Inégalité de Hoeffding
Soit $(X_n)$ une suite de variables aléatoires indépendantes centrées telles que $|X_n| \le c_n$ presque surement. Soit $S_n = \sum_{j=1}^n X_j$. Alors pour tout $\epsilon > 0$, \r\r$$ P( |S_n| > \epsilon ) \le 2 \exp \left( - \frac{\epsilon^2}{2\sum_{j=1}^n c_j^2 } \right)$$
| Qualité | Numéro | Titre |
|---|---|---|
| 5 | 261 | Loi d’une variable aléatoire: caractérisations, exemples, applications.2025 |
| 5 | 260 | Espérance, variance et moments d’une variable aléatoire.2019 |
| 3 | 266 | Utilisation de la notion d’indépendance en probabilités.2025 |
| 3 | 262 | Convergences d’une suite de variables aléatoires. Théorèmes limite. Exemples et applications.2025 |
| 3 | 264 | Variables aléatoires discrètes. Exemples et applications.2025 |
| 1 | 229 | Fonctions monotones. Fonctions convexes. Exemples et applications.2025 |
| 1 | 228 | Continuité, dérivabilité des fonctions réelles d’une variable réelle. Exemples et applications.2025 |
Utilisateur : JULIEN L
Références :
Utilisateur : RMaurice
Si ma version peut aider des gens, avec plaisir !
Référence sur le document.
Attention aux éventuels coquilles.
Références :
Utilisateur : Marie N
Références :
Analyse pour l'agrégation de mathématiques, 40 développements - Julien Bernis et Laurent Bernis
Utilisateur : 20-sided dice
L'intérêt de cette inégalité est son corollaire qui est une version alternative de la loi forte des grands nombres où on ne suppose rien sur la loi des $X_i$. L'indépendance et la borne suffisent pour garantir la convergence presque sûre.
(p127)
Références :
Probabilités 2 - Ouvrard
Utilisateur : abarrier
Références :
Probabilités 2 - Ouvrard
Utilisateur : mickael
Références :
Utilisateur : JBernis
Peut être présentée avec une application.
Soit $(X_n)_{n\in\mathbb{N}^*}$ une suite de variables aléatoires à valeurs réelles, indépendantes, centrées. On suppose qu'il existe une suite de réels strictement positifs $(c_n)_{n\in\mathbb{N}^*}$ telle que pour tout $n\in\mathbb{N}^*$, on ait :
$$|X_n|\leq c_n, \text{ presque sûrement.}$$
On note $S_n=\sum_{k=1}^{n}{X_k}$. Alors, pour tout $\varepsilon\in\mathbb{R}_+^*$ et tout $n\in\mathbb{N}^*$, on a :
\begin{equation} \mathbb{P}(|S_n|>\varepsilon) \leq 2\exp\left(\frac{-\varepsilon^2}{2\sum_{k=1}^{n}{c_k^2}}\
ight) \end{equation}
Référence (théorème et deux applications) : Analyse pour l'agrégation de mathématiques, 40 développements, J. et L. Bernis, Ellipses
Références :
Analyse pour l'agrégation de mathématiques, 40 développements - Julien Bernis et Laurent Bernis
Utilisateur : Anonyme291
Références :
Probabilités 2 - Ouvrard
Utilisateur : Gabriel
Références :
Probabilités 2 - Ouvrard
Utilisateur : Mathieu Dutour
Références :
Probabilités 2 - Ouvrard
Utilisateur : Victor
Références :