuve :

= (: (( − ( /ℬ)) + ( ( /ℬ) − ( )) + 2( − ( /ℬ))( ( /ℬ) − ( ))|ℬ))

= ( (( − ( /ℬ)) /ℬ)) + (( ( /ℬ) − ( )) ) + 0
= (¡PG( /ℬ) + ¡PG( ( /ℬ)) + 0

et = 2 v.a. telles que: ↝nK et = = | |.

Exercices :
Soient ,K , ,

Déterminer ( ) et ( /=) . Conclure.

1)

1
( = +) = , + = −2, −1, 1, 2 , ( ) = 0.
4
1
==| | , =(Ω) = 1, 2 , (= = 1) = (= = 2) = .
2
i 1 ?# j ¢ (−1 + 1)
( /= = 1) = = = 0,
(= = 1)

i 1 ?# j ¢ (−2 + 2)
( /= = 2) = = = 0,
(= = 2)

( /=) = 0 = ( ) .
Conclusion : ( /=) = ( ) mais et = ne sont pas independantes.

2) Soient et = 2 v.a. i.i.d de loi ( = 1) = ( = −1) = .

Soit • = ∙ = . Déterminer (•/ )et (•/=). Conclure.

(•/ ) = ( =/ ) = (=/ ) = (=) = 0
De même, on trouve (•/=) = 0.
Conclusion : (•/ ) = (•/=) = 0mais • ≠ 0.

3) Soient et = 2 v.a.i.i.d de loi ¤ ” •. Déterminer ( / + =)et (=/ + =).

et =étant de même loi alors ( / + =) = (=/ + =).

De plus ( / + =) + (=/ + =) = ( + =/ + =) = + =.

( / + =) = (=/ + =) = .
"ƒ?
D’où
8
Conclusion : et =sont indépendantes mais ( / + =) et (=/ + =) ne sont pas indépendantes.
Méthode 2
1 1 6 1 K6
1
•= += ↝ •2, Ž ; (• = +) = C6 • Ž • Ž = C6 • Ž , + = 0,1,2.
2 2 2 2

( /• = +) = V ( = V/• = +)
X#~

( = 1, • = +)
= ( = 1/• = +) =
(• = +)
0 8+ + = 0
= ; ( = 1) (= = + − 1) :
, + = 1,2.
(• = +)
1 0 +
• = = 0Ž = 0 = , ( /• = +) =
• 2 2
1 1 •
• = = 1Ž = ¢
= , ( /•) =
• 2 2
C ” •
2
( = 1/• = 2) = ¢
= = 1.
2
C ” •
Finalement ( /• = +) = , + = 0,1,2, et par suite ( /•) = .
6 ¦

De même on trouve (=/•) = .

¦

4) Soit œ le nombre de sinistres enregistrés sur une période § au niveau d’une compagne d’assurance, de
moyenne (œ)et de variance ¡PG(œ). Soit =6 le montant du remboursement du sinistre N°+.
On suppose que les v.a. =6 , + ≥ 1, sont i.i.d. de moyenne © et de variance c . On note • le montant des
remboursements.

i) Ecrire • en fonction de œ et des =6

• = = + ⋯ + =ª .
Si œ = 0 P«MG8 • = 0.
ii) Déterminer (•).
On a
(•) = i (•/œ)j

(•/œ = N) = (= + ⋯ + =ª /œ = N)
avec

= (= + ⋯ + =! /œ = N) = (=6 ) = N ©.
6#

(•/œ) = œ © et (•) = (œ)© .

iii) Déterminer ¡PG(•).
D’où :

9
D’après la formule de décomposition de la variance, on a :
¡PG(•) = ¡PG( (•/œ)) + (¡PG(•/œ))
où
!

¡PG(•/œ = N) = ¡PG(=6 ) = N c ⟹ ¡PG(•/œ) = œ c

6#

¡PG(•) = (œ c ) + ¡PG(œ ©)
Par suite

=c (œ) + © ¡PG(œ).
6. Convergence des espérances conditionnelles

Théorème de convergence monotone : Soit ( ! )!

Les théorèmes classiques de convergence pour des espérances se généralisent aux espérances conditionnelles.
•
( ≤ . T) sur (Ω, ℱ, ) , tq : ⟶ . Pour toute sous-tribu ℬ de ℱ ,
une suite P.S croissante de v.a. positives
! !ƒ !
P.S

( ! /ℬ) ⟶ ( /ℬ).
P.S

(On peut remplacer ≤ . T par ≤ et ⟶ par ⟶ ).

P.S

• Lemme de Fatou : Soit ( ! )! une suite de v.a. positives sur (Ω, ℱ, ). Pour toute sous-tribu ℬ de ℱ ,
(«+¬ ! /ℬ) ≤ «+¬ ( ! /ℬ) P.S.
• Théorème de convergence dominée : Soit ( ! )! une suite de v.a sur (Ω, ℱ, ) tq :
! ⟶ ,
P.S

∃ = v.a. positive sur (Ω, ℱ, ) intégrable tq : ∀ N | !| ≤= . T.

i)

Pour toute sous-tribu ℬ de ℱ, on a :

ii)

( ! /ℬ) ⟶ ( /ℬ) dans (Ω, ℱ, ).

P.S

10