Intégration Et Probabilités Takeo Takahashi PDF

Anne 2009-2010
Intgration et Probabilits
e
e
Cours de Mathmatiques
e
Tako Takahashi
e
Premi`re Anne FICM
e
e
Semestre 2
Table des mati`res

e
1 Espaces mesurs et fonctions mesurables
e
1.1 Tribu . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1 Dnition et proprits . . . . . . . . . . .
e
ee
1.1.2 Tribu engendre par un ensemble de parties
e
1.1.3 Tribus borliennes . . . . . . . . . . . . . .
e
1.1.4 Tribu produit . . . . . . . . . . . . . . . . .
1.2 Mesure positive . . . . . . . . . . . . . . . . . . . .
1.2.1 Dnitions . . . . . . . . . . . . . . . . . .
e
1.2.2 Mesures discr`tes . . . . . . . . . . . . . . .
e
1.2.3 Mesure de Lebesgue . . . . . . . . . . . . .
1.2.4 Mesure Produit . . . . . . . . . . . . . . . .
1.2.5 Proprits classiques dune mesure positive
ee
1.3 Applications mesurables . . . . . . . . . . . . . . .
1.3.1 Dnitions et premi`res consquences . . .
e
e
e
1.3.2 Un exemple : les fonctions tages . . . . .
e e
1.3.3 Proprits . . . . . . . . . . . . . . . . . . .
ee
1.4 Ensembles ngligeables . . . . . . . . . . . . . . . .
e
1.5 Annexes . . . . . . . . . . . . . . . . . . . . . . . .
1.5.1 Preuve de la proposition 1.6 . . . . . . . . .
1.5.2 Preuve de la proposition 1.14 . . . . . . . .
1.5.5 Preuve du corollaire 1.26 . . . . . . . . . .
1.5.6 Preuve du corollaire 1.28 . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2 Intgrale de Lebesgue
e
2.1 Dnition de lintgrale et premi`res proprits . . . . .
e
e
e
ee
2.1.1 Intgrale dune fonction tage positive . . . . .
e
e e
2.1.2 Intgrale dune fonction mesurable positive . . .
e
2.1.3 Intgrale dune fonction de signe quelconque . . .
e
2.1.4 Exemples . . . . . . . . . . . . . . . . . . . . . .
2.1.5 Lessentiel de la section 2.1 . . . . . . . . . . . .
2.2 Proprits gnrales de lintgrale . . . . . . . . . . . . .
ee e e
e
2.3 Thor`mes de convergence . . . . . . . . . . . . . . . . .
e e
2.4 Thor`me de Fubini . . . . . . . . . . . . . . . . . . . .
e e
2.5 Intgrale de Lebesgue sur R . . . . . . . . . . . . . . . .
e
2.5.1 Comparaison avec lintgrale au sens de Riemann
e
2.5.2 Intgration et drivation . . . . . . . . . . . . . .
e
e
2.5.3 Lessentiel de la section 2.5 . . . . . . . . . . . .
2.6 Annexes . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.6.1 Preuve de la proposition 2.4 . . . . . . . . . . . .
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3
3
3
4
5
6
7
7
9
10
11
11
12
12
14
14
16
18
18
19
20
22
23
24
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
25
25
25
27
30
31
31
32
35
38
40
40
43
44
44
44
2.6.2
2.6.3
Preuve de la proposition 2.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Preuve de la proposition 2.7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
47
3 Loi dune variable alatoire

e
3.1 Esprance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
e
3.2 Mesure image et loi dune variable alatoire . . . . . . . . . . . . . . . . . .
e
3.2.1 Dnitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
e
3.2.2 Intgration par rapport ` une mesure image . . . . . . . . . . . . . .
e
a
3.2.3 Fonction de rpartition . . . . . . . . . . . . . . . . . . . . . . . . .
e
3.3 Lois discr`tes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
e
3.3.1 Dnitions et premi`res proprits . . . . . . . . . . . . . . . . . . .
e
e
ee
3.3.2 Fonction de rpartition dune variable relle discr`te . . . . . . . . .
e
e
e
3.3.3 Lois discr`tes classiques. . . . . . . . . . . . . . . . . . . . . . . . . .
e
3.4 Lois absolument continues . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.4.1 Dnitions et premi`res proprits . . . . . . . . . . . . . . . . . . .
e
e
ee
3.4.2 Fonction de rpartition des variables alatoires absolument continues
e
e
3.4.3 Changement de variables . . . . . . . . . . . . . . . . . . . . . . . .
3.4.4 Lois classiques absolument continues . . . . . . . . . . . . . . . . . .
3.5 Mlange de lois discr`tes et absolument continues . . . . . . . . . . . . . . .
e
e
3.6 Lois marginales dun vecteur alatoire . . . . . . . . . . . . . . . . . . . . .
e
3.7 Comment dterminer la loi dune variable alatoire g(X) ? . . . . . . . . . .
e
e
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
49
49
51
51
52
54
56
56
58
59
61
61
64
65
65
69
70
72
4 Espaces Lp et Lp
4.1 Espaces LP (, A, ) . . . . . . . . . . . . . .
4.1.1 Dnitions et premi`res proprits . .
e
e
ee
4.1.2 Premi`res proprits . . . . . . . . . .
e
ee
4.1.3 Ingalits sur les espaces LP (, A, ) .
e
e
4.2 Espaces Lp (, A, ) . . . . . . . . . . . . . .
4.2.1 Dnitions et proprits . . . . . . . .
e
ee
4.2.2 Sous-espaces denses dans Lp (, A, P) .
4.3 Espaces Lp et Lp sur un espace de probabilit
e
4.3.1 Moments dune variable alatoire . . .
e
4.3.2 Ingalits . . . . . . . . . . . . . . . .
e
e
4.4 Annexes . . . . . . . . . . . . . . . . . . . . .
4.4.1 Preuve du lemme 4.16 . . . . . . . . .
4.4.2 Calculs de quelques moments . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
73
73
73
75
77
81
81
84
85
85
87
89
89
89
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
A Classes monotones
93
B Intgrales dpendant dun param`tre

e
e
e
97
C Lois classiques
99
C.1 Lois discr`tes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
e
C.2 Lois absolument continues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
Chapitre 1
Espaces mesurs et fonctions mesurables

e
Ce chapitre regroupe des concepts de la thorie de la mesure qui permettent de dnir lintgrale au sens
e
e
e
de Lebesgue. Ces concepts, lis ` la thorie des ensembles, ont permis de formaliser la thorie des probabilits
e a
e
e
e
et des avances non ngligeables en traitement du signal, automatique ou encore en physique.
e
e
Dans ce chapitre, nous introduisons essentiellement les quatre notions suivantes :
la notion de tribu,
la notion de mesure positive,
la notion de fonction mesurable,
et la notion densemble ngligeable.
e
En probabilits, ces notions sont utilises pour modliser toute exprience tudie. Prcisons que le vocabulaire
e
e
e
e
e
e
e
utilis en probabilits nest pas exactement le mme que celui de la thorie de la mesure. Ces dirences
e
e
e
e
e
de vocabulaire seront signales au fur et ` mesure du polycopi. Notons que presque toutes les preuves de
e
a
e
ce chapitre sont donnes par souci dtre complets mais sont mises en annexe. Lessentiel est de retenir les
e
e
exemples classiques de tribus, fonctions mesurables et mesures.
1.1
Tribu
1.1.1
Dnition et proprits
e
e e
Une tribu contient les parties de que lon peut ou que lon sait mesurer .
Dnition 1.1 (Tribu)
e
Une -alg`bre ou tribu sur un ensemble non vide est un sous-ensemble A de P() tel que
e
(i) A,
(ii) A est stable par passage au complmentaire, cest-`-dire que

e
a
si A A, alors \A A,
(iii) A est stable par runion dnombrable, cest-`-dire que
e
e
a
si (An )nN est une suite dlments de A, alors
ee
nN
An A.
Si A est une tribu sur un ensemble non vide, le couple (, A) est appel espace mesurable.
e
En modlisation, une tribu reprsente linformation disponible. D`s lors, dans ltude de phnom`nes
e
e
e
e
e
e
voluant dans le temps (par exemple, en biologie, nance ou physique), en modlisation, nous introduisons
e
e
une famille (At )tI de tribus dpendant du temps an de tenir compte de lvolution de linformation.
e
e
3
Remarque 1.1 En probabilits, un espace mesurable (, A) est appel espace probabilisable.

e
e
Exemple 1.1 Soit un ensemble non vide.
1. P() est la plus grande tribu (au sens de linclusion) sur . Elle est appele tribu triviale sur .
e
2. A = {, } est la plus petite tribu (au sens de linclusion) sur . Elle est appele tribu grossi`re sur .
e
e
3. Soit A P() tel que A = et A = . Alors A = {, A, \A, } est une tribu sur .
En jouant sur les points (i), (ii) et (iii) de la dnition 1.1, la notion de tribu peut aussi tre dnie grce
e
e
e
a
a la proposition suivante.
`
Proposition 1.2 (Caractrisation dune tribu)
e
Soit un ensemble non vide et A P(). Alors, A est une tribu sur si les trois assertions suivantes
sont vries :
e e
(i) A,
(ii) A est stable par passage au complmentaire,

e
(iii) A est stable par intersection dnombrable, cest-`-dire que

e
a
si (An )nN est une suite dlments de A, alors
ee
nN
An A.
Remarque 1.2 Une tribu est bien sr stable par runion nie et par intersection nie.
u
e
1.1.2
Tribu engendre par un ensemble de parties

e
La proposition suivante assure lexistence dune plus petite tribu A sur contenant un ensemble S P(),
ensemble qui caractrise alors la tribu A.
e
Proposition 1.3 (Tribu engendre)
e
Soient un ensemble non vide et S P() un ensemble non vide de parties de . Alors il existe une
unique tribu (S) sur contenant S et telle que
si B est une tribu sur contenant S, alors (S) B.
La tribu (S) est la plus petite tribu (au sens de linclusion) sur contenant S et est appele tribu
e
engendre par S sur .
e
Preuve de la proposition 1.3.
Preuve de lexistence. Considrons lensemble T (S) = {A / A tribu sur telle que S A}. Alors,
e
P() T (S). Ainsi, T (S) = et nous pouvons alors considrer
e
(S) =
A.
(1.1)
AT (S)
En tant quintersection de tribus sur , (S) est aussi une tribu sur (exercice). De plus, par dnition,
e
la tribu (S) contient S et est incluse dans toute autre tribu B sur contenant S.
4
Preuve de lunicit. Soient A1 et A2 deux tribus contenant S et telles que pour i = 1, 2,

e
si B est une tribu sur contenant S, alors Ai B.
Alors A1 A2 car A2 est une tribu sur contenant S. De mme, A2 A1 . Par suite, A1 = A2 .
e
Exemple 1.2 Soit un ensemble non vide.
1. Si S = {A} avec A P(), alors la tribu engendre par S sur est (S) = {, A, Ac , }.
e
2. Si = [0, 1] et si S = {{0}, {1}}, alors la tribu engendre par S sur est
e
(S) = {, , {0}, {1}, ]0, 1], [0, 1[, ]0, 1[, {0, 1}}.
3. Si = {0, 1} et si S = {{0}, {1}}, alors, la tribu engendre par S sur est (S) = P().
e
La proposition suivante compare les tribus engendres par deux ensembles S et S tels que S S P().
e
Proposition 1.4 (Comparaison de tribus engendres)
e
Soit un ensemble non vide. Si S P() et S P() sont deux ensembles non vides de parties de
tels que S S , alors,
(S) S ,
cest-`-dire que la tribu engendre par S sur contient celle engendre par S sur .
a
e
e
Preuve de la proposition 1.4. Soient S P() et S P() deux ensembles non vides tels que S S . Alors,
S S S .
Ainsi, (S ) est une tribu sur contenant S. Par consquent, (S) (S ) car (S) est la plus petite
e
tribu (au sens de linclusion) sur contenant S.
La plupart des tribus que nous consid`rerons (tribus borliennes, tribus produits) seront dnies ` laide de
e
e
e
a
la proposition prcdente. Par ailleurs, conna
e e
tre des ensembles simples engendrant une tribu donne A
e
peut tre tr`s utile car il nest pas toujours facile de dcrire tous les lments de la tribu A (voir par exemple
e
e
e
ee
la proposition 1.26 page 14).
1.1.3
Tribus borliennes
e
Nous dnissons les tribus borliennes sur les espaces mtriques ` partir des ensembles ouverts.
e
e
e
a
Dnition 1.5 (Tribu borlienne B(E))
e
e
Soit (E, d) un espace mtrique. La plus petite tribu sur E contenant tous les ouverts de E est appele
e
e
tribu borlienne sur E et est note B(E). En dautres termes,
e
e
B(E) = (O)
avec O = {A P(E) / A ouvert de E}. Tout lment de B(E) est appel borlien de E.
ee
e
e
Remarque 1.3 Une tribu tant stable par passage au complmentaire, la tribu borlienne B(E) est aussi la
e
e
e
tribu engendre sur E par lensemble F des ferms de E, cest-`-dire que B(E) = (F).
e
e
a
La proposition suivante donne dautres exemples densembles S engendrant B(R). Elle se gnralise en
e e
dimension d 2 en considrant des pavs ` la place des intervalles.
e
e a
Proposition 1.6 (Ensembles engendrant B(R))
Notons S1 lensemble des intervalles ouverts de R, S2 lensemble des intervalles ferms,

e
S3 = [a, b[ / (a, b) R2 , a < b
et S4 = {] , a] / a R}.
Chacun de ces ensembles engendre la tribu borlienne sur R, cest-`-dire que

e
a
B(R) = (S1 ) = (S2 ) = (S3 ) = (S4 ).
Preuve de la proposition 1.6. Voir annexe 1.5.1 page 18.
Dans les chapitres suivants, nous serons amens ` considrer la tribu borlienne B R sur la droite acheve
e a
e
e
e
R = [, +]. La proposition suivante prcise un ensemble lengendrant.
e
Proposition 1.7 (Tribu B R )
La tribu borlienne B R est la tribu engendre sur R par lensemble {[, a] / a R}, cest-`-dire que
e
e
a
B R = ({[, a] / a R}).
Pour terminer, nous prcisons quil est assez dicile de construire un sous-ensemble de Rd qui ne soit pas
e
d mais quil en existe !
un borlien de R
e
1.1.4
Tribu produit
Dans cette partie, nous considrons d espaces mesurables (1 , A1 ), . . . , (d, Ad), avec d N,
e
ainsi que lespace produit = 1 d. Nous dnissons la tribu produit A1 Ad des tribus
e
A1 , . . . , Ad . Tous les rsultats de cette partie sont admis.
e
Dnition 1.8 (Tribu produit A1 Ad )
e
1. Un rectangle (ou un pav) de A1 . . . Ad est un sous-ensemble de 1 d du type
e
A1 A2 Ad
avec Ai Ai pour tout 1
d.
2. La tribu produit A1 Ad sur 1 d est la tribu engendre sur 1 d par

e
lensemble des rectangles de A1 . . . Ad , cest-`-dire par
a
{A1 A2 Ad / Ai Ai , 1
d}.
Exemple 1.3 Si A1 = P(1 ) et si A2 = {, 2 }, alors A1 A2 = {A1 2 / A1 A1 }.

Notation : Lorsque 1 = = n et A1 = = Ad = A, nous posons Ad = A A .
d fois
Intressons-nous ` prsent au cas o` chaque tribu Ai est engendre par un ensemble Si .

e
a e
u
e
Proposition 1.9 (Ensembles engendrant A1 Ad )
Si pour tout 1
engendre par
e
d, Ai = (Si ) est la tribu engendre par Si sur i , alors A1 Ad est la tribu

e
S = {A1 Ad / Ai Si , 1
d}
sur lensemble 1 d .
Terminons cette partie en remarquant que la tribu borlienne sur Rd est une tribu produit.
e
Proposition 1.10 (Tribu B Rd )
Pour tout d N , B(R)d = B(Rd ).
`
Remarque 1.4 A partir des propositions 1.9, 1.10 et 1.6, nous pouvons dcrire plusieurs ensembles S engene
drant la tribu borlienne B Rd .
e
Remarque 1.5 Nous avons aussi : B R
1.2
=B R
Mesure positive
1.2.1
Dnitions
e
Dnition 1.11 (Mesure positive)

e
Soit (, A) un espace mesurable. Une application dnie sur A est une mesure positive sur (, A)
e
si elle vrie les trois assertions suivantes :
e
(i) est a valeurs dans [0, +],
`
(ii) () = 0,
(iii) est -additive, cest-`-dire que
a
An
(An ),
(1.2)
nN
nN
pour toute suite (An )nN dlments de A deux a deux disjoints (cest-`-dire telle que pour tout
ee
`
a
n N, An A et que Ap Am = pour tous p, m N tels que p = m).
Si est une mesure positive sur (, A), le triplet (, A, ) est appel espace mesur.
e
e
Exemple 1.4 Soient (, A) un espace mesurable et a . Lapplication

a : A
[0, +]
1 si a A
0 si a A
/
est une mesure positive sur (, A) et est appele mesure de Dirac en a.

e
Les Sections 1.2.2 et 1.2.3 prsentent deux exemples de mesures : les mesures dites discr`tes et la mesure
e
e
de Lebesgue. La mesure de Lebesgue sur Rd gnralise la notion de longueur si d = 1, daire si d = 2 et de
e e
volume si d = 3. Les proprits (i), (ii) et (iii) dnissant la notion de mesure semblent alors naturelles si lon
ee
e
se rf`re aux proprits de laire et du volume.
ee
ee
Nous pouvons bien sr donner la mesure dune runion nie densembles deux ` deux disjoints.
u
e
a
Proposition 1.12 (Additivit dune mesure)
e
Soit une mesure positive sur lespace mesurable (, A). Alors, la mesure est additive sur A, cesta-dire que pour tout n N et tous ensembles A1 , . . . , An A deux a deux disjoints,
`
`
n
(1.3)
i=1
i=1
Preuve de la proposition 1.12. Poser Ap = pour p
(Ai ).
Ai
n + 1 puis utiliser la -additivit de et () = 0.

e
Nous terminons cette section par du vocabulaire et plus prcisment en introduisant les mesures nies, les
e e
mesures -nies et les probabilits.
e
Dnition 1.13 (Mesures -nies, mesures bornes et probabilits)
e
e
e
Soit une mesure positive sur lespace mesurable (, A).
1. La mesure positive est -nie sil existe une suite (An )nN dlments de A telle que pour tout
ee
n N, (An ) < + et telle que
=
An .
nN
2. La mesure positive est borne si () < +.

e
3. La mesure positive est une probabilit sur (, A) si () = 1.
e
Remarque 1.6 Si est une probabilit sur lespace probabilisable (, A), lespace mesur (, A, ) est encore
e
e
appel espace de probabilit.
e
e
Remarque 1.7 Une mesure positive borne sur lespace mesurable (, A) est une mesure -nie. En partie
culier, toute probabilit sur lespace mesurable (, A) est -nie.
e
8
Exemple 1.5
1. Soient (, A) un espace mesurable et a . La masse de Dirac a est une probabilit sur (, A).
e
2. Supposons = R et A = B(R). Alors, la mesure positive 0 + 21 est une mesure nie sur (, A) mais
nest pas une probabilit.
e
1.2.2
Mesures discr`tes
e
Les mesures discr`tes ont une importance non ngligeable en probabilits. Elles sont utiles pour modliser des
e
e
e
e
phnom`nes alatoires prenant un nombre ni ou dnombrable de valeurs. Des exemples simples de modlisation
e
e
e
e
e
lois de Bernoulli, binomiales ou encore de Poisson (voir chapitre 3).
seront donns lors de lintroduction des
e
Proposition 1.14 (Mesure discr`te)
e
Une mesure positive sur lespace mesurable (, A) est dite discr`te sil existe une suite (an )nN
e
dlments de deux a deux distincts et une suite (n )nN dlments de ]0, +] telles que
ee
`
ee
=
n an
(1.4)
nN
avec pour tout a , a la masse de Dirac en a et avec pour convention + 0 = 0.

Preuve de la proposition 1.14. Il sagit de vrier que (1.4) dnie bien une mesure positive. Voir Annexe 1.5.2
e
e
page 19.
Remarque 1.8 En pratique, si est une mesure discr`te, nous pouvons munir lespace de la tribu P().
e
Dans ce cas, avec les notations, de la proposition 1.14, pour tout n N, n = ({an }).
Exemple 1.6 Soit (, A) un espace mesurable.
1. Si a , alors la masse de Dirac a est une mesure discr`te sur (, A).
e
2. Supposons que est ni ou dnombrable. Alors, lapplication
e
=
dnie sur P(), est une mesure discr`te sur (, P()). Notons que pour tout A P(), (A) est le
e
e
cardinal de lensemble A. La mesure est appele mesure de comptage sur .
e
Nous terminons cette partie en remarquant que si lensemble est non vide ni ou dnombrable, toute
e
mesure positive sur (, P()) est discr`te.
e
Proposition 1.15 (Mesure positive sur un ensemble au plus dnombrable)
e
Si est un ensemble non vide ni ou dnombrable et si est une mesure positive sur (, P()), alors
e
la mesure est une mesure discr`te sur (, P()) et
e
=
({}) .

Preuve de la proposition 1.15. Etant donn que est une mesure positive, ({}) [0, +] pour tout .
e
Lensemble tant ni ou dnombrable, nous pouvons dnir sur (, P()) la mesure discr`te
e
e
e
e
=
({}) .
Soit A P(). Si A = , (A) = (A) = 0. Supposons A = . Les ensembles {}, A, tant des
e
lments de P() deux ` deux disjoints et A tant ni ou dnombrable,
ee
a
e
e
(A) =
A
{}
({}) = (A).
A
Lgalit prcdente tant vrie pour tout A P(), = .

e
e e e
e
e e
1.2.3
Mesure de Lebesgue
Mis ` part quelques cas triviaux, il est dicile de dnir une mesure non discr`te sur un espace mesua
e
e
rable (, A) par une formule. La construction repose en gnral sur le thor`me de Carathodory (voir par
e e
e e
e
exemple [1, 3]) et sur le thor`me des classes monotones (voir annexe A page 93). La mesure de Lebesgue se
e e
construit grce ` ces deux thor`mes. La construction de cette mesure est admise.
a a
e e
Notations :
Si I R est un intervalle, nous notons Long(I) sa longueur.
Si A P Rd et si a Rd , a + A = {a + y / y A}.
Proposition 1.16 (Mesure de Lebesgue sur Rd )
Il existe une unique mesure positive d sur Rd , B Rd
telle que pour tous intervalles I1 , I2 , . . . , Id de R,

d
d (I1 Id ) =
Long(Ii ).
i=1
La mesure d est appele mesure de Lebesgue sur Rd.

e
Remarque 1.9 La mesure de Lebesgue d est une mesure -nie sur Rd , B Rd .
Une deuxi`me caractrisation de la mesure de Lebesgue sur Rd est donne par le thor`me suivant.
e
e
e
e e
Thor`me 1.17
e e
La mesure de Lebesgue sur Rd , B Rd
est lunique mesure positive d sur Rd , B Rd
telle que
a Rd , A B Rd , d (a + A) = d (A),
(1.5)
et telle que d ([0, 1]d ) = 1.
Remarque 1.10 La proprit (1.5) signie que la mesure de Lebesgue est invariante par translation.
ee
Nous navons pas de formule donnant d (A) pour A un borlien quelconque de Rd . Insistons sur le fait que
e
d gnralise la notion de longueur si d = 1, daire si d = 2 et de volume si d = 3.
la mesure de Lebesgue sur R e e
10
1.2.4
Mesure Produit
Proposition 1.18 (Mesure produit)

Soient (1 , A1 , 1 ) et (2 , A2 , 2 ) deux espaces mesurs. Si 1 est une mesure positive -nie sur lespace
e
mesurable (1 , A1 ) et si 2 est une mesure positive -nie sur lespace mesurable (2 , A2 ), alors il existe
une unique mesure positive sur (1 2 , A1 A2 ) telle que
A1 A1 , A2 A2 , (A1 A2 ) = 1 (A1 )2 (A2 )
avec pour convention 0 + = + 0 = 0 et + + = +. Cette mesure , que nous notons
sous la forme
= 1 2 ,
est appele mesure produit sur (1 2 , A1 A2 ) et est -nie.
e
Remarque 1.11 Si 1 et 2 sont deux mesures positives nies, alors la mesure produit 1 2 est bien dnie
e
et est nie. Si de plus 1 et 2 sont deux probabilits, alors 1 2 est une probabilit.
e
e
Remarque 1.12 La proposition 1.18 se gnralise ` lespace produit 1 2 d .
e e
a
Exemple 1.7
1. Pour tout a 1 et tout b 2 , a b = (a,b) .
2. La mesure de Lebesgue 1 tant -nie, dapr`s les propositions 1.16 et 1.18,

e
e
d = 1 1 = d .
1
d fois
1.2.5
Proprits classiques dune mesure positive

e e
Les dmonstrations des propositions suivantes sont mises en annexe.

e
Proposition 1.19
Soit (, A, ) un espace mesur.
e
1. Alors, la mesure est croissante sur A (pour linclusion), cest-`-dire que pour tous A, B A,
a
A B = (A)
(B).
2. De plus, pour tous A, B A,

(A B) + (A B) = (A) + (B).
3. Soit I un ensemble ni ou dnombrable. Si (Ai )iI est une famille dlments de A, alors
e
ee
(Ai ).
Ai
iI
iI
4. Si est une probabilit, alors, pour tout A A, (Ac ) = 1 (A).

e
Preuve de la proposition 1.19. Voir Annexe 1.5.3 de ce chapitre, page 20.
11
Donnons ` prsent la mesure dune runion croissante ou dcroissante densembles mesurables.

a e
e
e
Proposition 1.20 (Continuit monotone)
e
e
1. Si (An )nN est une suite croissante dlments de A (cest-`-dire si An A et An An+1 pour
ee
a
tout n N) alors la suite ((An ))nN est une suite croissante et
An
nN
= lim (An ).
n+
2. Si (Bn )nN est une suite dcroissante dlments de A (cest-`-dire si Bn A et Bn+1 Bn pour
e
ee
a
tout n N) telle que (B0 ) < +, alors la suite ((Bn ))nN est une suite dcroissante et
e
Bn
nN
= lim (Bn ).
n+
Preuve de la proposition 1.20. Voir Annexe 1.5.4 de ce chapitre, page 22.
1.3
Applications mesurables
Dans cette partie, (, A) et (, A ) sont deux espaces mesurables. Nous prcisons pour commencer
e
quelques notations.
Notations : Soit X : une application.
Si A est un sous-ensemble de ,
X 1 A = / X() A
est limage rciproque de A par X. Cet ensemble est aussi not {X A }.
e
e
Par ailleurs, au lieu dcrire X : , nous crivons
e
e
X : (, A) , A
pour rappeler que (respectivement ) est muni de la tribu A (respectivement A ) et que X est une
application dnie sur ` valeurs dans .
e
a
1.3.1
Dnitions et premi`res consquences

e
e
e
Dnition 1.21 (Application mesurable)

e
Une application X : (, A) ( , A ) est mesurable (par rapport aux tribus A et A ) si
A A , X 1 A A.
Remarque 1.13 Si (, A, ) est un espace de probabilit, une application mesurable X : (, A) ( , A )
e
est appele variable alatoire (en abrg v.a.) ` valeurs dans .
e
e
e e
a
12
Exemple 1.8
1. Toute application constante est mesurable quelles que soient les tribus A et A .
2. Supposons que = R et que A = B(R). Considrons un ensemble A . Rappelons que la fonction
e
indicatrice 1A de A est dnie par
e
1 si A
1A () =
0 si A.
/
Alors, pour tout A A ,
11 A =
A
si 0 A
/
A si 0 A .
Par suite, comme A, lapplication 1A : (, A) (R, B(R)) est mesurable si et seulement si A A.

Remarque 1.14 Considrons un ensemble = [0, 1], A = {0} et les tribus A1 = (A) = {, {0}, ]0, 1], } et
e
A2 = {, }. Si est muni de la tribu A1 , la fonction 1{0} : (, A1 ) (R, B(R)) est mesurable car {0} A1 .
Par contre, si est muni de la tribu A2 , la fonction 1{0} : (, A2 ) (R, B(R)) nest pas mesurable car
{0} A2 . La notion de fonction mesurable dpend des tribus dont sont munis les espaces et .
/
e
Lensemble des fonctions mesurables dnies sur (muni de la tribu A) ` valeurs dans Rd (muni de la tribu
e
a
B Rd ) est un espace vectoriel. De plus, si d = 1, cet ensemble poss`de une structure dalg`bre.
e
e
Proposition 1.22
Soit (, A) un espace mesurable.
1. Soient X : (, A) Rd , B Rd et Y : (, A) Rd , B Rd
pour tout (a, b) R2 , lapplication
des applications mesurables. Alors
aX + bY : (, A) Rd , B Rd
est mesurable. De plus, si d = 1, le produit XY : (, A) (R, B(R)) est mesurable.
2. Soient (1 , A1 ) et (2 , A2 ) deux espaces mesurables. Si les applications X : (, A) (1 , A1 ) et
Y : (1 , A1 ) (2 , A2 ) sont mesurables, alors la compose
e
Y X : (, A) (2 , A2 )
est une application mesurable.
Remarque 1.15 La proposition 1.22 reste vraie pour des fonctions ` valeurs dans R tant que les oprations
a
e
d par la tribu B Rd .
sont bien dnies et en remplaant la tribu B R
e
c
Pour terminer cette section, prcisons un tout petit changement de vocabulaire dans le cas o` les espaces
e
u
et sont des espaces mtriques munis de leur tribu borlienne.
e
e
Dnition 1.23 (Application borlienne)
e
e
Soient et deux espaces mtriques. Une application borlienne X : est une application
e
e
X : (, B()) ( , B( )) mesurable (par rapport aux tribus borliennes B() et B( )).
e
13
1.3.2
Un exemple : les fonctions tages

e
e
Nous donnons ` prsent un exemple important de fonctions mesurables : les fonctions tages. Lintgrale
a e
e e
e
de Lebesgue sera construite pour des fonctions tages positives puis prolonge par un argument de densit.
e e
e
e
Dnition 1.24 (Fonction tage)
e
e
e
Soit (, A) un espace mesurable. Une application X : (, A) R, B R
est tage si
e
e
i 1Ai
X=
i=1
avec n N , A1 , . . . , An A des ensembles mesurables non vides deux a deux disjoints, i R pour tout
`
i = 1, . . . , n et avec la convention + 0 = 0 = 0.
e
Remarque 1.16 Une fonction tage X : (, A) R, B R est mesurable en tant que combinaison linaire
e e
nie de fonctions mesurables. De plus, dans la dnition 1.24, nous pouvons supposer que les ensembles Ai ,
e
1 i n, forment une partition de (quitte ` introduire An+1 = ( n Ai )c et n+1 = 0).
a
i=1
Exemple 1.9
e e
1. Toute fonction constante ` valeurs dans R est une fonction tage.
a
2. Soit I un intervalle de R. Une fonction f : I R en escalier prenant un nombre ni de valeurs est une
fonction tage sur lespace mesurable (I, B(I)).
e e
3. La fonction 1Q est une fonction tage mais nest pas une fonction en escalier.
e e
Terminons cette section en remarquant quune fonction tage est simplement une fonction mesurable qui
e e
ne prend quun nombre ni de valeurs.
Proposition 1.25
Soient (, A) un espace mesurable et X : R une application.
1. Alors la fonction X est tage si et seulement si X : (, A) R, B R
e e
mesurable qui prend un nombre ni de valeurs.
est une application
2. De plus, si X est une fonction tage prenant exactement les n valeurs distinctes 1 , . . . , n alors
e e
n
X=
i=1
1.3.3
i 1Ai avec Ai = X 1 ({i }).
Proprits
e e
Donnons un crit`re de mesurabilit tr`s utile dans le cas o` la tribu A est engendre par un ensemble S .
e
e e
u
e
Proposition 1.26 (Crit`re de mesurabilit lorsque A = (S ))
e
e
Soient (, A) et ( , A ) deux espaces mesurables. Supposons que A = (S ) est la tribu engendre par
e
S P( ) sur . Alors la fonction X : (, A) ( , A ) est mesurable si et seulement si
A S , X 1 (A ) A.
14
Nous pouvons ` prsent donner un exemple simple de fonctions borliennes : les fonctions continues.
a e
e
Corollaire 1.27
Si E et F sont deux espaces mtriques, alors toute application X : E F continue est borlienne.
e
e
Preuve du corollaire 1.27. Notons O lensemble des ouverts de E et O lensemble des ouverts de F .
Lapplication X tant continue,
e
A O , X 1 A O B(E).
Alors, dapr`s la proposition 1.26, lapplication X est borlienne car (O ) = B(F ).
e
e
Etudions la mesurabilit dune fonction ` valeurs dans un espace produit.

e
a
Corollaire 1.28 (Mesurabilit dune fonction ` valeurs dans 1 d)
e
a
Soient (, A), (1 , A1 ), . . . , (d , Ad ) des espaces mesurables. Nous munissons lespace 1 d de
la tribu produit A1 Ad . Considrons des applications
e
X (i) : i ,
ainsi que lapplication X = X (1) , . . . , X (d) . Alors, lapplication

X : (, A) (1 d , A1 Ad )
est mesurable si et seulement si pour tout 1
d, X (i) : (, A) (i , Ai ) est mesurable.
Preuve du corollaire 1.28. Voir Annexe 1.5.6, page 24.
Etudions ` prsent la mesurabilit dune limite simple de fonctions mesurables.

a e
e
Proposition 1.29 (Limite simple de fonctions mesurables)
Considrons (Xn )nN une suite dapplications mesurables dnies sur muni de la tribu A a valeurs
e
e
`
d
dans R muni de la tribu B R
. Si (Xn )nN converge simplement vers la fonction X, cest-`-dire si

a
, Xn () X(),

n+
alors la fonction X : (, A) R , B R
est mesurable.
Remarque 1.17 Nous pouvons remplacer R par Rd ou par I B R
dans la proposition prcdente.

e e
Remarque 1.18 En tant que limite simple de fonctions tages (ou de fonctions en escalier), toute fonction
e e
constante par morceaux sur R est borlienne.
e
15

Supposons d = 1. La suite (Xn )nN convergeant simplement vers X,
t R, {X
t} =
lim Xn
n+
Xm
t+
pN nN m n
1
.
p
Les variables Xk , k N, tant mesurables, pour tout m N, tout p N et tout t R,

e
Xm
car , t +
1
p
t+
1
p
= X 1
, t +
1
p
B R . La tribu A tant stable par runion dnombrable et intersection dnombrable,

e
e
e
e
t R, {X
Xm
t} =
pN nN m n
t+
1
p
A.
Dapr`s la proposition 1.26, lapplication X est mesurable car B R = ({[, t] / t R}) .

e
Le cas d
2 est une consquence de la premi`re partie de cette preuve et du corollaire 1.28.

e
e
Terminons cette section par un exemple.

Exemple 1.10 Considrons lapplication
e
f : R R R
x (cos(x), [x])
o` [y] dsigne la partie enti`re du rel y.
u
e
e
e
La fonction cos tant continue sur R, elle est borlienne dapr`s le corollaire 1.27.
e
e
e
La fonction partie enti`re tant constante par morceaux sur R, elle est borlienne dapr`s la remarque 1.18.
e e
e
e
Alors, dapr`s le corollaire 1.28, lapplication f est borlienne car B R2 = B(R) B(R).
e
e
1.4
Ensembles ngligeables
e
Jetons une pi`ce de monnaie quilibre une innit de fois. Lv`nement la pi`ce tombe toujours sur face
e
e
e
e
e e
e
est un v`nement non vide de probabilit nulle ; il sagit dun v`nement ngligeable. La notion densembles
e e
e
e e
e
ngligeables joue un rle important en thorie de la mesure (voir par exemple le chapitre 4).
e
o
e
Dnition 1.30 (Ensemble ngligeable)
e
e
e
1. Une partie N de est dite -ngligeable si
e
A A tel que N A et (A) = 0.
2. Une proprit () qui dpend de est dite vraie -presque partout si lensemble
ee
e
{ / () est fausse} est -ngligeable.
e
16
Remarque 1.19 Si lespace (, A, ) est un espace de probabilit (cest-`-dire si est une probabilit sur
e
a
e
(, A)), une proprit vraie -presque partout est dite vraie -presque s rement.
ee
u
Remarque 1.20 Un ngligeable N P() nappartient pas ncessairement ` la tribu A. Par consquent, la
e
e
a
e
mesure de N nest pas en gnral dnie. Mais si N A, N est -ngligeable si et seulement si (N ) = 0.
e e
e
e
Exemple 1.11 Soit (, A, ) un espace mesur.
e
1. Tout ensemble mesurable de mesure nulle est ngligeable.
e
2. Deux fonctions X et Y sont gales presque partout si { / X() = Y ()} est ngligeable.
e
e
3. Une suite de fonctions (Xn )nN converge presque partout vers X sil existe un ensemble ngligeable N
e
tel que si N , Xn () converge vers X().
/
4. Une fonction X est dnie presque partout sur si elle est dnie sur \N avec N ngligeable.
e
e
e
Proposition 1.31
e
1. Soient N P() et N P(). Si N N et si N est ngligeable alors N est ngligeable.
e
e
2. Soit I un ensemble ni ou dnombrable. Si (Nk )kI est une famille densembles ngligeables, alors
e
e
lensemble
Nk est ngligeable.
e
kI
Introduisons ` prsent la notion despace mesur complet.

a e
e
Dnition 1.32 (Espace mesur complet)
e
e
Un espace mesur (, A, ) est complet si toute partie ngligeable appartient a A.
e
e
`
Attention : Ne pas confondre la notion despace mesur complet et la notion despace mtrique
e
e
complet. Ces notions ne sont pas lies.
e
Le thor`me suivant montre que lon peut toujours supposer quun espace mesur est complet.
e e
e
Thor`me 1.33 (Compltion dun espace mesur)
e e
e
e
Soit (, A, ) un espace mesur. Notons N lensemble des parties -ngligeables de (, A) et
e
e
A = {A N / A A, N N }.
1. A est la plus petite tribu contenant A et N , cest-`-dire que A = (A N ).
a
2. Il existe une unique mesure positive sur (, A ) telle que
A A, (A) = (A).
3. Lespace mesur (, A , ) est complet.
e
4. Si est une probabilit sur (, A), est une probabilit sur (, A ).

e
e
17
Remarque 1.21 Soit (, A, ) un espace mesur. Si f : (, A) ( , A ) est mesurable par rapport aux
e
, alors f : (, A ) ( , A ) est mesurable par rapport aux tribus A et A car A A .
tribus A et A
Exemple 1.12
1. Lespace (, P(), ) est toujours complet.
ee
2. Lespace mesur Rd , B Rd , d nest pas un espace complet. La tribu complte
e
L Rd = B Rd
est appele tribu de Lebesgue sur Rd . Par ailleurs, lunique mesure prolongeant la mesure de Lebesgue
e
d ` L Rd est toujours note d et appele mesure de Lebesgue sur Rd .
a
e
e
Lorsque lon consid`re des espaces mesurs complets au sens de la dnition 1.32, un des avantages est que
e
e
e
si lon modie une fonction mesurable sur un ngligeable, on obtient une nouvelle fonction mesurable.
e
Proposition 1.34
Soient (, A, ) un espace mesur complet.
e
1. Soit f : (, A) ( , A ) une fonction mesurable. Si g est gale -presque partout a f , alors la
e
`
fonction g : (, A) ( , A ) est mesurable.
2. Pour tout n N, considrons Xn : (, A) R, B R une fonction mesurable. Supposons que
e
pour -presque tout , la suite (Xn ())nN converge vers une limite note X() dans R,
e
cest-`-dire quil existe un ensemble ngligeable N tel que
a
e
w , Xn () X().
/

n+
La fonction X nest donc a priori dnie que -presque partout. Tout prolongement de X sur est
e
mesurable par rapport aux tribus A et B R .
1.5
1.5.1
Annexes
Preuve de la proposition 1.6, voir nonc page 6
e
e
Soit O (respectivement F) lensemble des ouverts (respectivement ferms) de R. Alors, B(R) = (O) = (F).
e
1. Montrons que (S1 ) = B(R).
Etant donn que S1 O dapr`s la proposition 1.4 page 5,

e
e
(S1 ) (O) = B(R).
(1.6)
Soit A O. Louvert A scrit comme une runion dnombrable dintervalles ouverts, cest-`-dire que
e
e
e
a
A=
An
nN
avec An S1 pour tout n N. La tribu (S1 ) tant stable par runion dnombrable, A (S1 ). Par
e
e
e
consquent, O (S1 ). Alors, B(R) = (O) (S1 ) car (O) est la plus petite tribu sur R contenant O.
e
Vu linclusion (1.6), B(R) = (S1 ).
18
2. Montrons que (S2 ) = B(R).
Etant donn que S2 F, dapr`s la proposition 1.4 page 5,

e
e
(S2 ) (F) = B(R).
(1.7)
Soit A S1 un intervalle ouvert. Alors Ac (S2 ) (car Ac est une runion dnombrable dintervalles
e
e
ferms). La tribu (S2 ) tant stable par passage au complmentaire, A (S2 ). Par consquent, S1 (S2 ).
e
e
e
e
Alors,
(S1 ) = B(R) (S2 )
(1.8)
car (S1 ) est la plus petite tribu sur R contenant S1 .
Vu les inclusions (1.7) et (1.8), B(R) = (S2 ).
3. Montrons que (S3 ) = (S4 ) = B(R).
Etant donn que S4 S2 , dapr`s la proposition 1.4 page 5,

e
e
(S4 ) (S2 ) = B(R).
(1.9)
Soit I S3 . Par dnition de S3 , il existe (a, b) R2 tel que a < b et I = [a, b[. Alors,
e
+
I = [a, b[=
n=1
, b
1
n
, a
1
n
La tribu (S4 ) tant stable par passage au complmentaire et intersection dnombrable, I (S4 ). Par
e
e
e
consquent, S3 (S4 ) car pour tout c R, ] , c] S4 (S4 ). Alors, tant donn que (S3 ) est la
e
e
e
plus petite tribu sur R contenant S3 ,
(S3 ) (S4 ).
(1.10)
+
Remarquons que R =
n=1
]a, +[=
a+
n=1
[n, n[. De plus, pour tout (a, b) R2 ,
1
, n , ] , b[=
n
+
n=1
n, b
1
n
et, si a < b, ]a, b[=
a+
n=1
1
1
,b
.
n
n
Alors, par stabilit par runion dnombrable de (S3 ) qui contient S3 , R (S3 ), ]a, +[ (S3 ) et
e
e
e
]a, b[ (S3 ) pour tous rels a, b tels que a < b. Ainsi, S1 (S3 ). Etant donn que (S3 ) est une tribu sur
e
e
R contenant S1 ,
(S1 ) = B(R) (S3 ).
(1.11)
Vu les inclusions (1.9), (1.10) et (1.11), B(R) = (S3 ) = (S4 ).
1.5.2

e
e
Considrons (n )nN des mesures positives sur (, A) et (n )nN ]0, +]N . En adoptant les conventions
e
+ 0 = 0 et + + = +, nous allons montrer que lapplication
=
nN
n n : A [0, +]
A
n n (A)
nN
est bien dnie et est une mesure positive sur (, A). En particulier, nous aurons montr que
e
e
bien une mesure positive.
19
(1.12)
n an est
nN
1. Montrons que est bien dnie ` valeurs dans [0, +].

e
a
Soit A A. Pour tout n N, tant donn que n ]0, +] et n (A) [0, +],
e
e
n n (A) [0, +]
car par convention + 0 = 0 et + + = +. Alors, en tant que somme dlments de [0, +],
ee
(A) =
n n (A)
nN
est bien dni et (A) [0, +].

e
2. Montrons que est -additive.
Soit (Ap )pN une suite dlments de A deux ` deux disjoints. Alors,
ee
a
pN
Ap =
n=0
n n
pN
Ap =
n (Ap )
n=0
p=0
par dnition de et par -additivit des mesures n , n N. Remarquons que pour tout n N,
e
e
+
n n (Ap ).
n (Ap ) =
p=0
p=0
Lgalit prcdente est vidente si n < +. Dans le cas o` n = +, on vrie aisment (laiss en
e
e e e
e
u
e
e
e
exercice) que lgalit reste vraie vu les conventions adoptes. Ainsi,
e
e
e
pN
Ap =
n=0
p=0
n n (Ap ).
Tous les termes tant dans [0, +], nous pouvons changer les deux sommes et ainsi crire
e
e
e
pN
Ap =
n n (Ap )
p=0
(Ap ).
p=0
n=0
3. Etant donn que n () = 0 pour tout n N et que par convention + 0 = 0,

e
n n () =
() =
nN
nN
n 0 = 0.
Vu les points 1., 2. et 3. est une mesure positive sur (, A).
1.5.3

e
e
1. Montrons que est croissante pour linclusion.

Soient A, B A tels que A B. Alors,
B = B\A A
avec B\A = B Ac A (car A est une tribu contenant A et B). Les ensembles mesurables B\A et A tant
e
disjoints, par additivit de ,
e
(B) = (B\A) + (A).
Alors, tant donn que (B\A)

e
e
0, (A)
(B).
20
2. Montrons lassertion 2. de la proposition 1.19.

Soient A, B A. Alors, par stabilit par runion nie de la tribu A, A B A et donc (A B) est bien
e
e
dni. De mme par stabilit par intersection ni de A, (A B) est bien dni.
e
e
e
e
Remarquons que A B = A (B\A). Les ensembles A et B\A sont disjoints et appartiennent ` A (car
a
A, B A et car A est une tribu). Alors, par additivit de la mesure ,
e
(A B) = (A) + (B\A).
Do`, (A B) + (A B) = (A) + (B\A) + (A B).
u
De plus, les ensembles B\A A et A B A sont disjoints et (B\A) (A B) = B. Alors, par additivit
e
de la mesure ,
(B\A) + (A B) = (B).
Par consquent,
e
(A B) + (A B) = (A) + (B\A) + (A B) = (A) + (B).
Supposons I inni dnombrable. Nous pouvons alors supposer I = N. Considrons alors (An )nN une suite
e
e
= A et pour tout n N ,
dlments de A. Posons A0
ee
0
n1
n1
A
n
= An \
Ak =
k=0
k=0
An Ac .
k
Alors les A , n N, sont des lments de A (car A est stable par intersection nie et passage au
ee
n
complmentaire) deux ` deux disjoints. De plus,
e
a
A0 An = A A
n
0
et
A .
n
An =
nN
nN
Par consquent, par -additivit de la mesure ,

e
e
k
A
n
An
k+
nN
nN
nN
(A ).
n
(A ) = lim
n
n=0
Ainsi, par additivit de ,

e
An
nN
= lim (A A )
0
k
k+
(1.13)
a
car les ensembles A , . . . , A A sont deux ` deux disjoints.
0
k
De plus, pour tout A, B A, en appliquant lassertion 2. de la proposition 1.19 (assertion dmontre) et en
e
e
utilisant la positivit de , nous constatons que
e
(A B)
(A) + (B).
En raisonnant par rcurrence sur n, nous montrons alors que

e
A
n
(An ).
An
n=0
n=0
n=0
Do`, en faisant tendre k + dans (1.14) et en utilisant (1.13), nous avons :

u
+
(An ).
An
n=0
nN
21
(1.14)
Supposons I ni. Nous pouvons alors supposer I = {0, 1, . . . , p} avec p N. Considrons (Ai )iI une
e
famille de A. Posons An = pour tout entier n p. Alors,
+
n=0
nN
iI
car pour tout entier n
(An ) =
An
Ai
(Ai )
iI
p, (An ) = () = 0.
Supposons que est une probabilit sur (, A) et prenons A A. Etant donn que A et Ac sont deux
e
e
lments de A, dapr`s lassertion 2. de la proposition 1.19 (assertion dmontre),
ee
e
e
e
(A Ac ) + (A Ac ) = (A) + (Ac ).
Alors, comme A Ac = , A Ac = et () = 0,
() = (A) + (Ac ).
La mesure tant une probabilit, () = 1 et (Ac ) < +. Par consquent, (A) = 1 (Ac ).
e
e
e
1.5.4

e
e

Soit (An )nN une suite croissante dlments de A. Alors, dapr`s lassertion 1. de la proposition 1.19, la
ee
e
suite ((An ))nN est une suite croissante dans [0, +]. Elle admet donc une limite dans [0, +].
Posons A = A0 et pour tout n N ,
0
A = An \An1 .
n
Pour tout n N, A A car A est une tribu qui contient les ensembles Ap , p N. Par ailleurs, les ensembles
n
A , n N, sont deux ` deux disjoints car Ap Ap+1 pour tout p N. Alors, en utilisant ladditivit et la
a
e
n
-additivit de comme dans la preuve de la proposition 1.19, nous obtenons :
e
k
A
n
A = lim
n
k+
nN
nN
A .
n
n=0
Par dnition des ensembles A , pour tout k N,

e
p
k
A
n
Ak =
et
n=0
A .
n
An =
nN
nN
Par suite,
k
An
nN
A
n
=
nN
A
n
= lim
k+
n=0
= lim (Ak ).
k+

Soit (Bn )nN une suite dcroissante dlments de A. Pour tout n N, posons An = B0 \Bn . La suite
e
ee
(An )nN est alors une suite croissante dlments de A. Remarquons que
ee
nN
An = B0 \
22
Bn
nN
avec (B0 ) < +. Par consquent, dapr`s lassertion 2. de la proposition 1.19 page 11,
e
e
= (B0 )
An
nN
Bn
nN
car nN Bn
(B0 ) < +. En appliquant lassertion 1. de la proposition 1.20 (assertion dmontre)
e
e
a
` la suite croissante (An )nN , nous obtenons alors :
(B0 )
An
Bn
= lim (Ak ).
k+
nN
nN
De plus, pour tout n N, dapr`s lassertion 2. de la proposition 1.19 page 11,

e
(An ) = (B0 ) (Bn )
car (Bn )
(B0 ) < + (par croissance de pour linclusion). Par consquent,

e
(B0 )
Bn
nN
= lim (Ak ) = (B0 ) lim (Bk ),

k+
k+
Alors,
= lim (Bk )
Bn
k+
nN
car (B0 ) < +.
1.5.5
Preuve du corollaire 1.26, voir nonc page 14

e
e
Considrons une fonction X : .

e
Si X : (, A) ( , A ) est mesurable, alors pour tout A S , X 1 (A ) A car S A .

Rciproquement, supposons que pour tout A S , X 1 (A ) A. Considrons lensemble
e
e
T = {A A / X 1 (A ) A}.
Montrons que T est une tribu sur .
(i) Par dnition, T P( ) car A P( ).

e
(ii) A tant une tribu sur , X 1 ( ) = A. Alors, par dnition de T , T .

e
e
(iii) Soit B T . Alors, X 1 (B) A. La tribu A tant une tribu, X 1 (B c ) = X 1 (B)c A. Ainsi, par
e
dnition de T , B c T . Ceci tant vrai pour tout B T , T est stable par passage au complmentaire.
e
e
e
(iv) Soit (Bn )nN une famille de T . Remarquons que
X 1
X 1 (Bn ).
Bn
nN
nN
Pour tout n N, X 1 (Bn ) A. Alors, par stabilit par runion dnombrable de la tribu A,
e
e
e
X 1
Bn
nN
=
nN
X 1 (Bn ) A
e
e
et donc nN Bn T . Ceci tant vrai pour toute famille (Bn )nN de T , T est stable par runion
dnombrable.
e
23
Dapr`s (i), (ii), (iii) et (iv), T est une tribu sur . De plus,
e
S T A .
La tribu A = (S ) tant la plus petite tribu sur contenant S , nous avons : A T . Alors, par dnition
e
e
de T ,
A A , X 1 A A.
Lapplication X : (, A) ( , A ) est donc mesurable.
1.5.6
Preuve du corollaire 1.28, voir nonc page 15

e
e
Rappelons que par dnition,

e
A1 Ad = ({A1 Ad / Ai Ai , 1
d}).
Par consquent, dapr`s la proposition 1.26 page 14, X : (, A) (1 d , A1 Ad ) est

e
e
mesurable si et seulement si
d
(A1 , . . . , Ad ) A1 Ad , X 1 (A1 Ad ) =
Supposons que tous les X (i) : (, A) (i , Ai ), 1
et pour tout Ai Ai ,
X (i)
X (i)
i=1
(Ai ) A.
d, sont mesurables. Alors, pour tout 1
(Ai ) A.
Par consquent, par stabilit de A par intersection nie,

e
e
d
(A1 , . . . , Ad ) A1 Ad ,
X (i)
i=1
(Ai ) A,
ce qui signie que X : (, A) (1 d , A1 Ad ) est mesurable.

Supposons que X : (, A) (1 d , A1 Ad ) est mesurable. Fixons 1
Aj = j pour j = i, 1 j d. Alors, pour tout Ai Ai ,
X (i)
car pour j = i, X (j)
ce quel que soit 1 i
d. Posons
(Ai ) = X 1 (A1 Ad ) A
(Aj ) = et car X est mesurable. Ainsi, X (i) : (, A) (i , Ai ) est mesurable, et

d.
24
Chapitre 2
Intgrale de Lebesgue
e
Dans ce chapitre, (, A, ) est un espace mesur. Nous allons dnir lintgrale dune fonction f ayant
e
e
e
de bonnes proprits sur lensemble par rapport ` . Lorsquelle est bien dnie, cette intgrale est note
ee
a
e
e
e
indiremment sous lune des formes suivantes (en fonction des livres) :
e
(f ),
f (x) (dx).
f (x) d(x) et
f d,
f d,
Apr`s avoir dni lintgrale au sens de Lebesgue (section 2.1), nous nous intressons ` ses proprits (sece
e
e
e
a
ee
tions 2.2, 2.3 et 2.4) puis la comparons ` lintgrale au sens de Riemann lorsque R. La section 2.2 regroupe
a
e
des proprits gnrales de lintgrale de Lebesgue. Dans la section 2.3, nous donnons des thor`mes permettant
ee e e
e
e e
dchanger limite et intgrale, cest-`-dire dcrire
e
e
a
e
lim
n+
fn d =
lim fn d.
n+
Ces thor`mes ont pu tre noncs en classe prparatoire dans le cadre des fonctions continues sur R. Lintgrale
e e
e e
e
e
e
introduite par Henri Lebesgue permet de les dmontrer assez simplement dans un cadre bien plus gnral.
e
e e
La section 2.4 est quant ` elle ddie au thor`me de Fubini, thor`me qui permet de ramener le calcul dune
a
e e
e e
e e
intgrale double sur un espace produit 1 2 aux calculs dintgrales simples . Enn, la section 2.5
e
e
est consacre ` la comparaison de lintgrale au sens de Riemann avec celle au sens de Lebesgue.
e a
e
Dans tout ce chapitre, nous considrons des fonctions dnies sur ` valeurs dans R mesue
e
a
rables lorsque lespace de dpart est muni de la tribu A et lespace darrive R de la tribu
e
e
e
e
e
a
borlienne B R . Par ailleurs, E+ dsigne lensemble des fonctions tages sur (, A) ` valeurs dans
e
[0, +] et nous adoptons les conventions suivantes :
+ 0 = 0 (+) = 0,
(+) + (+) = +,
(2.1)
(+) (+) = +
a > 0, a (+) = +.
2.1
Dnition de lintgrale et premi`res proprits

e
e
e
e e
2.1.1
Intgrale dune fonction tage positive

e
e
e
La fonction tage la plus simple est une indicatrice. Commenons par donner la dnition de son intgrale.
e e
c
e
e
Dnition 2.1 (Intgrale dune indicatrice)
e
e
Soit A A. Lintgrale de la fonction 1A par rapport ` la mesure sur est la mesure (A)
e
a
de A, cest-`-dire que
a
1A d = (A).
25
Exemple 2.1
1. Supposons que = a avec a . Alors, pour tout A A,
1A da = 1A (a).
2. Supposons = R et = 1 . Alors, pour tout a, b R tels que a < b,

R
1[a,b] d1 = 1 ([a, b]) = b a.
Lintgrale de la fonction f = 1[a,b] peut sinterprter comme la longueur de lintervalle [a, b] mais aussi
e
e
comme laire entre la courbe reprsentative de la fonction f = 1[a,b] et laxe des abscisses.
e
Considrons maintenant une fonction f tage ` valeurs dans [0, +], cest-`-dire une fonction de la forme
e
e e a
a
n
i 1Ai ,
f=
(2.2)
i=1
N ,
avec n
i [0, +] pour tout i = 1, . . . , n et (Ai )1 i n An . Lorsque lon dnit une notion dintgrale,
e
e
il est classique de faire en sorte que cette intgrale soit linaire (comme lest lintgrale de Riemann). Par
e
e
e
consquent, il est naturel de vouloir dnir lintgrale de f par
e
e
e
n
f d =
i=1
i (Ai ).
1Ai d =
(2.3)
i=1
La valeur de (2.3) ne dpend pas de lcriture (2.2), ce qui permet dcrire la dnition suivante.
e
e
e
e
Dnition 2.2 (Intgrale dune fonction tage positive)
e
e
e
e
Soit f une fonction tage a valeurs dans [0, +]. Ecrivons

e e `
n
i 1Ai ,
f=
i=1
avec n N , i [0, +] pour tout 1

i
n et (Ai )1
rapport ` est alors dnie (sans ambigut) par
a
e
e
i n
An . Lintgrale de f sur par

e
i (Ai ).
f d =
Exemple 2.2
1. Soient a et f =
i=1
n
i=1
i 1Ai avec n N , (Ai )1
i n
[0, +]n . Alors,
i=1
i=1
2. Supposons = R et = 1 . Considrons la fonction en escalier f =

e
et t1 , . . . , tn+1 des rels tels que t1 tn+1 . Alors,
e
n
f d1 =
R
i n
i 1Ai (a) = f (a).
i a (Ai ) =
f da =
An et (i )1
i=1
26
i (ti+1 ti ).
n
i=1 i 1[ti ,ti+1 [
avec n N , i R+
Nous nonons ` prsent deux proprits de lintgrale. La premi`re nous sera utile pour dnir lintgrale
e
c
a e
ee
e
e
e
e
de fonctions mesurables positives (voir proposition 2.17 pour une version plus gnrale).
e e
Proposition 2.3
Soient f et g deux fonctions tages a valeurs dans [0, +].
e e `
1. Si f
g d.
f d
g, alors
2. De plus,
f d = 0 f = 0 -presque partout.
Preuve de la proposition 2.3. Soient f et g deux fonctions tages ` valeurs dans [0, +]. Il existe alors une
e e a
famille (Ai )1 i n An , avec n N , densembles formant une partition de telle que
n
i 1Ai
f=
et
i 1Ai
g=
i=1
i=1
avec i , i [0, +] pour tout 1 i n. Supposons que f

une partition de , pour tout 1 i n, i i .
1. Alors, vu les conventions adoptes, pour tout 1
e
suite,
i n
n formant
i (Ai ) car (Ai )
0. Par
g d.
i (Ai ) =
i (Ai )
f d =
2. Etant donn que (Ai )1

e
n, i (Ai )
g. Les ensembles Ai , 1
i=1
i=1
est une famille de A et est une partition de ,
f = 0 -presque partout 1
n, i = 0 ou (Ai ) = 0.
Alors, vu les conventions (2.1), f = 0 -presque partout 1
Etant donn que pour tout 1

e
n, i (Ai )
n, i (Ai ) = 0.
0,
f d =
2.1.2
i=1
i (Ai ) = 0 (1
n, i (Ai ) = 0) f = 0 -presque partout.
Intgrale dune fonction mesurable positive

e
Dans cette partie, f : (, A) ([0, +], B([0, +])) est une fonction mesurable. An de dnir lintgrale
e
e
de f , nous approchons la fonction f par une suite de fonctions tages.
e e
Proposition 2.4 (Approximation de f par une suite de fonctions tages)
e
e
Si f : (, A) ([0, +], B([0, +])) est une fonction mesurable a valeurs dans [0, +], alors il existe
`
une suite (fn )nN croissante de fonctions tages dnies sur (, A) a valeurs dans [0, +] qui converge
e e
e
`
simplement vers f , cest-`-dire telle que
a
, fn () f ().
n+

27
Nous pouvons donc considrer une suite de fonctions tages (fn )nN ` valeurs dans [0, +] telle que
e
e e
a
, lim fn () = f ().
n+
Alors, dapr`s la proposition 2.3, la suite

e
fn d
nN
est une suite croissante dlments de [0, +] donc admet une limite dans [0, +]. La proposition suivante
ee
montre que cette limite de dpend pas du choix de la suite (fn )nN , ce qui permet de poser
e
f d = lim
n+
fn d.
Proposition 2.5
Si (gn )nN et (fn )nN sont des suites croissantes de fonctions tages a valeurs dans [0, +] convergeant
e e `
fn d
simplement vers f , alors les suites
lim
gn d
et
nN
n+
fn d = lim
convergent dans [0, +] et

nN
n+
gn d.
Preuve de la proposition 2.5. Voir annexe 2.6.2 page 45. La preuve utilise lassertion 2. de la proposition 2.3.
Comme annonc, nous pouvons ` partir de la proposition 2.4 et de la proposition 2.5 dnir lintgrale
e
a
e
e
dune fonction mesurable positive.
Dnition 2.6 (Intgrale dune fonction mesurable positive)
e
e
Soit f : (, A) ([0, +], B([0, +])) une fonction mesurable a valeurs dans [0, +]. Alors, dapr`s
`
e
la proposition 2.4, il existe une suite croissante (fn )nN de fonctions tages a valeurs dans [0, +] qui
e e `
converge simplement vers f . Lintgrale de f sur par rapport ` est alors dnie par
e
a
e
f d = lim
n+
fn d [0, +].
Lintgrale de f est bien dnie car dapr`s la proposition 2.5 la limite prcdente ne dpend pas du choix
e
e
e
e e
e
de (fn )nN .
Remarque 2.1 Evidemment, si f est tage mesurable ` valeurs dans [0, +] alors les dnitions 2.2 et 2.6
e e
a
e
de lintgrale de f co
e
ncident.
Nous pouvons aussi interprter lintgrale de f ` laide de la proposition suivante.

e
e
a
Proposition 2.7
Si f : (, A) ([0, +], B([0, +])) est une fonction mesurable a valeurs dans [0, +], alors
`
d /
f d = sup
f et E+
o` E+ dsigne lensemble des fonctions tages sur (, A) a valeurs dans [0, +].
u
e
e e
`
28
Nous terminons cette section en gnralisant la proposition 2.3. Les proprits regroupes dans cette proe e
ee
e
position seront nonces dans un cadre plus gnral lorsque nous aurons ni la construction de lintgrale au
e
e
e e
e
sens de Lebesgue (voir proposition 2.17 page 34).
Proposition 2.8
Soient f : (, A) ([0, +], B([0, +])) et g : (, A) ([0, +], B([0, +])) deux fonctions mesurables a valeurs dans [0, +].
`
1. Si f
2. De plus,
g d.
f d
g alors
f d = 0 f = 0 -presque partout.
Preuve de la proposition 2.8. Soient f et g deux fonctions mesurables ` valeurs dans [0, +].
a
Dapr`s la proposition 2.4, il existe (fn )nN et (gn )nN deux suites croissantes de fonctions tages `
e
e e a
valeurs dans [0, +] telles que
, f () = lim fn () et
g() = lim gn ().
n+
1. Supposons f
n+
g. Alors, pour tout n N, gn E+ et gn

n N,
f . Do`, dapr`s la proposition 2.7,

u
e
f d
gn d
En faisant tendre n +, nous obtenons :

g d = lim
n+
f d.
gn d
2. Supposons que f est -presque partout nulle. Pour tout n N, tant donn que 0
e
e
est aussi -presque partout nulle. Alors, dapr`s la proposition 2.3,
e
n N,
f d = lim
Et donc, par dnition,

e
n+
Rciproquement supposons que

e
f , fn
fn d = 0.
fn d = 0.
f d = 0. Alors, pour tout n N,
n N, 0
fn
fn d = 0 car
f d = 0
fn d
dapr`s la proposition 2.7 (vu que fn E+ et fn f ).

e
Alors, dapr`s la proposition 2.3, pour tout n N, fn est nulle -presque partout, cest-`-dire que
e
a
An = {fn = 0} est ngligeable. Dapr`s la proposition 1.31 page 17,
e
e
A=
An
nN
est aussi ngligeable. De plus, f = lim fn = 0 sur Ac et donc f est nulle -presque partout.
e
n+
29
2.1.3
Intgrale dune fonction de signe quelconque

e
Nous rappelons la dnition de la partie ngative et de la partie positive dune fonction ` valeurs dans R.
e
e
a
Dnition 2.9 (Parties positive et ngative)
e
e
Si f : R est une fonction, la partie positive de f est la fonction
f+ : [0, +]
max (f (), 0)
et la partie ngative de f est la fonction
e
f : [0, +]
min (f (), 0).
Remarque 2.2 Si f : R est une fonction, alors f = f+ f et |f | = f+ + f .
Soit f : (, A) R, B R une fonction mesurable. Alors, les fonctions f+ et f sont mesurables ` valeurs
a
dans [0, +] et donc les intgrales de f+ et f sont bien dnies et sont des lments de [0, +]. Etant guids
e
e
ee
e
par la linarit souhaite de lintgrale, nous constatons que lintgrale de f , lorsquelle existe, doit tre gale `
e
e
e
e
e
e
e
a
f+ d
f d.
La formule prcdente na pas de sens si

e e
f+ d =
f d = +,
ce qui nous conduit ` la dnition suivante.

a
e
Dnition 2.10 (Fonction intgrable)
e
e
Une fonction f : (, A) R, B R est dite intgrable par rapport a sur (ou -intgrable
e
`
e
ou intgrable si il ny a pas dambigut) si f est une application mesurable telle que
e
e
f+ d < + et
f d < +.
Dnition 2.11 (Intgrale dune fonction intgrable)

e
e
e
Si f : (, A) R, B R est une fonction -intgrable sur , lintgrale de f sur par rapport
e
e
a
` la mesure est le rel
e
f d =
f+ d
30
f d.
2.1.4
Exemples
Exemple 2.3 Soit un ensemble non vide, A = P() et = a avec a . Toute fonction f : R est
mesurable car est muni de la tribu P().
Soit f : [0, +] une fonction ` valeurs dans [0, +]. Considrons (fn )nN une suite croissante de
a
e
fonctions tages ` valeurs dans [0, +] qui converge simplement vers f . Alors, par dnition, et dapr`s
e e a
e
e
lexemple 2.2 (voir page 26) appliqu ` chaque fonction fn ,
ea
f da = lim
n+
fn da = lim fn (a) = f (a).

n+
Soit f : R une fonction. Alors,

f est a -intgrable
e
f+ da < + et
f da < +
f+ (a) < + et f (a) < + f (a) R.

Par ailleurs, si f (a) R, alors
f da =
f+ da
f da = f+ (a) f (a) = f (a).
En conclusion, une fonction f : R est a -intgrable si et seulement si f (a) R. De plus, si f : R est

e
une fonction ` valeurs dans [0, +] ou une fonction a -intgrable,
a
e
f da = f (a).
Exemple 2.4 Soit un ensemble non vide muni de la tribu A = P(). Considrons sur (, A) la mesure
e
positive
=
n an
nN
avec n ]0, +] pour tout n N et (an )nN une suite dlments de deux ` deux distincts.
ee
a
Remarquons tout dabord que toute fonction f : R est mesurable car est muni de la tribu P().
Nous pouvons alors montrer quune fonction f : R est -intgrable si et seulement si
e
nN
n |f (an )| < +.
De plus, si f : R est une fonction ` valeurs dans [0, +] ou une fonction -intgrable,
a
e
f d =
2.1.5
n f (an ).
nN
Lessentiel de la section 2.1
Il faut essentiellement retenir la dmarche de construction :

e
dterminer lensemble des fonctions mesurables,
e
dnir lintgrale dune fonction tage positive,
e
e
e e
dnir lintgrale dune fonction mesurable positive en passant ` la limite,

e
e
a
en dduire lensemble des fonctions intgrables puis lintgrale dune fonction intgrable.
e
e
e
e
31
2.2
Proprits gnrales de lintgrale

e e e e
e
Commenons par noncer la proprit de linarit de lintgrale.

c
e
ee
e
e
e
Proposition 2.12 (Additivit/Linarit)
e
e
e
Soient f, g : (, A) R, B R
deux fonctions mesurables.
1. Si f et g sont a valeurs dans [0, +] et si a, b [0, +], alors

`
g d.
f d + b
(af + bg) d = a
2. Si f et g sont -intgrables a valeurs dans R alors, pour tous rels a et b, la fonction af + bg est
e
`
e
-intgrable et
e
g d.
f d + b
(af + bg) d = a
Nous donnons un lien entre lintgrabilit dune fonction mesurable f et lintgrabilit de |f |.

e
e
e
e
Proposition 2.13 (Crit`re dintgrabilit)
e
e
e
Considrons une fonction f : (, A) R, B R .
e
1. La fonction f est -intgrable si et seulement si f est mesurable telle que
e
|f | d < +.
2. Si f est mesurable, alors, f est -intgrable si et seulement si |f | lest.

e
3. Enn, si la fonction f est -intgrable, alors
e
f d
|f | d.
Prcisons que lensemble sur lequel une fonction intgrable est innie est un ensemble ngligeable.
e
e
e
Proposition 2.14
Si f : (, A) R, B R
est une fonction -intgrable, alors f est nie -presque partout.

e
e
Preuve de la proposition 2.14. Soit f : (, A) R, B R une fonction -intgrable. Alors, comme f est
mesurable et comme {+, } B R , A = {|f | = +} = f 1 ({+, }) A. Par suite, la
fonction g = (+) 1A est une fonction mesurable tage positive telle que g |f |. Alors,
e e
g d
|f | d < +
dapr`s la proposition 2.7 et car f est -intgrable. De plus, vu nos conventions,

e
e
g d =
+ si (A) > 0
0 si (A) = 0.
Par consquent, (A) = ({|f | = +}) = 0, cest-`-dire que f est nie -presque partout.
e
a
32
Comparons maintenant les intgrales de fonctions gales presque partout.

e
e
Proposition 2.15
Soient f, g : (, A) R, B R
deux fonctions mesurables a valeurs dans R gales -presque partout.

`
e
1. Si f et g sont toutes deux a valeurs dans [0, +], alors

`
g d.
f d =
2. La fonction f est -intgrable si et seulement si g lest. De plus, si f est -intgrable, alors,

e
e
g d.
f d =
Preuve de la proposition 2.15. Posons N = {f = g}. Les fonctions f et g tant mesurables gales -presque
e
e
partout, N A et N est -ngligeable.
e
1. Supposons que f et g sont toutes deux ` valeurs dans [0, +].
a
Par additivit de lintgrale sur lensemble des fonctions mesurables positives,
e
e
f 1N d.
f 1N c d +
f d =
Comme N est -ngligeable, la fonction mesurable positive f 1N est nulle -presque partout, donc
e
dintgrale nulle par rapport ` dapr`s la proposition 2.8. Par consquent,
e
a
e
e
f 1N c d.
f d =
Par suite,
g d.
g1N c d =
f 1N c d =
f d =
g1N c d. De plus, f 1N c = g1N c .
g d =
Les mmes arguments permettent de montrer que

e
2. Remarquons que f+ = g+ -presque partout et que f = g -presque partout. Lassertion 2. est

alors une simple consquence de lassertion 1., de la dnition dune fonction intgrable et de son
e
e
e
intgrale. Les dtails sont laisss en exercice.
e
e
e
La proposition prcdente permet de dnir lintgrale de nimporte quelle fonction mesurable f ` vae e
e
e
a
leurs positives -presque partout. Les fonctions f et f 1f 0 tant mesurables et gales -presque partout, la
e
e
proposition 2.15 nous conduit ` dnir lintgrale de f comme tant celle de f 1f 0 (qui est bien dnie).
a e
e
e
e
Dnition 2.16 (Intgrale dune fonction mesurable positive presque partout)
e
e
Soit f : (, A) R, B R une fonction mesurable. Supposons que f est a valeurs dans [0, +] `
presque partout. Alors, lintgrale de f sur par rapport ` est
e
a
f 1f
f d =
33
0 d
R+ {+}.
Nous pouvons noncer une proprit analogue ` la proposition 2.8.

e
ee
a
Proposition 2.17 (Croissance de lintgrale)
e
Soient f : (, A) R, B R
et g : (, A) R, B R
g
deux fonctions mesurables telles que
f -presque partout.
1. Si les fonctions f et g sont toutes deux a valeurs dans [0, +] -presque partout ou sont toutes
`
f d.
g d
deux -intgrables, alors

e
partout.
g d, alors f = g -presque
f d =
2. Si les fonctions f et g sont toutes deux -intgrables et si

e
Nous donnons une derni`re proprit permettant de montrer quune fonction f est intgrable en
e
ee
e
dominant par une fonction que lon sait tre intgrable.
e
e
la
Proposition 2.18
Soient f et g deux fonctions mesurables dnies sur (, A) a valeurs dans R. Si |f |
e
`
et si g est -intgrable, alors f est -intgrable et
e
e
f d
|f | d
En particulier si est une mesure borne et si |f |

e
g d.
a avec a R+ , alors f est -intgrable et

e
f d
g -presque partout
|f | d
a().
Preuve de la proposition 2.18. Il sut dappliquer la proposition 2.13 et la proposition 2.17.
Nous terminons cette section par quelques remarques.

Remarque 2.3 Soient A A et f : (, A) R, B R une fonction mesurable. Si la fonction mesurable f 1A est ` valeurs dans [0, +] -presque partout ou est -intgrable, lintgrale de f sur A est
a
e
e
f 1A d.
f d =
Remarque 2.4 Soit f : (, A) (C, B(C)).

1. La fonction ` valeurs complexes f est dite -intgrable si Re(f ) et Im(f ) sont des fonctions -intgrables.
a
e
e
2. Si f est mesurable, f est -intgrable si et seulement si |f | est -intgrable.
e
e
3. Si f est -intgrable, lintgrale de f sur par rapport ` est
e
e
a
Im(f ) d.
Re(f ) d + i
f d =
4. Les rsultats de cette section sauf la proposition 2.17 se gnralisent aux fonctions ` valeurs complexes.
e
e e
a
34
Remarque 2.5 Soit (, A , ) lespace complet associ ` lespace (, A, ) (voir chapitre 1, thor`me 1.32).
ea
e e
Soit f : (, A) R, B R une application mesurable. Alors, f est aussi mesurable par rapport aux tribus
A et B R . De plus, f est -intgrable sur si et seulement si f est -intgrable sur . Par ailleurs, si f est
e
e
-intgrable, alors
e
f d.
f d =
Nous pouvons donc sans perte de gnralit supposer que les espaces mesurs (, A, ) considrs sont complets.
e e
e
e
ee
2.3
Thor`mes de convergence
e e
Dans cette partie, nous supposons (pour simplier les noncs) que lespace (, A, ) est
e
e
complet. Cette partie nonce trois rsultats essentiels : le thor`me de convergence monotone, le lemme de
e
e
e e
Fatou et le thor`me de convergence domine. Commenons par tudier les suites croissantes de fonctions
e e
e
c
e
positives.
Thor`me 2.19 (Thor`me de convergence monotone ou thor`me de Beppo Levi)
e e
e e
e e
Pour tout n N, soit fn : (, A) R, B R
une fonction mesurable. Supposons que pour tout n N,
fn [0, +] -presque partout et fn
fn+1 -presque partout.
Nous notons f la limite (dnie presque partout) de la suite (fn )nN . Alors,
e
lim
n+
f d.
fn d =
Remarque 2.6 Dans le thor`me de Beppo Levi, la fonction f est a priori seulement dnie -presque partout.
e e
e
Par convention, lintgrale de f sur dsigne lintgrale dun de ses prolongements dni sur tout . Bien sr,
e
e
e
e
u
la valeur de cette intgrale ne dpend pas du choix du prolongement. En gnral, nous prolongeons f par 0.
e
e
e e
Preuve du thor`me 2.19. Nous prolongeons f par 0, ce qui dnit une fonction encore note f mesurable car
e e
e
e
lespace (, A, ) est complet. De plus, par hypoth`se, la suite (fn )nN converge -presque partout vers
e
f et pour tout n N,
0 fn f -presque partout.
fn d
Notons tout dabord que dapr`s la proposition 2.17, la suite

e
[0, +] donc admet une limite dans [0, +].

Pour toute fonction tage g ` valeurs dans [0, +] telle que g
e e
a
g d
lim
n+
est une suite croissante de

nN
f, nous pouvons montrer que
fn d.
Il sut pour cela de suivre la preuve du lemme 2.31 (lemme donn en annexe, voir page 45). Alors,
e
dapr`s la proposition 2.7,
e
g d / g tage ` valeurs dans [0, +], g
e e a
sup
f d
35
lim
n+
fn d.
(2.4)

Etant donn que pour tout n N, 0
e
fn
f -presque partout, dapr`s la proposition 2.17,

e
n N, 0
Par consquent, lim
e
n+
f d.
fn d
f d. Ainsi, dapr`s (2.4), lim

e
fn d
n+
f d.
fn d =
Exemple 2.5 Pour tout n N, considrons la fonction fn dnie sur R par

e
e
fn (x) =
xn ex si x [1, n + 1]
0 sinon.
La fonction fn est borlienne car continue par morceaux sur R. De plus, la suite (fn )nN est une suite croissante
e
(partout) de fonctions positives qui converge 1 -presque partout vers la fonction f dnie sur R par
e
f (x) =
+ si x > 1
0 sinon.
En fait, (fn (x))nN converge vers f (x) pour tout x R\{1} et {1} est ngligeable pour la mesure de Lebesgue.
e
Alors, dapr`s le thor`me de convergence monotone,
e
e e
lim
n+ [1,n]
xn ex 1 (dx) =
R
f (x)1 (dx) = (+) 1 (]1, +[) = +.
Le lemme de Fatou nonc ci-apr`s est une consquence immdiate du thor`me de Beppo Levi. Nous
e
e
e
e
e
e e
commenons par rappeler la notion de limite infrieure et suprieure pour une suite de fonctions.
c
e
e
Dnition 2.20 (Limites infrieure et suprieure dune suite de fonctions)
e
e
e
Soit (fn )nN une suite de fonctions dnies sur a valeurs dans R.
e
`
1. La limite infrieure de (fn )nN est la fonction lim inf fn = sup
e
n+
nN
2. La limite suprieure de (fn )nN est la fonction lim sup fn = inf

e
nN
n+
inf fk .
k n
sup fk
k n
Remarque 2.7 Si (fn )nN est une suite de fonctions mesurables, les fonctions lim sup fn et lim inf fn sont
n+
n+
mesurables.
Proposition 2.21 (Lemme de Fatou)

valeurs dans [0, +] -presque partout, alors
une fonction mesurable. Si pour tout n N, fn est a

`
lim inf fn d
n+
36
fn d.
lim inf
n+
Preuve de la proposition 2.21. Posons gn = inf k n fk pour tout n N. Alors, la suite (gn )nN est une suite
croissante de fonctions mesurables ` valeurs dans [0, +] -presque partout et
a
lim inf fn = lim gn .
n+
Etant donn que pour tout k

e
n, 0
gn
n+
fk -presque partout,
fk d
gn d
n,
et donc
gn d
fk d
inf
k n
fk d
sup inf
mN k m
= lim inf
m+
fm d.
Cette ingalit tant vraie pour tout n N, en appliquant le thor`me de Beppo Levi ` la suite (gn )nN ,
e
ee
e e
a
nous obtenons :
fn d.
lim gn d lim inf
lim inf fn d =
n+
n+
n+
Exemple 2.6 Pour tout n N, considrons la fonction fn :]0, 1[ R dnie sur ]0, 1[ par
e
e
x
2
fn (x) = n sin
.
1/3
n
La fonction fn est borlienne car continue sur ]0, 1[ et est positive. En appliquant le lemme de Fatou ` la suite
e
a
(fn )nN , nous obtenons :
+ =
fn d1 = + = lim
Par consquent, lim inf

e
n+
lim inf fn d1
]0,1[ n+
n+ ]0,1[
]0,1[
fn d1 .
lim inf
n+
]0,1[
fn d1 .
Nous terminons cette section par le thor`me de Lebesgue.

e e
Thor`me 2.22 (Thor`me de convergence domine ou thor`me de Lebesgue)
e e
e e
e
e e
une fonction mesurable. Supposons
(i) que (fn )nN converge -presque partout,

(ii) et que pour tout n N, |fn |
g -presque partout avec g une fonction -intgrable.

e
Notons f la limite (dnie -presque partout) de la suite (fn )nN . Alors f est -intgrable et
e
e
lim
n+
f d.
fn d =
Preuve du thor`me 2.22. Soient B = { / limn+ fn () = f ()}. Par hypoth`se, B c est un ensemble
e e
e
-ngligeable. Alors, B A car lespace (, A, ) est complet. Considrons
e
e
A=
nN
{|fn |
g}
37
B {g < +} .
Alors, A A et Ac A car les fonctions fn et g sont mesurables, B A et A est une tribu. De plus,
+
(Ac )
(B c ) + ({g = +}) +
n=0
({|fn | > g}) = 0
dapr`s lassertion 3. de la proposition 1.19 page 11. Par consquent, (Ac ) = 0 et donc Ac est un ensemble
e
e
-ngligeable. Alors, par dnition de A, |f | g -presque partout. Par suite, dapr`s la proposition 2.18,
e
e
e
la fonction f est -intgrable car g lest.
e
Pour tout n N, considrons ` prsent lapplication mesurable gn = 2g |fn f |1A . Alors,
e
a e
gn d = 2
g d
|fn f | d.
g d
1A |fn f | d = 2
g d lim sup
Par ailleurs, lim gn = 2g. Alors, dapr`s le lemme de Fatou,

e
n+
g d
lim inf 2
n+
g d
|fn f | d
=2
n+
|fn f | d.
Par consquent,
e
0 = lim sup
n+
et donc lim
n+
|fn f | d
|fn f | d = 0. Remarquons que

n N,
fn d
f d =
Alors, en faisant tendre n +, nous obtenons :
2.4
(fn f ) d
f d = lim
n+
|fn f | d,
fn d.
Thor`me de Fubini
e e
Lintgrale dune fonction f par rapport ` une mesure produit 1 2 , lorsquelle a un sens, se ram`ne en
e
a
e
gnral au calcul dintgrales par rapport ` 1 et 2 . Etudions tout dabord le cas des fonctions mesurables
e e
e
a
a valeurs dans [0, +].
`
Thor`me 2.23 (Thor`me de Fubini-Tonelli)
e e
e e
Soient (1 , A1 , 1 ) et (2 , A2 , 2 ) deux espaces mesurs. Pour tout i {1, 2}, supposons que i est une
e
mesure positive -nie sur (i , Ai ). Soit
f : (1 2 , A1 A2 ) ([0, +], B([0, +]))
une fonction mesurable a valeurs dans [0, +]. Nous considrons
`
e
f (1 , 2 ) d1 (1 ).
f (1 , 2 ) d2 (2 ) et F2 (2 ) =
F1 (1 ) =
Alors pour i {1, 2}, la fonction Fi : (i , Ai ) ([0, +], B([0, +])) est mesurable. De plus
F2 (2 ) d2 (2 ) =
F1 (1 ) d1 (1 ) =
1
1 2
38
f (1 , 2 ) d(1 2 )(1 , 2 ).
Intressons-nous au cas des fonctions a priori non positives.

e
Thor`me 2.24 (Thor`me de Fubini)
e e
e e
Soient (1 , A1 , 1 ) et (2 , A2 , 2 ) deux espaces mesurs complets avec i , i {1, 2}, une mesure positive
e
-nie sur (i , Ai ). Considrons une fonction mesurable
e
f : (1 2 , A1 A2 ) R, B R .
1. Alors, f est 1 2 -intgrable 2
e
|f (1 , 2 )|d1 (1 ) est 2 -intgrable sur 2

e
|f (1 , 2 )|d2 (2 ) est 1 -intgrable sur 1 .

e
2. Supposons que f est 1 2 -intgrable. Alors,

e
- la fonction 2
f (1 , 2 )d1 (1 ) est 2 -intgrable,

e
1
- et la fonction 1
f (1 , 2 )d2 (2 ) est 1 -intgrable.

e
2
De plus,
f (1 , 2 )d1 (1 ) d2 (2 )
f (1 , 2 )d2 (2 ) d1 (1 ) =
1
(2.5)
f (1 , 2 )d(1 2 )(1 , 2 ).
1 2
Remarque 2.8 Les fonctions 1
presque partout.
f (1 , 2 )d2 (2 ) et 2
f (1 , 2 )d1 (2 ) sont a priori dnies

e
1
Preuve du thor`me 2.24.

e e
1. Pour tablir lassertion 1., il sut de remarquer que f est intgrable si et seulement si |f | lest et
e
e
dutiliser le thor`me de Fubini-Tonelli pour calculer lintgrale de |f |.
e e
e
2. Supposons f intgrable. Ecrivons f sous la forme f = f+ f . Posons

e
+
F1 (1 ) =
f+ (1 , 2 ) d2 (2 ) et
+
F2 (2 ) =
f+ (1 , 2 ) d1 (1 ).
Nous dnissons Fi en remplaant f+ par f dans la dnition de Fi+ . Dapr`s le thor`me de

e
c
e
e
e e
Fubini-Tonelli, Fi+ : (i , Ai ) ([0, +], B([0, +])) est mesurable pour i = 1, 2. Par ailleurs,
1 1 , 0
+
F1 (1 )
|f (1 , 2 )| d2 .
+
+
car 0 f+ |f |. Alors, dapr`s lassertion 1., F1 est 1 -intgrable. De mme, F2 est 2 -intgrable
e
e
e
e
+
et Fi est i -intgrable pour i = 1, 2. En particulier, pour tout i {1, 2}, Fi et Fi sont nies
e
i -presque partout. Alors, pour i {1, 2} et j {1, 2}\{i},
Fi =
j
f dj = Fi+ Fi i -presque partout.

39
Nous pouvons prolonger Fi en une fonction mesurable. Dapr`s ce qui prc`de, Fi est i -intgrable.
e
e e
e
Nous obtenons alors (2.5) en appliquant le thor`me de Fubini-Tonelli ` f+ et f .
e e
a
Remarque 2.9
1. Pour i {1, 2}, considrons (i , Ai , i ) un espace mesur complet avec i une mesure positive -nie.
e
e
Si f1 : (1 , A1 ) ([0, +], B([0, +])) et f2 : (2 , A2 ) ([0, +], B([0, +])) sont des fonctions
borliennes,
e
f1 (1 )f2 (2 ) d(1 2 )(1 , 2 ) =
f2 (2 )d2 (2 ) .
f1 (1 )d1 (1 )
1 2
La formule prcdente reste vraie si f1 est 1 -intgrable et si f2 est 2 -intgrable.

e e
e
e
2. Si 1 = 2 = N et si 1 = 2 est la mesure de comptage alors les thor`mes de Fubini arment que

e e
+ +
+ +
un,m ,
un,m =
m=0 n=0
n=0 m=0
+ +
d`s que un,m [0, +] pour tout n et m ou d`s que

e
e
2.5
n=0 m=0
|un,m | =
+
m=0 n=0
|un,m | < +.
Intgrale de Lebesgue sur R

e
2.5.1
Comparaison avec lintgrale au sens de Riemann

e
Avant de rappeler la dnition de lintgrale au sens de Riemann, nous xons quelques notations.
e
e
Notations-Dnitions Fixons a, b R tels que a
e
Une famille = (tk )0
k n,
avec n N, de rels est une subdivision de [a, b] si

e
t0 = a
t1
Le pas ( ) de la subdivision = (tk )0

Une subdivision = (t )0
k
b.
k n
k n
t2
tn1
tn = b.
est le rel ( ) = sup |ti ti1 |.

e
1 i n
de [a, b] est plus ne quune subdivision = (tk )0

{tk / 0
n} t / 0
k
avec pour convention
i n
est une subdivision de [a, b], alors
n1
n1
i=0
de [a, b] si
n .
Si f : [a, b] R est une fonction borne sur [a, b] et si = (ti )0

e
nous pouvons dnir les rels
e
e
(, f ) =
k n
(ti+1 ti )
1
i=0 i
inf f (t) et
ti t ti+1
(, f ) =
i=0
= 0.
40
(ti+1 ti )
sup f (t).
ti t ti+1
Figure 2.1 Illustration de (, f ) et (, f ).

Dnition 2.25 (Intgrale au sens de Riemann sur [a, b])
e
e
Soient a, b R tels que a
est borne sur [a, b] et si
e
b. Une fonction f : [a, b] R est Riemann-intgrable sur [a, b] si f

e
sup (, f ) = inf (, f )
T
e
o` T est lensemble des subdivisions de [a, b]. De plus, si f : [a, b] R est Riemann-intgrable, alors
u
lintgrale de Riemann de f sur [a, b] est le rel
e
e
b
f dx = sup (, f ) = inf (, f ).
a
Remarque 2.10 Dapr`s lexemple 2.2 page 26, les intgrales de Lebesgue et de Riemann co
e
e
ncident sur
lensemble des fonctions en escalier sur [a, b] prenant un nombre ni de valeurs.
Dans cette partie, nous considrons lintgrale au sens de Lebesgue sur lespace complt ([a, b], B([a, b]), 1 )1 .
e
e
ee
Notation
Soit I R un intervalle. La tribu L(I) sur I est la tribu borlienne B(I) complte pour la mesure de
e
ee
Lebesgue sur I. Ainsi, avec les notations du chapitre 1,
L(I) = B(I)1
o` 1 dsigne la mesure de Lebesgue sur I. La tribu de Lebesgue L(I) sur lintervalle I est donc la plus
u
e
petite tribu sur I contenant la tribu borlienne B(I) et les sous-ensembles 1 -ngligeables de I.
e
e
Dnition 2.26 (Fonction Lebesgue-mesurable)
e
Soient I R un intervalle et f : I R une fonction. La fonction f est dite Lebesgue-mesurable si
f : (I, L(I)) R, B R est mesurable par rapport aux tribus L(I) et B R .
Remarque 2.11 Une fonction borlienne f : I R est Lebesgue-mesurable car B(I) L(I).
e
Toute fonction Riemann-intgrable sur [a, b] est aussi Lebesgue-intgrable. Pour la preuve de la proposition
e
e
suivante, nous renvoyons par exemple ` [11].
a
41
Proposition 2.27 (Riemann-intgrable sur [a, b] = Lebesgue-intgrable)

e
e
Soient a, b deux rels tels que a b. Si f : [a, b] R est une fonction Riemann-intgrable, alors f est
e
e
Lebesgue-intgrable sur [a, b] (cest-`-dire Lebesgue-mesurable sur [a, b] et 1 -intgrable sur [a, b]) et
e
a
e
b
f d1 = R
[a,b]
f dx.
a
Remarque 2.12 Une fonction Riemann-intgrable sur un intervalle compact [a, b] nest pas a priori borlienne.
e
e
Exemple 2.7 La fonction cos tant continue sur lintervalle compact [0, 1], elle est Riemann-intgrable sur
e
e
[0, 1]. Par consquent, elle est aussi Lebesgue-intgrable sur [0, 1] et
e
e
1
cos (x) 1 (dx) = R
[0,1]
cos (x) dx = sin(1).

0
La proposition suivante (voir par exemple [9] pour une preuve) permet de donner des exemples de fonctions
Lebesgue-intgrables sur [a, b] non Riemann-intgrables sur [a, b]. La notion de fonction Lebesgue-intgrable
e
e
e
sur [a, b] prolonge donc celle de fonction Riemann-intgrable sur [a, b] ` une classe plus grande de fonctions.
e
a
Proposition 2.28
Une fonction borne f : [a, b] R est Riemann-intgrable si et seulement si lensemble de ses points de
e
e
discontinuit est 1 -ngligeable.
e
e
Exemple 2.8 La fonction 1Q[0,1] est Lebesgue-intgrable mais nest pas Riemann-intgrable.
e
e
Nous tudions ` prsent le lien entre lintgrabilit au sens de Riemann sur un intervalle I a priori non
e
a e
e
e
compact et lintgrabilit au sens de Lebesgue. Nous ne rappelons pas la construction de lintgrale de Riemann
e
e
e
sur un intervalle I non compact.
Proposition 2.29 (Riemann et Lebesgue intgrabilits sur un intervalle non compact)
e
e
Soit I un intervalle et f : I R une fonction continue sauf ventuellement en un nombre ni de points.
e
1. Alors la fonction f est borlienne.
e
2. Par ailleurs, la fonction f est Riemann-intgrable sur I, cest-`-dire telle que R
e
a
si et seulement si elle est Lebesgue-intgrable sur I.
e
|f | dx < +,
3. Enn, si f est intgrable sur I au sens de Lebesgue ou de Riemann,

e
f d1 = R
f dx,
I
cest-`-dire que lintgrale de f au sens de Lebesgue sur I concide avec son intgrale au sens de
a
e
e
Riemann sur I.
42
Exemple 2.9
1. Considrons la fonction f : [1, +[ R dnie par f (x) = xp .
e
e
La fonction f est continue sur I = [1, +[. Elle est donc Lebesgue-intgrable sur I si et seulement si
e
elle est Riemann-intgrable sur I, cest-`-dire si et seulement si p > 1.
e
a
Si p > 1, alors dapr`s la proposition 2.29,
e
[1,+[
Si p
1
1 (dx) = R
xp
1
1
dx =
.
xp
p1
1, la fonction f nest pas Lebesgue-intgrable sur I et donc, comme elle est positive,
e
1
(dx) = +.
p 1
[1,+[ x
2. Considrons la fonction f :]0, +[ R dnie par f (x) = sin (x)/x. Cette fonction est continue sur
e
e
lintervalle I =]0, +[ mais nest pas Riemann-intgrable sur I (intgrale non absolument convergente).
e
e
Par suite, dapr`s la proposition 2.29, f nest pas Lebesgue-intgrable sur I.
e
e
2.5.2
Intgration et drivation
e
e
Soit f une fonction continue sur [a, b]. Alors la fonction

F :x
est C 1 sur [a, b] et F = f car pour tout x,
f d1
[a,x]
x
[a,x]
f d1 = R
f (t) dt. Que peut-on dire si f nest pas continue ?

a
Soit F une fonction C 1 sur [a, b]. Alors,

x [a, b], F (x) = F (a) +
x
car R
F (t) dt =
[a,x]
F d1 .
[a,x]
F d1 par continuit de F . Que peut-on dire si F nest plus C 1 ?

e
La thor`me suivant rpond en partie aux deux questions prcdentes.

e e
e
e e
Thor`me 2.30
e e
1. Soient f : [a, b] R une fonction Lebesgue-intgrable sur [a, b] et c R. Considrons la fonction
e
e
F : [a, b] R dnie par
e
f (t) 1 (dt), x [a, b].
F (x) = c +
[a,x]
Alors, la fonction F : [a, b] R est continue sur [a, b], drivable 1 -presque partout sur [a, b] et
e
= f -presque partout.
F
1
2. Soit F : [a, b] R une fonction drivable sur [a, b]. Si la drive F de F est Lebesgue-intgrable
e
e e
e
sur [a, b], alors
x [a, b], F (x) = F (a) +
F (t)1 (dt).
[a,x]
Si la fonction F est simplement drivable en presque tout point, alors en gnral lassertion 2. nest pas
e
e e
vrie.
e e
43
2.5.3
Lessentiel de la section 2.5
Nous venons de voir que les intgrales au sens de Lebesgue et au sens de Riemann co
e
ncident souvent. Les
rsultats essentiels sont les propositions 2.27 et 2.29.
e
En particulier, si f est continue sur lintervalle I sauf ventuellement en un nombre ni de points,
e
ltude de lintgrabilit au sens de Lebesgue de f sur I revient ` tudier son intgrabilit au sens de
e
e
e
ae
e
e
Riemann. Tous les crit`res classiques (comparaisons, quivalents...) peuvent tre utiliss.
e
e
e
e
Si f est continue sur lintervalle I sauf ventuellement en un nombre ni de points et intgrable sur
e
e
I, son intgrale au sens de Lebesgue co
e
ncide avec celle au sens de Riemann. Toutes les mthodes de
e
calcul dintgrales classiques (changement de variables, intgration par partie, utilisation de primie
e
tives...) peuvent tre utiliss.
e
e
Dans le cas o` lintgrale au sens de Lebesgue ne peut pas sinterprter comme une intgrale au sens
u
e
e
e
de Riemann, il faut faire attention. Nous donnerons dans le chapitre 3 un thor`me de changement
e e
de variables analogue ` celui connu pour lintgrale au sens de Riemann (voir thor`me 3.28 page 65).
a
e
e e
Mais, nous ne pouvons pas a priori utiliser des intgrations par parties ; en eet en gnral
e
e e
[a,b]
2.6
2.6.1
F d1 = F (b) F (a).
Annexes
e
e
Soit f : (, A) ([0, +], B([0, +])) une fonction mesurable. Pour tout n N , considrons la fonction fn
e
dnie sur par
e
fn =
n2n 1
i=0
i
1 n
2n {i/2 <f
(i+1)/2n }
+ n1{f >n} .
Nous introduisons f0 = 0 la fonction identiquement nulle sur .

Vrions que (fn)nN est une suite de fonctions tages ` valeurs dans [0, +].
e
e
e a
La fonction f0 tant constante sur , elle est tage. De plus, elle est bien ` valeurs dans [0, +] (vu quelle
e
e e
a
est nulle). Fixons ` prsent n N . Par dnition, il est clair que fn est ` valeurs dans [0, +]. De plus,
a e
e
a
{f > n} = f 1 (]n, +]) A
car ]n, +] B([0, +]) et car f est mesurable. De mme, pour tout 0
e
2n i < f
n2n 1,
2n (i + 1) = f 1 ]2n i, 2n (i + 1)] A
car ]2n i, 2n (i + 1)] B([0, +]) et car f est mesurable. Par suite, pour tout n N , lapplication
fn =
n2n 1
i=0
i
1 n
2n {i/2 <f
(i+1)/2n }
+ n1{f >n} .
est une fonction tage en tant que combinaison linaire nie dindicatrice de borliens.
e e
e
e
Nous pouvons vrier que la suite (fn )nN est croissante (exercice).
e
44
Vrions que la suite de fonctions (fn)nN converge simplement vers f .

e
Fixons .
1er cas. Supposons f () = +. Alors, pour tout n N , fn () = n et donc
lim fn () = + = f ().
n+
2nd cas. Supposons que f () R+ . Alors, pour n assez grand, |f ()| < n et
|f () fn ()|
1
.
2n
Alors, lim fn () = f ().

n+
Ainsi, nous venons de montrer que pour tout , la suite (fn ())nN converge vers f ().
2.6.2

e
e
La preuve de la proposition repose sur le lemme suivant. Nous rappelons que nous ne pouvons utiliser que
les rsultats tablis avant la section 2.1.2.
e
e
Lemme 2.31
Soit (hn )nN une suite croissante de fonctions tages a valeurs dans [0, +]. Si g est une fonction
e e `
tage a valeurs dans [0, +] telle que
e e `
, g()
g d
alors,
lim
n+
lim hn (),
n+
hn d.
Preuve du lemme 2.31. Fixons t ]0, 1[ et M R . Posons

+
n = { / hn ()
t min (g(), M )}
pour tout n N. En utilisant la mesurabilit des fonctions hn , n N et de la fonction g, on peut vrier que
e
e
n A pour tout n N. Par ailleurs, pour tout n N, n n+1 car hn hn+1 .
Montrons que =
nN
n. Il est clair que
1er cas : g() = 0. Alors, pour tout n N, hn ()

2nd cas : g() ]0, +]. Alors,
min (g(), M )
R .
+
lim hn ()
n+
nN n
. Fixons .
0 = t min (g(), M ) et
g()
Par consquent, il existe n0 N tel que pour tout entier n

e
nN n .
Ainsi, par double inclusion, nous venons de montrer que =
45
n .
min (g(), M ) > t min (g(), M ) car t ]0, 1[ et
hn () > t min (g(), M ).

En particulier,
nN
nN n .
n0 ,
Fixons n N. Notons que par dnition de n ,

e
hn
hn 1n
t min (g, M )1n .
De plus, la fonction t min (g, M )1n est une fonction tage ` valeurs dans [0, +] car gn en est une et car
e e a
e
e
e
e e
t, M R+ . Alors, dapr`s la proposition 2.3, la fonction hn tant elle-mme tage positive,
min (g, M )1n d.
t min (g, M )1n d = t
hn d
La fonction g tant tage ` valeurs dans [0, +],

e
e e a
m
i 1Ai
g=
i=1
avec m N, (i )1 i
partition de . Alors,
[0, +]m et (Ai )1
Am une famille densembles mesurables formant une
i m
min (g, M )1An =

i=1
Les ensembles Ai n , 1
min (i , M ) 1Ai n .
m, tant dans A,
e
min (i , M ) (Ai n ).
min (g, M )1n d =
i=1
Par consquent, pour tout n N,

e
m
hn d
i=1
min (i , M ) (Ai n )
(2.6)
Pour tout 1
i
m, la suite (Ai n )nN est une suite croissante de A, donc par continuit monotone
e
(proposition 1.20 page 12) de ,
lim (Ai n ) =
n+
hn d
De plus, la suite
nN
Ai n
= (Ai ) = (Ai ).
dlments de [0, +] admet une limite dans [0, +] car elle est croissante.
ee
nN
Alors, en faisant tendre n + dans (2.6) (qui est vrie pour tout n N), nous obtenons :
e e
m
lim
n+
hn d
min (i , M ) (Ai ).
t
i=1
En faisant tendre t 1 puis M + dans lingalit prcdente, nous obtenons :

e
e e e
m
lim
n+
g d.
i (Ai ) =
hn d
i=1
Nous pouvons ` prsent dmontrer la proposition 2.5.

a e
e
46
Preuve de la proposition 2.5. Nous avons dj` remarqu que les suites
ea
e
fn d
gn d
et
nN
nN
convergent dans [0, +]. Par ailleurs, tant donn que la suite (gn )nN est une suite croissante de fonctions
e
e
tages ` valeurs dans [0, +] convergeant simplement vers f , pour tout p N,
e e a
gp
f = lim fn .
n+
Alors, les fonctions gp et fn tant tages ` valeurs dans [0, +], dapr`s le lemme 2.31,
e
e e a
e
p N,
gp d
lim
n+
fn d
En faisant tendre p +, nous constatons que

lim
lim
lim
fp d
fn d.
lim
gp d
p+
gn d.
n+
De mme, nous avons :

e
p+
Ainsi, vu les deux derni`res ingalits, lim

e
e
e
n+
2.6.3
n+
gn d = lim
n+
fn d.

e
e
Soit f : (, A) ([0, +], B([0, +])) une fonction mesurable. Alors, il existe une suite (fn )nN croissante de
fonctions tages positives convergeant simplement vers f . Par dnition,
e e
e
f d = lim
n+
fn d.
La suite (fn )nN est croissante et converge simplement vers f , donc

n N, fn
f.
Par ailleurs, fn E+ pour tout n N. Alors, pour tout n N,

fn d
f et E+ .
d /
sup
En faisant tendre n +, nous constatons, par dnition de lintgrale de f , que

e
e
f d = lim
n+
Soit E+ telle que
fn d
f , cest-`-dire telle que

a
d
f et E+ .
d /
sup
lim fn . Alors, dapr`s le lemme 2.31,

e
n+
lim
n+
f d.
fn d =
Cette ingalit tant vrie pour toute fonction E+ telle que

e
ee
e e
f et E+
d /
sup
Dapr`s (2.7) et (2.8),

e
d /
f d = sup
(2.7)
lim
n+
f et E+ .
47
f,
f d.
fn d =
(2.8)
48
Chapitre 3
Loi dune variable alatoire

e
Apr`s avoir traduit certains rsultats du chapitre 2 en termes probabilistes (voir section 3.1), nous introe
e
duisons la notion de loi dune variable alatoire. Nous tudions deux cas particuliers de variables alatoires : les
e
e
e
variables alatoires discr`tes (voir section 3.3) et les variables alatoires absolument continues (voir section 3.4).
e
e
e
Evoquons d`s ` prsent deux rsultats importants donns dans ce chapitre. Le premier est le thor`me
e a e
e
e
e e
du transport qui rend inutile la description de lespace (, A, P) sur lequel se droule lexprience tudie.
e
e
e
e
Le second rsultat important est la caractrisation de la loi dune variable alatoire relle par sa fonction de
e
e
e
e
rpartition. La forme de la fonction de rpartition permet, en particulier, de dterminer si la variable alatoire
e
e
e
e
est discr`te, de loi absolument continue ou dun autre type.
e
e
Dans tout ce chapitre, tout ensemble I R est muni de sa tribu borlienne.
3.1
Esprance
e
Nous reformulons en termes probabilistes une partie des rsultats tablis, en chapitre 2, pour lintgrale
e
e
e
construite par rapport ` P.
a
Dnition 3.1 (Esprance dune variable alatoire positive ou intgrable)
e
e
e
e
Soit X : (, A) R, B R une variable alatoire P-intgrable ou a valeurs dans [0, +] P-presque
e
e
`
srement. Lesprance E(X) de X est lintgrale de X par rapport a la probabilit P, cest-`-dire que
u
e
e
`
e
a
X() dP().
E(X) =
Exemple 3.1
1. Toutes les variables alatoires relles constantes sur sont P-intgrables. De plus, si a R {+} et si
e
e
e
X = a est la variable constante ` a sur , alors E(X) = aP() = a.
a
2. Considrons lespace de probabilit (, A, P) = (, P(), a ). Alors toute fonction X : R est une
e
e
variable alatoire (cest-`-dire est mesurable) et
e
a
E(|X|) =
|X| da = |X(a)|.
Ainsi, une fonction X : R est a -intgrable si et seulement si X(a) R. De plus, si X(a) R{+},
e
X da = X(a).
E(X) =
49
Nous nonons les principales proprits de lesprance. Ces rsultats ont t dmontrs dans le chapitre 2.
e
c
ee
e
e
ee e
e
Proposition 3.2
Soient X et Y deux variables alatoires dnies sur lespace de probabilit (, A, P) a valeurs dans R.
e
e
e
`
1. Si la variable alatoire X est a valeurs dans [0, +] P-presque srement, alors
e
`
u
E(X) [0, +].
2. Si la variable alatoire X est P-intgrable, alors X est nie P-presque srement et
e
e
u
|E(X)|
E(|X|).
3. Si les variables alatoires X et Y sont P-intgrables, alors pour tous a, b R, aX + bY est une
e
e
variable alatoire P-intgrable et
e
e
E(aX + bY ) = a E(X) + b E(Y ).
4. Si les variables alatoires X et Y sont a valeurs dans [0, +] P-presque srement, alors pour tous
e
`
u
a, b [0, +],
E(aX + bY ) = aE(X) + bE(Y ).
5. Si la variable alatoire X est a valeurs dans [0, +] P-presque srement, alors
e
`
u
E(X) = 0 X = 0 P-presque srement.
u
6. Si les variables alatoires X et Y sont toutes deux P-intgrables ou toutes deux a valeurs dans
e
e
`
[0, +] P-presque srement, alors,
u
X
7. Si |X|
Y P-presque srement = E(X)

u
E(Y ).
Y P-presque srement et si Y est P-intgrable, alors X est P-intgrable et

u
e
e
|E(X)|
E(|X|)
En particulier, si il existe a R+ tel que |X|

|E(X)|
E(Y ).
a P-presque srement, alors X est P-intgrable et

u
e
E(|X|)
a.
Remarque 3.1 Dans lassertion 3., a priori, X + Y nest bien dnie que sur \N avec
e
N = {X = +} {Y = } A
et P(N ) = 0 (dapr`s lassertion 2.). Par consquent, la variable X + Y se prolonge en une variable alatoire
e
e
e
sur . Lesprance E(X + Y ) dsigne lesprance de nimporte quel prolongement (mesurable) de X + Y .
e
e
e
Les thor`mes de convergence monotone, de convergence domine et le lemme de Fatou peuvent bien sr
e e
e
u
tre rnoncs en termes probabilistes. Lorsque lespace de probabilit (, A, P) est le produit de deux espaces
e
ee
e
e
de probabilits, nous pouvons aussi noncer le thor`me de Fubini-Tonelli et le thor`me de Fubini.
e
e
e e
e e
50
3.2
Mesure image et loi dune variable alatoire

e
3.2.1
Dnitions
e
Proposition 3.3 (Dnition dune mesure image)

e
Soient (, A, ) un espace mesur, ( , A ) un espace mesurable et X : (, A) ( , A ) une fonction
e
mesurable. Alors, lapplication
X : A [0, +]
B (X 1 (B))
est une mesure positive sur ( , A ) et est appele mesure image de par X.
e
Preuve de la proposition 3.3. Si B A , alors X 1 (B) A car X est mesurable et donc X X 1 (B) est bien
bien dni et appartient ` [0, +]. Par ailleurs, X () = () = 0.
e
a
Considrons ` prsent (An )nN une suite dlments de A deux ` deux disjoints. Alors,
e
a e
ee
a
An
= X 1
An
nN
nN
X 1 (An ) .
=
nN
Les ensembles An A, n N, tant deux ` deux disjoints, les ensembles X 1 (An ), n N, sont aussi
e
a
deux ` deux disjoints. De plus, X tant mesurable,pour tout n N X 1 (An ) A car An A . Alors,
a
e
An
X 1 (An ) =
=
nN
nN
X (An ).
nN
Vu ce qui prc`de, X est une mesure positive sur ( , A ).

e e
Reformulons en termes probabilistes ce qui prc`de.
e e
Dnition 3.4 (Loi dune variable alatoire)
e
e
Soient (, A, P) un espace de probabilit, ( , A ) un espace mesurable et X : (, A) ( , A ) une
e
variable alatoire (cest-`-dire une fonction mesurable). Alors la mesure image
e
a
PX : A [0, +]
B P(X 1 (B))
de P par X est une probabilit sur ( , A ) appele loi de la variable alatoire X (sous la probabilit P).
e
e
e
e
Exemple 3.2 Considrons un espace (, A, P) de probabilit.
e
e
1. Considrons la variable alatoire X : dnie par X() = . Alors, la loi de X est PX = P car
e
e
e
X 1 (B) = B pour tout B A.
2. Supposons que P = a avec a et considrons X : (, A) ( , A ) une variable alatoire. Alors, la
e
e
[0, +] de X est dnie par
loi PX : A
e
B A , PX (B) = a X 1 (B) =
1 si a X 1 (B), cest-`-dire si X(a) B,

a
0 sinon.
Par consquent, la loi de X est PX = X(a) .

e
51
3. Considrons A A et la loi de la variable alatoire relle X = 1A .

e
e
e
P() = 0
P(X = 1) = P(A)
PX (B) = P X 1 (B) =
P(X = 0) = 1 P(A)
Alors,
si
si
si
si
1B
/
1B
1B
/
1B
et
et
et
et
0 B,
/
0 B,
/
0 B,
0 B.
La loi de X est PX = (1 p)0 +p1 avec p = P(A). Cette loi appele loi de Bernoulli de param`tre p.
e
e
3.2.2
Intgration par rapport ` une mesure image

e
a
Prcisons le lien entre lintgrale par rapport ` une mesure image de et lintgrale par rapport ` .
e
e
a
e
a
Thor`me 3.5 (Thor`me de transport)
e e
e e
Soient (, A, ) un espace mesur, ( , A ) un espace mesurable, X : (, A) ( , A ) une fonction
e
mesurable et : ( , A ) R, B R une fonction mesurable. Notons X la mesure image de par X.
1. Si est a valeurs dans [0, +], alors,
`
(x)X (dx) =
(X())(d).
2. La fonction est X -intgrable si et seulement si X est -intgrable.

e
e
3. Si X est -intgrable, alors
e
(x)X (dx) =
(X())(d).
Remarque 3.2 Lassertion 1. du thor`me 3.5 reste vraie pour toute fonction mesurable ` valeurs dans [0, +]
e e
a
-presque partout. De plus, si : (, A) R, B R est une fonction mesurable, alors,
[0, +] -presque partout (X) [0, +] X -presque partout.
Preuve du thor`me 3.5.
e e
1. Etape 1 : Cas des fonctions tages positives. Par dnition, pour tout B A,
e
e
e
1B (x)X (dx) = X (B) = X 1 (B) =
1X 1 (B) ()(d) =
1B (X())(d).
Par additivit des intgrales sur lensemble des fonctions tages positives, pour toute fonction
e
e
e e
tage : [0, +],
e e
(x)X (dx) =
(X())(d)
Etape 2 : Cas des fonctions mesurables positives. Soit : [0, +] une fonction
mesurable. Alors, il existe (n )nN une suite croissante de fonctions tages sur (, A) ` valeurs
e e
a
dans [0, +] convergeant simplement vers . Par dnition de lintgrale de par rapport ` X et
e
e
a
dapr`s ltape 1. applique ` chaque n ,
e e
e a
(x)X (dx) = lim
n+
n (x)X (dx) = lim
n+
52
n (X())(d).
De plus, (n X)nN est une suite croissante de fonctions tages sur ( , A ) ` valeurs dans [0, +]
e e
a
convergeant simplement vers la fonction mesurable positive X. Alors,
(X())(d) = lim
n+
n (X())(d) =
(x)X (dx).
2. Lassertion 2. se dduit de lassertion 1. et de la dnition dune fonction intgrable.

e
e
e
e
e
3. Supposons que : R est X -intgrable. Alors, par dnition,
(x)X (dx) =
+ (x)X (dx)
(x)X (dx).
Les fonctions + et tant mesurables ` valeurs dans [0, +], dapr`s lassertion 1.,
e
a
e
(x)X (dx) =
+ (X())(d)
(X())(d).
(X())(d) =
car ( X)+ = + X et ( X) = X.
Ecrivons maintenant en termes probabilistes le thor`me du transport.

e e
Thor`me 3.6 (Version probabiliste du thor`me de transport)
e e
e e
Soient (, A, P) un espace de probabilit, ( , A ) un espace probabilisable et X : (, A) ( , A ) une
e
variable alatoire. Notons PX la loi de X. Considrons : ( , A ) R, B R une fonction mesurable.
e
e
1. La fonction est PX -intgrable si et seulement si (X) est P-intgrable.
e
e
2. Si (X) est P-intgrable ou a valeurs P-presque srement dans [0, +], alors
e
`
u
E((X)) =
(x)PX (dx).
Terminons cette section en donnant une caractrisation de la loi de X.

e
Proposition 3.7
Soient (, A, P) un espace de probabilit, ( , A ) un espace probabilisable et X, Y : (, A) ( , A )
e
deux variables alatoires.
e
Alors, X et Y ont mme loi si et seulement si pour toute fonction : ( , A ) ([0, +], B([0, +]))
e
mesurable,
E((X)) = E((Y )).
(3.1)
Remarque 3.3 Les variables alatoires X, Y : (, A) ( , A ) ont mme loi si et seulement si (3.1) est
e
e
e
e
vrie pour toute fonction : ( , A ) R, B R mesurable borne (ou mesurable positive borne).
e e
Preuve de la proposition 3.7. Notons PX la loi de X et PY la loi de Y .
Supposons que PX = PY . Considrons une fonction mesurable : ( , A ) ([0, +], B([0, +])).
e
Alors, dapr`s le thor`me du transport,
e
e e
E((X)) =
dPX =
53
dPY = E((Y )).
Supposons que (3.1) est vrie pour toute fonction mesurable : ( , A ) ([0, +], B([0, +])).
e e
e
Pour tout B A , la fonction = 1B : R est mesurable positive et donc, par hypoth`se,
P(X B) = E(1B (X)) = E(1B (Y )) = P(Y B).
Alors, par dnition de PX et PY , PX = PY .
e
3.2.3
Fonction de rpartition
e
La notion de fonction de rpartition est utile notamment pour dterminer la loi dune variable alatoire.
e
e
e
Dnition 3.8 (Fonction de rpartition dune variable alatoire relle)
e
e
e
e
Soient (, A, P) un espace de probabilit et X : (, A, P) (R, B(R)) une variable alatoire relle.
e
e
e
Notons PX la loi de X. La fonction de rpartition de X est la fonction FX : R [0, 1] dnie par
e
e
t) = P X 1 (] , t]) = PX (] , t]).
t R, FX (t) = P(X
Exemple 3.3 Considrons une variable alatoire relle X, notons PX sa loi et FX sa fonction de rpartition.
e
e
e
e
1. Soit a R. Supposons que PX = a (ce qui revient ` supposer que X = a presque srement). Alors,
a
u
FX (t) = PX (] , t]) =
0 si t ] , a[
1 si t [a, +[.
Figure 3.1 Fonction de rpartition de la variable X = a

e
2. Supposons que X est de loi PX dnie sur B(R) par PX (B) = 1 (B [0, 1]). Alors,
e
0 si t < 0,
FX (t) = 1 (] , t] [0, 1]) =
t si 0 t < 1,
1 si t 1.
Donnons les proprits de la fonction de rpartition dune variable alatoire relle.
ee
e
e
e
Proposition 3.9 (Proprits dune fonction de rpartition)
e e
e
Soient (, A, P) un espace de probabilit et X : (, A, P) (R, B(R)) une variable alatoire relle.
e
e
e
1. La fonction de rpartition FX de X est une fonction croissante, continue a droite telle que
e
`
lim FX (t) = 0 et
lim FX (t) = 1.
t+
(3.2)
De plus, FX admet une limite a gauche en tout point et

`
t R, FX t = lim FX (x) = PX (] , t[).
xt
54
(3.3)
2. Par ailleurs, pour tous rels a, b tels que a < b,

e
PX (]a, b]) = P(a < X b) = FX (b) FX (a),
P ([a, b]) = P(a X b) = F (b) F a ,

X
X
X
P ([a, b[) = P(a X < b) = FX b FX (a),

X
P ([a, +[) = P(X a) = 1 F a ,

X
PX (]a, +[) = P(X > a) = 1 FX (a).
3. Enn, FX admet au plus un nombre ni ou dnombrable de points de discontinuit.

e
e

Soient t, s R tels que s
t. Alors, ] , s] ] , t] et donc dapr`s la proposition 1.19 (voir
e
chapitre 1 page 11), cest-`-dire par croissance de PX ,
a
FX (s) = PX (] , s])
PX (] , t]) = FX (t).
Lingalit prcdente tant vraie pour tous t, s R tels que s

e
e e e
e
t, la fonction FX est croissante sur R.
La continuit ` droite de FX , la proprit (3.2) et la proprit (3.3) sobtiennent en utilisant la continuit

ea
ee
ee
e
monotone de PX (voir page 12) ou le thor`me de Beppo Levi (voir page 35).
e e
Pour tous rels a, b tels que a < b,
e
PX (]a, b]) = PX (] , b]] , a]c ) = PX (] , b]) PX (] , a]) = FX (b) FX (a)
et
PX ([a, b]) = PX (] , b]] , a[c ) = PX (] , b]) PX (] , a[) = FX (b) FX (a ).
Les autres formules donnes dans lassertion 2. se dmontrent de mani`re analogue.

e
e
e
La fonction FX tant croissante continue ` droite, lensemble de ses points de discontinuit est
e
a
e
S=
Dn
avec
nN
Dn =
x R / FX (x) FX x
1
.
n
Etant donn que 0

e
FX
1 et que FX est croissante, pour tout n N , Dn est de cardinal ni car
cardDn
1. Par consquent, S est un ensemble ni ou dnombrable.
e
e
xDn FX (x) FX x
n
Remarque 3.4 Soit F : R [0, 1] une fonction croissante et continue ` droite telle que
a
lim F (x) = 1 et
x+
lim F (x) = 0.
Alors il existe une variable alatoire relle X dnie sur sur ([0, 1], B([0, 1]), 1 ) de fonction de rpartition F .
e
e
e
e
La loi dune variable alatoire relle est caractrise par sa fonction de rpartition. Il sagit dune simple
e
e
e e
e
application du corollaire A.6 page 95.
Proposition 3.10 (Caractrisation de la loi dune variable alatoire relle)
e
e
e
Soient X et Y deux variables alatoires relles dnies sur lespace de probabilit (, A, P). Alors, les
e
e
e
e
variables alatoires X et Y ont mme fonction de rpartition si et seulement si elles ont mme loi.
e
e
e
e
55
Gnralisons la notion de fonction de rpartition aux variables alatoires ` valeurs dans Rd .

e e
e
e
a
Dnition 3.11
e
Soit (, A, P) un espace de probabilit. Pour tout entier 1 i d, considrons Xi : (, A, P) (R, B(R))
e
e
une variable alatoire. Notons PX la loi de X = (X1 , . . . , Xd ). La fonction de rpartition de X est
e
e
la fonction FX : Rd [0, 1] dnie par
e
d
(t1 , . . . , td ) Rd , FX (t1 , . . . , td ) = P
i=1
{Xi
ti }
= PX
i=1
] , ti ] .
Remarque 3.5 La proposition 3.10 reste vraie pour des variables ` valeurs dans Rd .
a
3.3
Variables alatoires et lois discr`tes

e
e
3.3.1
Dnitions et premi`res proprits

e
e
e e
Dnition 3.12 (Variable alatoire discr`te)

e
e
e
Une variable alatoire X dnie sur lespace de probabilit (, A, P) est dite discr`te si il existe un
e
e
e
e
ensemble S ni ou dnombrable tel que
e
X S P-presque srement,
u
cest-`-dire si P-presque srement, X prend un nombre ni ou dnombrable de valeurs.
a
u
e
En fait, une variable alatoire est discr`te si et seulement si sa loi est une mesure discr`te.
e
e
e
Proposition 3.13 (Lien variables alatoires discr`tes/mesures discr`tes)
e
e
e
Soit (E, E) un ensemble probabilisable. Supposons que E = B(E) ou E = P(E) et considrons
e
S = {xi / i I} E
un ensemble ni ou dnombrable. Supposons xi = xj pour tous i, j I tels que i = j.
e
1. Considrons (, A, P) un espace de probabilit et supposons que X : (, A) (E, E) est une
e
e
variable alatoire a valeurs P-presque srement dans lensemble S. Pour tout i I, posons
e
`
u
pi = PX ({xi }) = P(X = xi ).
Alors pour tout i I, pi
0 et
(3.4)
pi = 1. De plus, la loi de X est la mesure discr`te PX =

e
iI
pi xi .
iI
2. Rciproquement, si (pi )iI est une famille de rels vriant

e
e
e
i I, pi
0 et
pi = 1,
iI
alors il existe un espace de probabilit (, A, P) et une variable alatoire X : (, A) (E, E) a

e
e
`
valeurs dans S et vriant (3.4) pour tout i I. De plus, la loi de la variable alatoire X est
e
e
pi xi .
PX =
iI
56
Preuve de la proposition 3.13. Nous pouvons supposer que I = {1, . . . , n} ou N .

1. Soit X : (, A) (E, E) une variable alatoire ` valeurs P-presque srement dans lensemble S.
e
a
u
Supposons que pi est dni par (3.4).
e
La mesure PX tant positive, pi
e
0 pour tout i I. De plus,
pi = PX (S) = 1.
iI
Etant donn que PX (S) = P(X S) = 1, PX (S c ) = P(X S c ) = 0. Alors,

e
B E, PX (B S c ) = P(X B S c ) = 0
par croissance de PX . Par suite, par additivit de PX ,
e
B E, PX (B) = PX (B S) + PX (B S c ) = PX (B S).
Par ailleurs, pour tout B E, les ensembles B {xi }, i I, sont des lments de la tribu E (car E
ee
contient les singletons et B) deux ` deux disjoints et
a
BS =
iI
B {xi }.
Alors, par additivit (respectivement -additivit) de PX si I est ni (respectivement si I est inni

e
e
dnombrable),
e
pi xi (B)
PX (B {xi }) =
B E, PX (B) =
iI
iI
pi xi .
avec pi dni par (3.4). Par suite, PX =

e
iI
2. Soit (pi )iI une famille de rels telle que

e
i I, pi
pi = 1.
0 et telle que
iI
Posons = [0, 1] et supposons que P = 1 est la mesure de Lebesgue sur [0, 1]. Considrons
e
X = x1 1[0,p1 ] +
xi 1]p1 ++pi1 ,p1++pi ] .
(3.5)
jI\{1}
Notons que X est bien dnie sur [0, 1] car les pi sont positifs et de somme gale ` 1. De plus, X
e
e
a
est une fonction tage donc une variable alatoire. Les xi tant deux ` deux distincts,
e e
e
e
a
P(X = x1 ) = 1 ([0, p1 ]) = p1
et pour tout i I\{1},
P(X = xi ) = 1
i1
pj ,
j=1
j=1
pj = pi
De plus, X prend bien ses valeurs dans S = {xi / i I}. La variable X vriant les hypoth`ses
e
e
de lassertion 1. et les pi , i I, tant donns par (3.4), la loi de X est bien la mesure discr`te
e
e
e
PX =
pi xi .
iI
Rcrivons le thor`me du transport pour une variable alatoire discr`te.

ee
e e
e
e
57
Thor`me 3.14 (Thor`me du transport pour une variable alatoire discr`te)

e e
e e
e
e
Soient (, A, P) un espace de probabilit et (E, E) un ensemble probabilisable. Supposons que E = B(E)
e
ou E = P(E) et considrons
e
S = {xi / i I} E
un ensemble ni ou dnombrable. Supposons xi = xj pour tous i, j I tels que i = j. Considrons une
e
e
variable alatoire discr`te X : (, A) (E, E) a valeurs P-presque srement dans S et une fonction
e
e
`
u
mesurable : (E, E) R, B R .
1. Alors, (X) est intgrable si et seulement si
e
iI
|(xi )| P(X = xi ) < +.
2. Si (X) est intgrable ou si (X) est a valeurs dans [0, +] presque srement, alors
e
`
u
E((X)) =
(xi ) P(X = xi ).
iI
3.3.2
Fonction de rpartition dune variable relle discr`te

e
e
e
Dans cette section, nous donnons la fonction de rpartition dune loi discr`te. De plus, connaissant la
e
e
fonction de rpartition dune variable alatoire X, nous souhaitons savoir si X est discr`te et donner sa loi.
e
e
e
Proposition 3.15 (Variables alatoires discr`tes et fonctions de rpartition)
e
e
e
1. Considrons (, A, P) un espace de probabilit. Soit X une variable alatoire relle discr`te dnie
e
e
e
e
e
e
sur (, A, P) et a valeurs P-presque srement dans lensemble
`
u
S = {xi / i I} R
avec I = {1, . . . , n} ou I = N . Notons FX la fonction de rpartition de X et posons
e
pi = P(X = xi )
pour tout i I. Supposons que pour tout i I tel que i + 1 I, xi < xi+1 .
(a) Si S est ni, alors
0
si t ], x1 [
FX (t) =
p + + pi si xi t < xi+1 avec 1
1
1
si t [xn , +[.
i<n
(b) Si S est inni dnombrable, alors

e
FX (t) =
0
si t ], x1 [
p1 + + pi si xi t < xi+1 avec i N .
(c) La fonction FX est constante par morceaux continue sauf ventuellement aux points xi , i I,
e
et pour tout i I, pi = FX (xi ) FX (xi ) est la valeur du saut de la fonction FX au point xi .
58
2. Soit F : R R une fonction croissante, continue a droite, constante par morceaux et telle que
`
lim F (t) = 0 et lim F (t) = 1.
t+
Notons S = {xi /i I} lensemble des points de discontinuit de F , avec I = {1, . . . n} ou I = N

e
et avec avec xi = xj pour tous i, j I tels que i = j.
Alors, il existe un espace de probabilit (, A, P) et une variable alatoire relle discr`te X dnie
e
e
e
e
e
sur (, A, P) de fonction de rpartition F et de loi
e
PX =
pi xi
iI
avec pour tout i I, pi = F (xi ) F (xi ) la valeur du saut de F au point xi .

1. La preuve de la premi`re assertion est laisse en exercice.
e
e
2. La fonction F tant croissante, continue ` droite et constante par morceaux,
e
a
F =
fi 1[xi ,xi+1 [
iI
avec I = {1, . . . , n} ou I = N , (xi )iI une famille strictement croissante de R + {} et (fi )iI
une famille strictement croissante de R . Lensemble des points de discontinuit de F est donc
e
+
S = {xi / i I}. En appliquant lassertion 1. ` la variable alatoire discr`te X dnie par (3.5),
a
e
e
e
nous constatons que F est la fonction de rpartition de X.
e
Exemple 3.4 Considrons la fonction F : R R dnie par
e
e
0 si x < 1
0.25 si 1 x < 3
F (x) =
1 si x 3.
3
Figure 3.2 Fonction F = 1 1[1,3[ + 4 1[3,+[ .
4
La fonction F vrie bien les hypoth`ses de lassertion 2. de la proposition 3.15. Elle est continue sauf en x = 1
e
e
et en x = 3. De plus, son saut en x = 1 vaut 1/4 et son saut en x = 3 vaut 3/4. Par suite, F est la fonction de
1
rpartition dune variable alatoire X de loi PX = 4 1 + 3 3 .
e
e
4
3.3.3
Lois discr`tes classiques.

e
Dans cette section, nous introduisons les lois discr`tes classiques : lois de Bernoulli, binomiales, gomtriques
e
e e
et de Poisson. Commenons par les lois de Bernoulli.
c
Dnition 3.16 (Loi de Bernoulli B(p))
e
La loi de Bernoulli B(p) de param`tre p [0, 1] est la probabilit = (1 p)0 + p1 .
e
e
59
Interprtation : Supposons que p est la probabilit de succ`s dune exprience. Notons X la variable pree
e
e
e
nant la valeur 1 si lexprience se solde par un succ`s et 0 sinon. Alors, X suit la loi de Bernoulli de param`tre p.
e
e
e
Donnons la fonction de rpartition dune variable alatoire de loi de Bernoulli.
e
e
Proposition 3.17 (Fonction de rpartition)
e
Soit X une variable alatoire de loi de Bernoulli B(p).
e
donne par
e
0 si
FX (t) =
1 p si
1 si
Alors, la fonction de rpartition FX de X est

e
t < 0,
t [0, 1[,
t 1.
Introduisons ` prsent les lois binomiales.

a e
Dnition 3.18 (Loi binomiale B(n, p))
e
La loi binomiale B(n, p) de param`tres (n, p) N p [0, 1] est =

e
k=0
k
Cn pk (1 p)nk k
Remarque 3.6 La loi de Bernoulli B(p) est la loi binomiale B(1, p) de param`tre (1, p).
e
Interprtation : Soit p la probabilit de succ`s dune exprience. Rptons n fois cette exprience de mani`re
e
e
e
e
e e
e
e
e
indpendante. Notons Xi la variable alatoire qui vaut 1 (respectivement 0) si la ii`me exprience est un succ`s
e
e
e
e
(respectivement chec). Les variables X1 , . . . , Xn suivent toute la loi de Bernoulli B(p) et sont indpendantes .
e
e
Alors le nombre de succ`s X = n Xi obtenus au cours des n expriences suit une loi B(n, p).
e
e
i=1
Introduisons ` prsent les lois gomtriques.
a e
e e
Dnition 3.19 (Loi gomtrique G(p))
e
e
e
+
La loi gomtrique G(p) de param`tre p ]0, 1[ est =

e
e
e
k=1
p(1 p)k1 k .
Construction dune loi gomtrique ` partir dune loi de Bernoulli : Soit (Xn )nN une suite de
e
e
a
`me exprience
e
indpendantes de loi de Bernoulli B(p). Pour chaque n, Xn = 1 si la n
variables alatoires
e
e
e
se solde par un succ`s et 0 si elle se solde par un chec. Nous notons Y la premi`re fois (le premier n) o` un
e
e
e
u
succ`s est obtenu. Alors, Y suit la loi G(p).
e
Concluons cette section en introduisant les lois de Poisson.
Dnition 3.20 (Loi de Poisson P())
e
+
La loi de Poisson P() de param`tre ]0, +[ est =

e
k=0
k
e k .
k!
Interprtation : Supposons que lon prl`ve n units dans une population ne comportant que deux sortes
e
ee
e
dindividus A et B en proportion p et q. Si n est grand et p voisin de 0 de sorte que np soit compris entre 1 et
10, le nombre dindividus de lesp`ce A dans un prl`vement est approximativement une variable alatoire
e
ee
e
de Poisson de param`tre = np.
e
60
3.4
Variables alatoires et lois absolument continues

e
3.4.1

e
e
e e
Nous dnissons tout dabord la notion de mesure absolument continue par rapport ` une autre.
e
a
Dnition 3.21 (Absolue continuit)
e
e
Soient et deux mesures positives sur (, A).
1. La mesure est absolument continue par rapport a (ce que lon note << ) si
`
A A, (A) = 0 = (A) = 0.
2. Si (, A) = Rd , B Rd , une mesure positive est dite absolument continue si elle est absolument continue par rapport a la mesure de Lebesgue d sur Rd .
`
Le thor`me suivant caractrise les mesures absolument continues par rapport ` une autre mesure.
e e
e
a
Thor`me 3.22
e e
Soient et deux mesures positives -nies sur Rd , B Rd . Alors, les deux assertions suivantes sont
quivalentes :
e
(i) <<
(ii) il existe une fonction f : Rd [0, +] borlienne telle que
e
A B Rd , (A) =
f (x) d(x).
A
De plus, si << , alors la fonction f vriant (ii) est unique -presque partout appele drive
e
e e e
de Radon-Nykodim de par rapport ` et nous notons la relation entre est sous la forme
a
d = f d ou f =
d
d .
Preuve du thor`me 3.22. Il sagit dun cas particulier du thor`me de Radon-Nykodim (voir [9, 11]).
e e
e e
Supposons lassertion (ii) vrie. Alors, pour tout A B Rd tel que (A) = 0, f 1A = 0 -presque
e e
partout et donc
(A) =
Rd
f 1A d =
0d = 0.
Rd
Par consquent, << . Nous venons de montrer que (ii) = (i).

e
Nous admettons la rciproque (i) = (ii), (voir le thor`me de Radon-Nykodim dans [9, 11]).
e
e e
Montrons lunicit, ` galit -presque partout pr`s, de f si << .
e ae
e
e
Supposons que << et supposons que pour tout A B Rd ,
g(x)d(x)
f (x)d(x) =
(A) =
avec f : Rd [0, +] et g : Rd [0, +] deux fonctions borliennes. Par ailleurs, les mesures et
e
tant -nies, il existe une suite (n )nN de borliens telle que nN n = Rd et telle que pour tout
e
e
n N, (n ) < + et (n ) < +.
61

Fixons n N. Etant donn que n B Rd et que les fonctions f et g sont borliennes,
e
e
An = {f < g} n B Rd .
Les fonctions f 1An et g1An sont alors borliennes ` valeurs dans [0, +]. De plus, par hypoth`se
e
a
e
g1An d = (An ) < +.
f 1An d =
(3.6)
En particulier, les fonctions borliennes positives f 1An et g1An sont -intgrables. Par ailleurs, par
e
e
dnition de An , f 1An g1An . Alors, dapr`s la proposition 2.17 (voir page 34), vu lgalit (3.6),
e
e
e
e
f 1An = g1An -presque partout.
Comme sur An , f < g, nous avons (An ) = 0. Ceci tant vrai pour tout n N, A = {f < g} = nN An
e
est -ngligeable, cest-`-dire que g
e
a
f -presque partout. De mme f
e
g -presque partout. Par
consquent, f = g -presque partout.
e
Nous pouvons maintenant dnir les variables alatoires de loi absolument continue.
e
e
Dnition 3.23 (Variable absolument continue)
e
Une variable alatoire X a valeurs dans Rd est absolument continue si sa loi est absolument continue,
e
`
cest-`-dire sil existe une fonction fX : Rd [0, +] borlienne telle que
a
e
A B Rd , PX (A) = P(X A) =
Rd
fX (x) 1A (x) d (dx).
La fonction fX est alors appele densit de X.

e
e
Nous pouvons caractriser les densits de variables alatoires.

e
e
e
Proposition 3.24
Une fonction f : Rd R est la densit dune variable alatoire X dnie sur un espace de probabilit
e
e
e
e
(, A, P) si et seulement si f est une fonction borlienne a valeurs dans [0, +] et telle que
e
`
Rd
f (x) d (dx) = 1.
Preuve de la proposition 3.24. Soit f : Rd R une fonction.
Si f est la densit dune variable alatoire X ` valeurs dans Rd , alors par dnition f est borlienne `
e
e
a
e
e
a
valeurs dans [0, +] et
Rd
f (x) d (dx) = P X Rd = 1.
(3.7)
Rciproquement supposons que f est borlienne ` valeurs dans [0, +] et vrie (3.7). Supposons d = 1
e
e
a
e
et considrons la fonction F : R R dnie par
e
e
F (t) =
f (x) 1 (dx) =
],t]
f 1],t] d1 .
R
62
La fonction borlienne f tant positive, F est croissante. De plus, le thor`me de convergence domine
e
e
e e
e
permet de vrier que F est une fonction continue sur R telle que limt+ F (t) = 1 et limt F (t) = 0.
e
Alors, dapr`s la remarque 3.4, la fonction F est la fonction de rpartition dune variable alatoire relle
e
e
e
e
X. En particulier,
t R, PX (] , t]) = (] , t])
(3.8)
o` (B) =
u
B
f (x) 1 (dx) pour B B(R). De plus, : B(R) [0, +] est une mesure positive sur
(R, B(R)) et est mme une probabilit car

e
e
f (x) 1 (dx) = 1.
(R) =
R
Les mesures PX et tant -nies et vriant (3.8), dapr`s le corollaire A.6 donn en annexe page 95,
e
e
e
e
B B(R), PX (B) = (B) =
f (x) 1 (dx).
B
Par consquent, la loi de X est la loi absolument continue de densit f .

e
e
Exprimons lintgrale dune fonction par rapport ` la loi dune variable de loi absolument continue.
e
a
Thor`me 3.25 (Thor`me du transport pour les variables de loi absolument continue)
e e
e e
Soient X une variable alatoire dnie sur lespace de probabilit (, A, P) a valeurs dans Rd de loi
e
e
e
`
absolument continue de densit fX et : Rd R une fonction borlienne.
e
e
1. Alors, (X) est intgrable si et seulement si
e
Rd
|(t)| fX (t) d (dt) < +.
2. De plus, si (X) est intgrable ou si (X) est a valeurs dans [0, +] P-presque srement, alors
e
`
u
E((X)) =
Rd
(t) fX (t) d (dt).
Preuve du thor`me 3.25. En suivant la dmarche pour dnir lintgrale par rapport ` X et en utilisant le
e e
e
e
e
a
thor`me de Beppo Levi pour lintgrale par rapport ` , nous constatons que
e e
e
a
Rd
g dPX =
Rd
gfX dd
(3.9)
pour toute fonction borlienne g : Rd [0, +].

e
Dapr`s le thor`me du transport, (X) est P-intgrable si et seulement est PX -intgrable, cest-`-dire
e
e e
e
e
a
si et seulement si fX est d -intgrable car fX 0 et g = || vrie (3.9). Lassertion 1. du thor`me est
e
e
e e
donc dmontre.
e
e
Supposons (X) P-intgrable. Alors dapr`s le thor`me du transport et (3.9) pour g = + et g = ,
e
e
e e
E((X)) =
Rd
dPX (x) =
Rd
+ fX dd
car (fX )+ = + fX et (fX ) = fX .

63
Rd
fX dd =
Rd
fX dd
Supposons (X)
0 P-presque srement. Alors, 1<0 fX = 0 d -presque partout car 1<0 fX est
u
borlienne positive et car
e
0 = P((X) < 0) = PX ( < 0) =
Par suite, 1
0 fX
1<0 fX (x) dd (x).
= fX d -presque partout. En appliquant (3.9) ` 1

a
E((X)) = E (X)1(X)
3.4.2
Rd
=
Rd
0 dPX
=
Rd
0 fX
0,
nous obtenons alors :
dd =
Rd
fX dd
Fonction de rpartition des variables alatoires absolument continues

e
e
Etudions ` prsent les fonctions de rpartitions des variables alatoires relles de loi absolument continue.
a e
e
e
e
Proposition 3.26 (Variables alatoires absolument continue et fonctions de rpartition)
e
e
1. Soit X une variable alatoire relle de loi absolument continue de densit fX . Alors,
e
e
e
FX : R [0, 1]
t
],t]
fX (x)1 (dx),
la fonction de rpartition de X, est continue, drivable 1 -presque partout et FX = fX 1 -presque

e
e
partout. De plus, si fX est continue, FX est C 1 sur R et FX = fX partout.
2. Soit F : R R une fonction croissante continue telle que

lim F (t) = 0 et lim F (t) = 1.
t+
Supposons quil existe (xi )iI , avec I = {1, . . . , n} ou I = N , une famille strictement croissante
de rels tel que F est C 1 sur chaque intervalle ]xi , xi+1 [.
e
Alors, il existe une variable alatoire X dnie sur un espace (, A, P) de loi absolument continue
e
e
(bien dnie sauf peut-tre en x ).
de densit f = F
e
e
e
i
Remarque 3.7 Dans lassertion 2., f nest pas a priori bien dnie en xi , i I. Lunicit dune densit ntant
e
e
e e
vraie qu` galit 1 -presque partout, nous pouvons prolonger f en xi comme nous le souhaitons.
ae
e

e
e
0 si t < 0
F (t) =
t2 si t [0, 1[
1 si t 1.
La fonction F est continue croissante sur R telle que
lim F (t) = 0 et lim F (t) = 1.
t+
Par ailleurs, F est C 1 sauf en 1. Par consquent, F est la fonction de rpartition dune variable alatoire de loi
e
e
e
absolument continue de densit f : R R dnie par f (x) = 2x1]0,1[ (x).
e
e
64
3.4.3
Changement de variables
Nous nous intressons ` la loi de la variable alatoire g(X) lorsque X est de loi absolument continue.
e
a
e
Proposition 3.27
Soient X une variable alatoire dnie sur lespace de probabilit (, A, P) et a valeurs dans Rd . Suppoe
e
e
`
sons que la loi est absolument continue de densit fX et considrons un ouvert U de Rd tel que
e
e
P(X U ) = 1.
Si g : U Rd une fonction injective de classe C 1 sur U et si le le jacobien de g ne sannule pas sur U ,
alors g(X) est une variable alatoire de loi absolument continue ayant pour densit la fonction
e
e
Rd [0, +]
x
fX g1 (x) det J g1 (x)
1V (x)
avec V = g(U ) et pour tout x U, J g1 (x) la matrice jacobienne de g1 en x.

Preuve de la proposition 3.27. Il sut dappliquer le thor`me de changement de variables nonc ci-apr`s.
e e
e
e
e
Thor`me 3.28
e e
Soient U un ouvert de Rd et : U Rd une application injective de classe C 1 dont la matrice jacobienne
i
(x)
xj
J()(x) =
1 i,j d
en x est inversible pour tout x U . Posons V = (U ). Alors

g(x) d (dx) =
U
g (x)|detJ((x))| d (dx).
pour toute fonction g : V R d -intgrable ou borlienne positive.

e
e
Preuve du thor`me 3.28. Voir par exemple [11].
e e
3.4.4
Lois classiques absolument continues
Dans cette section, nous introduisons des lois classiques absolument continues en donnant leur densit et
e
prcisons leur fonction de rpartition si cela est possible. Commenons par les lois uniformes.
e
e
c
Dnition 3.29 (Loi uniforme sur [a, b])
e
Une variable alatoire relle X suit une loi uniforme sur lintervalle [a, b] (avec a, b R tel que
e
e
a < b) si la loi de X est la loi absolument continue de densit la fonction fX : R R dnie par
e
e
x R, fX (x) =
1
1 (x).
b a [a,b]
Donnons la fonction de rpartition dune loi uniforme sur un intervalle.

e
65
Proposition 3.30 (Fonction de rpartition de la loi uniforme sur [a, b])

e
Si X est une variable alatoire de loi uniforme sur [a, b] (avec a, b R tels que a < b), sa fonction de
e
rpartition FX est donne par
e
e
si x a,
0
xa
si a x b,
FX (x) =
ba
1
si x b.
et la variable alatoire
e
Xa
ba
suit une loi uniforme sur [0, 1].
Preuve de la proposition 3.30. Le calcul de FX se ram`ne au calcul dune intgrale au sens de Riemann et est
e
e
Xa
laiss en exercice. La densit de Y = ba peut tre obtenue en appliquant la proposition 3.27. Nous
e
e
e
proposons ici une autre mthode. Alors, pour tout t R,
e
0 si t 0,
t si 0 t 1,
FY (t) = P(Y
t) = P(X a + (b a)t) =
1 si t 1.
Alors, FY est la fonction de rpartition de la loi uniforme sur [0, 1] et donc Y suit la loi uniforme sur [0, 1].
e
Figure 3.3 Fonction de rpartition de la loi uniforme sur [a, b]

e
Introduisons la loi uniforme sur nimporte quel born de mesure de Lebesgue non nulle.
e
Dnition 3.31 (Loi uniforme sur U )
e
Soit U Rd un born tel que d (U ) > 0. Une variable alatoire X suit une loi uniforme sur U si la
e
e
loi de X est la loi absolument continue de densit fX dnie sur Rd par
e
e
x Rd , fX (x) =
1
1U (x).
d (U )
Introduisons ` prsent les lois exponentielles.

a e
Dnition 3.32 (Loi exponentielle E())
e
Une variable alatoire relle X suit la loi exponentielle E() de param`tre ]0, +[ si la loi de
e
e
e
X est la loi absolument continue de densit dnie sur R par
e
e
x R, (x) =
ex/
1]0,+[ (x).
Donnons la fonction de rpartition dune loi exponentielle.

e
66
Proposition 3.33 (Fonction de rpartition de la loi E())

e
La fonction de rpartition FX dune variable alatoire relle X de loi exponentielle E() est donne par
e
e
e
e
0
1 ex/
FX (x) =
si x 0,
si x > 0.
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1
Figure 3.4 Fonction de rpartition de la loi E(1)

e
Corollaire 3.34
Si a ]0, +[ et si X est une variable alatoire de loi exponentielle de param`tre ]0, +[, alors aX
e
e
suit la loi exponentielle de param`tre a.
e
Preuve du corollaire 3.34. On peut soit appliquer la proposition 3.27 soit procder comme suit. Notons FaX
e
la fonction de rpartition de aX. Alors, par dnition, pour tout t R,
e
e
FaX (t) = P X
t
a
0
1 et/(a)
si t 0,
si t > 0.
Par suite, FaX est la fonction de rpartition de la loi exponentielle E(a) et donc aX suit la loi E(a).
e
Nous terminons cette section en introduisant les lois gaussiennes. Ces lois sont tr`s importantes car elles sont
e
tr`s frquemment utilises pour la modlisation de phnom`nes alatoires et car elles apparaissent naturellement
e e
e
e
e
e
e
dans certains rsultats limites (voir la loi des grands nombres et le thor`me central limite dans le chapitre 8).
e
e e
Nous commenons par dnir la loi gaussienne centre rduite.
c
e
e e
Dnition 3.35 (Loi gaussienne centre rduite)
e
e e
Une variable alatoire relle X est dite gaussienne centre rduite, ou de loi gaussienne centre
e
e
e e
e
rduite si sa loi est absolument continue de densit
e
e
f0,1 : R R
x
1
2
Nous expliquerons dans le chapitre suivant les qualicatifs

toute gnralit les variables alatoires gaussiennes relles.
e e
e
e
e
67
x2
2
centre, rduite . Introduisons ` prsent en

e e
a e
Dnition 3.36 (Variable alatoire relle gaussienne)

e
e
e
Une variable alatoire relle X est dite gaussienne ou de loi gaussienne si il existe (a, m) R R et
e
e
une variable alatoire relle X0 de loi gaussienne centre rduite tels que
e
e
e e
X = aX0 + m presque srement.
u
Comme le dcrit la proposition suivante, si X est une variable alatoire relle gaussienne, alors soit X est
e
e
e
presque srement constante soit la loi de X est absolument continue.
u
Proposition 3.37
Si X est une variable alatoire relle gaussienne, alors,
e
e
1. il existe m R tel que X = m presque srement (cest-`-dire que X est presque srement constante)
u
a
u
et dans ce cas la loi de X est m ,
ou
2. il existe (m, ) R R telle que la loi de X est absolument continue de densit
e
+
fm,2 : R R
1
2
(xm)2
2 2
Si m R et si R , N m, 2 dsigne la loi gaussienne de densit fm,2 . Par convention, si m R,

e
e
+
N (m, 0) dsigne la loi m (une telle loi est appele loi gaussienne dgnre).
e
e
e e e e
Preuve de la proposition 3.37. Presque srement X = aX0 + m avec X0 une variable alatoire gaussienne
u
e
centre rduite et (a, m) R R.
e e
1er cas : Supposons a = 0. Alors, X = m presque srement et sa loi est m .
u
2nd cas : Supposons a = 0. Alors, pour toute fonction g : R R borlienne borne,
e
e
1
g(ay + m)f0,1 (y)dy =
2
R
E(g(X)) = E(g(aX0 + m)) =
g(ay + m)ey
2 /2
dy
car f0,1 est la densit de X0 . Nous pouvons eectuer le changement de variable x = ay + m car a = 0.
e
Nous constatons alors que pour toute fonction g : R R borlienne borne,
e
e
E(g(X)) =
1
2|a|
2 /(2a2 )
g(x)e(xm)
dx =
R
g(x)fm,2 (x)dx
avec = |a|. Ceci signie que la loi de X est la loi de densit fm,2 .
e
Par dnition, il est clair que si une variable alatoire relle Y est une fonction ane dune variable alatoire
e
e
e
e
relle gaussienne X alors Y est aussi une variable alatoire gaussienne.
e
e
68
Proposition 3.38
Soient X une variable alatoire relle et (m, ) R R+ .
e
e
1. Si X suit la loi N m, 2 et si (a, b) R2 , alors Y = aX + b suit la loi N am + b, a2 2 .
+
2. Supposons R . Alors, X suit la loi N m, 2 si et seulement si (X m)/ suit la loi N (0, 1).
+
Terminons cette section en introduisant la fonction de rpartition dune variable alatoire relle gaussienne
e
e
e
centre rduite.
e e
0.4
0.9
0.35
0.8
0.3
0.7
0.25
0.6
0.2
0.5
0.4
0.15
0.3
0.1
0.2
0.05
0
3
0.1
0
3
Figure 3.5 Densit et Fonction de rpartition de la loi N (0, 1).

e
e
Notation : dsigne la fonction de rpartition de la loi gaussienne centre rduite, c-`-d que
e
e
e e
a
x R, (x) = P(X
1
x) =
2
2 /2
et
1 (dt) .
La fonction nest pas connue explicitement. Les valeurs de cette fonction sont tabules. Par exemple,
e
(1) 0.841, (2) 0.977, (3) 0.999,
(1.64) 0.950 et (1.96) 0.975
Les valeurs (1.64) et (1.96) apparaissent lors de tests statistiques.
3.5
Mlange de lois discr`tes et absolument continues

e
e
Dans cette section, nous nous intressons aux variables alatoires qui ne sont ni discr`tes ni de loi absolument
e
e
e
continue. La loi dune variable alatoire relle comporte deux parties : une partie absolument continue et une
e
e
partie singuli`re .
e
Dnition 3.39 (Mesure singuli`re)
e
e
Une mesure positive nie sur (Rd , B(Rd )) est singuli`re par rapport a la mesure de Lebesgue
e
`
d sil existe un ensemble A de mesure de Lebesgue nulle tel que (Ac ) = 0.
Exemple 3.6 Si est la loi dune variable alatoire relle X discr`te ` valeurs dans {xi / i I} avec I ni
e
e
e a
ou dnombrable, alors est singuli`re par rapport ` la mesure de Lebesgue. En eet, pour A = {xi / i I},
e
e
a
(Ac ) = 0 par dnition de et d (A) = 0 car A est ni ou dnombrable.
e
e
69
Thor`me 3.40 (Dcomposition de la loi dune variable alatoire)

e e
e
e
Soit X une variable alatoire a valeurs dans Rd de loi PX . Il existe alors une fonction borlienne positive fX
e
`
e
d (unique a une galit -presque partout pr`s) et une unique mesure positive singuli`re
dnie sur R
e
`
e
e d
e
e
s
par rapport a la mesure de Lebesgue telle que
`
dPX = fX dd + ds ,
cest-`-dire telle que pour tout A B Rd , PX (A) =
a
fX dd + s (A).
Nous nous intressons plus particuli`rement au cas o` la partie singuli`re est une mesure discr`te.
e
e
u
e
e
Proposition 3.41
Soient FX la fonction de rpartition dune variable alatoire X et (xi )iI , avec I = {1, . . . , n} ou I = N
e
e
une famille strictement croissante de rels. Si la fonction FX est C 1 sauf peut-tre en xi , i I, alors
e
e
dPX = fX dd +
pi dxi
iI
avec pour tout i I, pi = FX (xi ) FX xi

partout.
le saut de la fonction FX en xi et fX = FX d -presque
Remarque 3.8 Sous les hypoth`ses de la proposition prcdente, en gnral, fX nest pas une densit et
e
e e
e e
e
s = iI pi xi nest pas une probabilit. En fait,
e
1 = PX Rd =
Rd
fX dd + s Rd .

e
e
0 si t < 0
F (t) =
t si t [0, 1/4[
1 si t [1/4, +[.
La fonction F tant croissante continue ` droite telle que limx+ F (x) = 1 et limx F (x) = 0, il sagit
e
a
de la fonction de rpartition dune variable alatoire relle X. En appliquant la proposition prcdente,
e
e
e
e e
dPX = f d1 +
avec f : R R+ dnie par f (t) =
e
3.6
2 t
1
d
2 1/4
1]0,1/4[ (t).
Lois marginales dun vecteur alatoire

e
Lorsque X est une variable alatoire ` valeurs dans un espace produit, nous pouvons nous intresser ` la
e
a
e
a
loi de ses coordonnes.
e
Dnition 3.42 (Lois marginales)
e
Soit X = (X1 , . . . , Xd ) une variable alatoire a valeurs dans Rd . La loi de la variable alatoire Xi est
e
`
e
`me composante.
e
appele loi marginale de la i
e
70
Nous commenons par tudier le cas des vecteurs alatoires de loi absolument continue.
c
e
e
Proposition 3.43 (Lois marginales dun vecteur absolument continu)
Si X = (X1 , X2 ) est un vecteur alatoire a valeurs dans R2 de loi absolument continue ayant pour densit
e
`
e
la fonction fX , alors X1 (respectivement X2 ) admet une densit fX1 (respectivement fX2 ), avec
e
x R, fX1 (x) =
f (x, y)1 (dy)
et
y R, fX2 (y) =
f (x, y)1 (dx).

R
Preuve de la proposition 3.43. Par symtrie il sut de montrer que f1 est la densit de X1 .
e
e
Dapr`s le thor`me de Fubini, lapplication f1 est mesurable (ou borlienne) et positive. De plus,
e
e e
e
A B(R), PX1 (A) = P(X1 A) = P((X1 , X2 ) A R) =
1A (x1 )fX (x1 , x2 )1 (dx1 )1 (dx2 ).

R
Alors, dapr`s le thor`me de Fubini, pour tout A B(R),

e
e e
PX1 (A) =
fX (x1 , x2 ) 1 (dx2 ) 1 (dx1 ) =
1A (x1 )
R
1A (x1 ) fX1 (x1 )1 (dx1 ).
Remarque 3.9 La rciproque est fausse : si X1 et X2 sont des variables alatoires relles absolument continues,
e
e
e
alors (X1 , X2 ) nest pas ncessairement un vecteur alatoire de loi absolument continue.
e
e
Intressons-nous ` prsent au cas des vecteurs discrets. Remarquons tout dabord quun vecteur alatoire
e
a e
e
X = (X1 , X2 ) est discret si et seulement si X1 et X2 sont des variables discr`tes.
e
Proposition 3.44 (Lois marginales dun vecteur discret)
Soit X1 (respectivement X2 ) est une variable alatoire discr`te a valeurs dans {(xi ) / i I} (respectie
e `
vement {yj / j J}). Nous supposons que les (xi )iI sont deux a deux distincts et que les (yj )jJ sont
`
aussi deux a deux distincts. Alors (X1 , X2 ) est un vecteur alatoire discret de loi donne par
`
e
e
pi,j = P(X1 = xi , X2 = yj ), i I, j J.
De plus, la variable alatoire X1 est discr`te a valeurs dans {xi / i I} et de loi donne par
e
e `
e
pi, = P (X1 = xi ) =
jJ
pi,j , i I.
De mme, X2 est une variable alatoire discr`te a valeurs dans {yj / j J} et de loi donne par
e
e
e `
e
p,j = P (X2 = yj ) =
iI
pi,j , j J.
Remarque 3.10 Les rsultats prcdents se gnralisent aisment au vecteur alatoire X = (X1 , . . . , Xd ) `
e
e e
e e
e
e
a
valeurs dans Rd , d 3. On peut ainsi donner les lois des marginales Xi . Mais, on peut aussi dterminer, de
e
faon analogue, la loi de tout vecteur Xi1 , . . . , Xip ` valeurs dans Rp , 1 p d.
c
a
71
3.7
Comment dterminer la loi dune variable alatoire g(X) ?

e
e
Considrons une variable alatoire X de loi connue PX et une variable alatoire Y = g(X). Nous expliquons
e
e
e
comment les rsultats vus dans ce chapitre peuvent tre utiliss pour dterminer la loi de Y .
e
e
e
e
Regarder tout dabord quelles peuvent tre les valeurs prises par Y .
e
Cas o` Y est une variable discr`te.
u
e
Admettons que Y prend ses valeurs presque srement dans un ensemble S ni ou dnombrable. Nous
u
e
rappelons que la loi de Y est alors
PY =
P(Y = s)s .
sS
Nous devons donc calculer P(Y = s) = P(g(X) = s) pour tout s S. Il nous faut trouver Bs tel que
P(Y = s) = P(g(X) = s) = P(X Bs ) = PX (Bs )
et ensuite utiliser lexpression de PX .
Exemple 3.8 Supposons que Y = 1[0,1] (X) avec X de loi exponentielle E(). Alors, Y est une variable alatoire
e
discr`te car elle est ` valeurs dans S = {0, 1}. De plus,
e
a
P(Y = 0) = P(0
1) = PX ([0, 1]) =
[0,1]
ex/
1 (dx) = 1 e1/
et P(Y = 1) = 1 P(Y = 0) = e1/ . La loi de Y est la loi de Bernoulli de param`tre 1/.

e
Cas o` Y = g(X) nest pas discr`te mais X est ` valeurs dans Rd de densit fX .
u
e
a
e
1. Technique 1 : utiliser la proposition 3.27 page 65 si les hypoth`ses en sont vries.
e
e e
2. Technique 2 : calculer la fonction de rpartition de Y et utiliser la proposition 3.26 page 64 ou la
e
proposition 3.41 page 70.
3. Technique 3 : dapr`s la proposition 3.7, si nous trouvons une probabilit telle que pour toute
e
e
fonction borlienne positive borne,
e
e
E((Y )) =
d.
alors la loi de Y est . Pour trouver , nous pouvons remarquer que

E((Y )) = E( g(X)) =
Rd
g(x)fX (x)dd (x)
et penser ` dcouper Rd en plusieurs sous-ensembles Ui sur lesquels nous pouvons eectuer un

a e
changement de variables.
Exemple 3.9 Soit X une variable alatoire de loi uniforme sur [1, 1] cest-`-dire de densit fX : R R
e
a
e
`
e
donne par fX (x) = 1 1[1,1] (x). Supposons que Y = |X|. A laide des techniques 2 et et 3, vrier que Y
e
2
est une variable alatoire de loi absolument continue de densit fY : R R donne par fY (y) = 1[0,1] (x),
e
e
e
cest-`-dire que Y est une variable alatoire de loi uniforme sur [0, 1]. Vrier par ailleurs que la technique 1
a
e
e
ne sapplique pas.
72
Chapitre 4
Espaces Lp et Lp
Dans ce chapitre (, A, ) est un espace mesur. En particulier A est une tribu sur et est une
e
d
mesure positive sur (, A). Comme dans les chapitres prcdents, tout sous-ensemble de R est muni de sa tribu
e e
borlienne, sauf mention du contraire. Nous tudions dans ce chapitre les espaces des fonctions p-intgrables
e
e
e
et les moments de variables alatoires. Nous donnons des ingalits classiques fort utiles en probabilits.
e
e
e
e
4.1
4.1.1
Espaces LP (, A, )
e
e
e e
La dnition suivante introduit lensemble des fonctions p-intgrables pour p [0, +[. Dans le cas o`
e
e
u
p = 0, il sagit simplement de lensemble des fonctions mesurables.
Dnition 4.1 (Espace LP (, A, ), p [0, +[)
e
1. L0 (, A, ) est lensemble des fonctions f : (, A) R, B R
2. Soit p R . Pour toute fonction f : (, A) R, B R
+
f
|f | d
mesurables.
mesurable, nous posons

1/p
Alors,
Lp (, A, ) = f L0 (, A, ) / f
est lensemble des fonctions f : (, A) R, B R
< + .
mesurables telles que f p est -intgrable.

e
Remarque 4.1
1. Lespace L0 (, A, ) ne dpend pas de la mesure .
e
2. En particulier, L1 (, A, ) est lensemble des fonctions -intgrables ` valeurs dans R.
e
a
3. Si p R et si f Lp (, A, ), alors f est nie -presque partout dapr`s la proposition 2.14 page 32.
e
+
Exemple 4.1
1. Supposons A = P() et considrons a . Alors,
e
L0 (, P(), a ) = f : R fonction .
73
De plus, si f L0 (, P(), a ), alors pour tout p ]0, +[,

f
p
p
|f |p da = |f (a)|p .
Par consquent, pour tout p ]0, +[, Lp (, P(), a ) = f : R fonction / |f (a)| < + .
e
2. Supposons = N et A = P(N). Munissons lespace (N, P(N)) de la mesure de comptage . Lespace
tant muni de la tribu triviale P(), toute fonction ` valeurs dans R est mesurable, cest-`-dire que
e
a
a
L0 (N, P(N), a ) = f : N R fonction .
Lespace des fonctions mesurables L0 (N, P(N), ) sidentie aux suites ` valeurs dans R.
a
, si f L0 (N, P(N), ),
Par ailleurs pour p R+
1/p
=
n=0
Remarquons que si f
|f (n)|
< + pour p R , alors pour tout n N, f (n) R. Par suite, pour p R ,

+
+
Lp (N, P(N), a ) =
f : R fonction /
nN
|f (n)|p < + .
a
e
Notons que pour p R , lespace Lp (N, P(N), ) sidentie ` lensemble des suites relles de puissance
+
`me sommable, cest-`-dire que
e
p
a
+
Lp (N, P(N), ) lp (N) =
(un )nN RN /
De plus, ici L2 (N, P(N), ) = L1 (N, P(N), ) car la suite

sommable.
n=0
1
n+1 nN
|un |p < + .
nest pas sommable mais est de carr

e
Nous allons maintenant introduire lensemble L (, A, ) des fonctions mesurables bornes presque partout.
e
Dnition 4.2 (Fonction borne presque partout)
e
e
Une fonction f : R est -presque partout borne si il existe un c R+ tel que |f |
e
partout, cest-`-dire si il existe c R+ et N un ensemble -ngligeable tel que
a
e
N, |f ()|
c -presque
c.
Remarque 4.2 Soit f L0 (, A, ). Alors, pour tout c R,

{|f | > c} A.
Par suite, f est -presque partout borne si et seulement si il existe c R+ tel que ({|f | > c}) = 0.
e
Cette remarque conduit ` la dnition suivante de f
a
e
74
et de L (, A, ).
Dnition 4.3 (Espace L(, A, ))

e
1. Soit f L0 (, A, ). Alors, nous posons
f
= inf {c R+ / (|f | > c) = 0} = inf {c R+ / |f |
c -presque partout}
avec par convention inf = +. Par dnition, f est -presque partout borne si et seulement si
e
e
f < +.
2. L (, A, ) est lensemble des fonctions f L0 (, A, ) -presque partout bornes, cest-`-dire
e
a
que
L (, A, ) = f L0 (, A, ) / f < + .
Exemple 4.2 Supposons que = R et que A = B(R). Considrons la fonction f : R R dnie par
e
e
+
0
f (x) =
si x > 1
sinon.
La fonction f est alors borlienne : elle est mme tage (car constante par morceaux).
e
e
e e
1. Supposons que lespace mesurable (, A) est muni de = 1 la mesure de Lebesgue sur R. Alors, f nest
pas -presque partout borne car
e
1 (R) = + si c = 0
1 (]1, +[) = + si c R .
+
1 ({|f | > c}) =
2. Par contre si lespace mesurable (, A) est muni de = 0 , f est -presque partout nulle (car f (0) = 0)
et donc f est -presque partout borne ( f = 0).
e
4.1.2
Premi`res proprits
e
e e
Nous pouvons toujours dominer une fonction mesurable f par f

Proposition 4.4 (Comparaison de f avec f
Si f L0 (, A, ), alors |f |
-presque partout.
Remarque 4.3 Soit f L0 (, A, ). Alors, f

partout.
est le plus petit c R+ {+} tel que |f |
c -presque
Preuve de la proposition 4.4. Soit f L0 (, A, ).

Si f
= +, alors |f |
partout.
Supposons f < +, cest-`-dire que f L (, A, ). Soit (n )nN une suite dcroissante de rels
a
e
e
convergeant vers le rel f . Dapr`s la dnition de f , pour tout n N,
e
e
e
|f |
n -presque partout,
75
cest-`-dire que lensemble Nn = {|f | > n } est -ngligeable. Lensemble N =

a
e
un ensemble -ngligeable et
e
N, n N, |f ()| n .
nN Nn
est alors aussi
Alors, en faisant tendre n +, nous constatons que

N, |f ()|
et donc que |f |
-presque partout (car N est -ngligeable).

e
Enonons quelques proprits qui sont de simples consquences des rsultats du chapitre 2.
c
ee
e
e
Proposition 4.5
Pour tout p ]0, +] et tout f L0 (, A, ),
1. f Lp (, A, ) |f | Lp (, A, )
2.
= 0 f = 0 -presque-partout.
Preuve de la proposition 4.5. Il sagit dune simple consquence de la dnition des espaces Lp (, A, ),
e
e
de la proposition 2.8 page 29 et de la proposition 2.13 page 32.
De plus, pour tout p ]0, +],
, est en quelque sorte
croissante .
Proposition 4.6
Soient f, g L0 (, A, ). Supposons que
|f |
|g| -presque partout.
Alors pour tout p ]0, +],
g p.
Par consquent, si g Lp (, A, ), alors f Lp (, A, ).

e
Preuve de la proposition 4.6. Supposons |f |
|g| -presque partout.
Si p < +, la proposition 4.6 est une consquence de la proposition 2.8 page 29 (car p
e
0).
Supposons p = +. Alors dapr`s la proposition 4.4,

e
|g|
-presque partout,
cest-`-dire que lensemble {|g| > g } est -ngligeable. De plus, par hypoth`se, lensemble {|f | > |g|}
a
e
e
est aussi -ngligeable. Par consquent, lensemble
e
e
N = {|g| > g } {|f | > |g|}
est -ngligeable. A fortiori lensemble {|f | > g
e
partout et par dnition f
e
g .
76
N est -ngligeable. Alors, |f |

e
-presque
Terminons cette section en remarquant que les espaces Lp , p ]0, +], sont des espaces vectoriels rels.
e
p , avec p ]0, +], la somme f + g nest a priori dnie que presque partout mais quen la
Notons si f, g L
e
prolongeant par 0 (par exemple), nous obtenons une fonction mesurable.
Proposition 4.7
Pour tout p ]0, +], lensemble Lp (, A, ) est un espace vectoriel rel.
e
Supposons que p R . Soient f, g Lp (, A, ), R et a = ||. Alors, quitte ` la prolonger par 0,
a
+
f + g L0 (, A, ). De plus,
|f + g|p
|a|f | + |g||p
2p (max (a|f |, |g|))p
2p max (ap |f |p , |g|p )
2p (ap |f |p + |g|p ).
Do`, f + g p 2p ap f
u
p
est un espace vectoriel rel.
e
p
p
+ g
p
p
< + et donc f + g Lp (, A, ). Par consquent, Lp (, A, )

e
Supposons p = +. Soient f, g L (, A, ), R et a = ||. Alors, quitte ` la prolonger par 0,

a
f + g L0 (, A, ). De plus, par dnition de L (, A, ),
e
N = {|f | > f
{|g| > g
est la runion de deux ensembles -ngligeables donc est lui-mme -ngligeable. De plus,
e
e
e
e
w N, |f () + g()|
/
a f
+ g
Par consquent, f + g L (, A, ). Alors, L (, A, ) est un espace vectoriel rel.

e
e
4.1.3
Ingalits sur les espaces LP (, A, )

e
e
Proposition 4.8 (Ingalit de Hlder)

e
e
o
Soient p [1, +] et q lexposant conjugu de p, cest-`-dire que q [1, +] est tel que
e
a
0 (, A, ), f g L0 (, A, ) et
Alors, pour toutes fonctions f, g L
fg
g q.
1
p
1
q
= 1.
(4.1)
Remarque 4.4 Si p = 2, alors q = 2 et lingalit (4.1) scrit

e
e
e
fg
g 2,
et est aussi appele ingalit de Cauchy-Schwarz.

e
e
e
Il est vident que f g est mesurable.
e
Supposons p = 1. Alors q = +. Dapr`s la proposition 4.4, |g|
e
|f g|
|f | g
-presque partout.
77
-presque partout. Par suite,
Remarquons que g
[0, +]. Alors en intgrant par rapport ` , nous avons :

e
a
fg
|f g| d
|f | g
= g
1.
Nous venons de dmontrer lingalit de Hlder dans le cas o` p = 1.

e
e
e
o
u
Supposons p = +. Alors, q = 1. Par symtrie, dapr`s la premi`re partie de cette preuve,
e
e
e
fg
g 1.
Soit p ]1, +[. Alors par dnition q ]1, +[. Considrons la fonction : R+ R dnie par
e
e
e
1
x R+ , (x) = xy xp
p
avec y R+ x. Il est facile de vrier que atteint son maximum M = 1 y q pour x = y 1/(p1) . Nous
e
e
q
en dduisons que
e
xp y q
x 0, y 0, xy
+ .
(4.2)
p
q
1er cas Si f p = 0 (respectivement g q = 0), dapr`s la proposition 4.5, f = 0 (respectivement g = 0)
e
-presque partout. D`s lors, si f p = 0 ou si g p = 0, alors f g = 0 -presque partout et
e
fg
2`me cas Si f
e
= + (respectivement g
=0= f
g q.
= + ), lingalit de Hlder est triviale.

e
e
o
3`me cas Il nous reste ` traiter le cas o` 0 < f p < + et 0 <

e
a
u
lingalit (4.2) pour
e
e
|g|
|f |
et y =
,
x=
f p
g q
puis en intgrant par rapport ` , nous obtenons : f g
e
a
< +. En appliquant
g q.
Corollaire 4.9
Soient p [1, +] et q lexposant conjugu de p, cest-`-dire que q [1, +] est tel que
e
a
p (, A, ) et si g Lq (, A, ), alors f g L1 (, A, ) et
Si f L
f g d
fg
1
p
1
q
= 1.
g q.
Preuve du corollaire 4.9. La fonction f g est mesurable et dapr`s lingalit de Hlder,

e
e
e
o
fg
Or par hypoth`se f
e
la proposition 2.13,
< + et g
< +. Do` f g
u
f g d
p
1
g q.
< + et donc f g L1 (, A, ). Alors, dapr`s
e
|f g| d = f g
78
g q.
Dans le cas o` est une mesure borne, nous pouvons dduire de lingalit de Hlder des inclusions entre
u
e
e
e
e
o
p (, A, ), p
les espaces L
1. Ces inclusions sont utiles en probabilits.
e
Proposition 4.10 (Cas mesure borne)
e
Supposons que est une mesure positive borne sur (, A). Alors, les fonctions constantes relles appare
e
tiennent a Lp (, A, ) pour tout p [0, +]. Par ailleurs, pour tout 1 p p +,
`
Lp (, A, ) Lp (, A, )
Attention : si nest pas une mesure borne, il ny a a priori aucune relation dinclusion entre
e
les espaces Lp(, A, ), p [1, +]. En particulier,
L2 Rd , B Rd , d L1 Rd , B Rd , d
et
L1 Rd , B Rd , d L2 Rd , B Rd , d .

Soit a R. Considrons la fonction relle constante f = a dnie sur . Alors, f est bien mesurable,
e
e
e
cest-`-dire que f L0 (, A, ). De plus,
a
p ]0, +[, f
1/p
|a|p d
= |a|(())1/p < +
car est borne. Par consquent f Lp (, A, ) pour tout p ]0, +[. Enn,
e
e
f
car |f |
= |a| < +
|a| partout et ({|f | > c}) = () = 0 pour tout c [0, a[. Par suite, f L (, A, ).
En conclusion, les fonctions constantes relles sont dans Lp (, A, ) pour tout p [0, +].
e
Soient 1 p p + et h Lp (, A, ). Nous pouvons supposer p < p . En eet si p = p , il est
clair que Lp (, A, ) Lp (, A, ).
1er cas : Supposons p = +.
Alors, p < +, h R+ et |h|
-presque partout. Par suite, dapr`s la proposition 4.6,

e
p
= h
1/p
(())
< +
car est borne. Par suite, h Lp (, A, ). Par suite, si p = +, Lp (, A, ) Lp (, A, ).

e
2nd cas : Supposons p < +.
Alors p < p < +. Posons p1 = p /p, f = |h|p et g = 1. Notons q1 lexposant conjugu de p1 . Alors,
e
dapr`s lingalit de Hlder,
e
e
e
o
h
Etant donn que 1

e
p
p
|h|p d =
|f g|d = f g
p1
q1 .
= h
p
p
< +
p1 < +, q1 ]1, +] et
f
p1
pp1
|h|
1/p1
|h| d
79
p/p
car h Lp (, A, ). De plus,
g
La mesure tant borne, g
e
e
1
si q1 = +
()1/q1 sinon.
< +. Par suite,

h
p
p
p1
< +.
q1
p < p < +, Lp (, A, ) Lp (, A, ).
Alors, h Lp (, A, ). Nous venons de montrer que si 1
Etablissons ` prsent lingalit triangulaire pour

a e
e
e
Minkowski.
lorsque p
1, ingalit encore appele Ingalit de

e
e
e
e
e
Proposition 4.11 (Ingalit de Minkowski)

e
e
Soient p [1, +] et f, g : (, A) R, B R deux fonctions mesurables. Si f et g sont toutes deux a
`
valeurs dans [0, +] -presque partout ou toutes deux -presque partout nies, alors
f +g
+ g p.
(4.3)
Preuve de la proposition 4.11. Supposons que les fonctions mesurables f et g sont toutes deux ` valeurs dans
a
[0, +] -presque partout ou toutes deux -presque partout nies. Alors, la fonction f + g est bien
dnie -presque partout et se prolonge en une fonction mesurable (car lensemble {f = +, g = },
e
ensemble sur lequel f + g nest pas dnie, est mesurable).
e
Si f
= + ou g
= +, (4.3) est clairement vraie. Supposons que f
< + et que g
< +.
1. Supposons que f et g sont ` valeurs dans [0, +] -presque partout.

a
(a) Si p = 1, alors par construction de lintgrale,
e
f +g
gd = f
f d +
(f + g)d =
+ g
car f et g sont positive -presque partout. Si p = 1, (4.3) est vrie.

e e
(b) Supposons 1 < p < +. Notons q ]1, +[ lexposant conjugu de p. Alors les fonctions f et
e
g tant positives -presque partout,
e
f +g
p
p
g(f + g)p1 d
f (f + g)p1 d +
(f + g)p1
+ g
(f + g)p1
dapr`s lingalit de Hlder. Comme q < + et comme les fonctions f et g sont positives
e
e
e
o
-presque partout,
(f + g)p1
car q = p/(p 1).
(f + g)q(p1) d
1/q
(f + g)p d
80
1/q
= f +g
p/q
p
Par suite,
f +g
p
p
+ g
f +g
p/q
p .
De plus, lespace Lp (, A, ) tant un espace vectoriel, f + g Lp (, A, ) et donc

e
f +g
Par consquent, vu ce qui prc`de si f + g
e
e e
f +g
car q = p/(p 1). Si f + g
< +.
> 0,
f
+ g
= 0, lingalit prcdente est trivialement vrie.

e
e e e
e e
(c) Supposons p = +. Etant donn que f

e
|f + g|
Alors, par dnition de f + g
e
+ g
et que g
-presque partout,
-presque partout.
f +g
+ g
3. Supposons que f et g sont -presque partout nies. Etant donn que |f + g|

e
f +g
|f | + |g|,
|f | + |g| p .
Alors, en appliquant ce qui prc`de aux fonctions mesurables positives |f | et |g|, nous avons :
e e
f +g
|f |
+ |g|
Nous sommes maintenant en mesure de prouver que
p,
= f
+ g p.
o` p [1, +], est une semi-norme.

u
Proposition 4.12
Pour tout p [1, +],
est une semi-norme sur lespace vectoriel rel Lp (, A, ).

e
Preuve de la proposition 4.12. Il sagit dune consquence de la proposition 4.7, de lingalit de Minkowski
e
e
e
et du fait que
f p = || f p
pour tout f Lp (, A, )) et tout R.
4.2
4.2.1
Espaces Lp (, A, )
Dnitions et proprits
e
e e
La semi-norme p nest pas, en gnral, une norme sur Lp (, A, ) car si f p = 0, alors f nest pas
e e
ncessairement identiquement nulle. En eet, toute fonction f nulle -presque partout vrie f p = 0.
e
e
81
Dnition 4.13
e
La relation entre deux lments f et g de L0 (, A, ) dnie par
ee
e
f g f = g -presque partout
(4.4)
est une relation dquivalence. Pour tout p [0, +], nous notons alors Lp (, A, ) lensemble des classes
e
dquivalence dlments de Lp (, A, ) pour la relation prcdente.
e
ee
e e
Si h1 et h2 sont deux fonctions mesurables ` valeurs -presque partout dans [0, +] et gales -presque
a
e
partout, alors
h2 d.
h1 d =
Si f Lp (, A, ) est la classe de g Lp (, A, ), nous pouvons alors dnir sans ambigu e f

e
t
f
|g|p d
par
1/p
car la valeur de lintgrale prcdente ne dpend pas du choix du reprsentant g. Les ingalits de Hlder et de
e
e e
e
e
e
e
o
Minkowski restent alors vraies sur lensemble Lp (, A, ) pour tout p [1, +].
Proposition 4.14
Pour tout p [1, +],
est une norme sur lespace vectoriel rel Lp (, A, ).

e
Preuve de la proposition 4.14. Soit p [1, +]. Lespace Lp (, A, ) tant un espace vectoriel rel, lensemble
e
e
Lp (, A, ) de ses classes dquivalence est aussi un espace vectoriel rel.
e
e
De plus, vrie lingalit de Minkowski, cest-`-dire lingalit triangulaire.
e
e
e
a
e
e
Pour tout f Lp (, A, ) et tout R, f
= || f
p.
Enn, par dnition de Lp (, A, ) et dapr`s la proposition 4.5, si f Lp (, A, ), alors

e
e
f
Par consquent,
e
Muni de la norme
norm complet).
e
= 0 f = 0.
est une norme sur lespace vectoriel rel Lp (, A, ).

e
p,
lespace Lp (, A, ) (p
1) est un espace de Banach (cest-`-dire un espace vectoriel

a
Thor`me 4.15 (Thor`me de Riesz-Fisher)

e e
e e
Soit p [1, +].
1. Lespace Lp (, A, ) muni de la norme
est un espace de Banach.
2. Soit (fn )nN une suite dlments de Lp (, A, ) qui converge dans cet espace vers f , cest-`-dire
ee
a
que f Lp (, A, ) et
lim fn f p = 0.
n+
Alors il existe une sous-suite fnp
pN
qui converge -presque partout vers f .

82
Cette proprit est une consquence du lemme suivant.

ee
e
Lemme 4.16
Soient p [1, +] et (un )nN une suite de Lp (, A, ) (respectivement de Lp (, A, )) telle que
un
< +.
(4.5)
nN
1. Alors, V =
nN
|un | appartient a Lp (, A, ) (respectivement Lp (, A, )) donc est -presque par`
tout nie.
2. La fonction U =
nN
un appartient a Lp (, A, ) (respectivement Lp (, A, )) et
`
n
lim
n+
= 0.
uk
k=0
(4.6)
Remarque 4.5 La fonction U nest bien dnie que sur lensemble V < + donc -presque partout. Nous
e
pouvons la prolonger en une fonction mesurable (car {V = +} est un ensemble mesurable ngligeable).
e
Preuve du lemme 4.16. Voir Annexe 4.4.1 page 89.
Preuve du thor`me 4.15. Soit (fn )nN une suite de Cauchy de Lp (, A, ). Nous pouvons alors dnir la suite
e e
e
dentiers (nk )kN par
n0 = inf n / m n, r n, fm fr
20 ,
k N, nk+1 = inf n
nk / m
n, r
n, fm fr
2(k+1) .
Par construction,
k N, fnk+1 fnk
car nk+1
2k
nk . Alors,
fnk+1 fnk
kN
Par suite, dapr`s le lemme 4.16, F = fno +

e
< +.
(fnk+1 fnk ) appartient ` Lp (, A, ) et

a
kN
k
lim
k+
Rappelons que pour n
F f n0
i=0
(fni+1 fni )
nk+1 ,
fn fnk+1
= lim
p
F fnk+1
= 0.
2(k+1) .
Alors, (fn )nN converge, comme (fnk )kN , vers F dans Lp (, A, ). Nous admettons que la sous-suite
(fnk )kN converge -presque partout.
83
4.2.2
Sous-espaces denses dans Lp(, A, P)
Proposition 4.17
Soit E lensemble des fonctions tages sur (, A) a valeurs relles. Alors, pour tout p [1, +], lene e
`
e
semble E Lp (, A, ) est dense dans Lp (, A, ) (muni de la norme p ).
Remarque 4.6 Dans lnonc prcdent, on a identi un lment de E ` sa classe dans L0 (, A, ).

e
e e e
e
ee
a
Preuve de la proposition 4.17. Soit f Lp (, A, ).
1. Supposons que f est ` valeurs dans [0, +] et considrons la suite de fonctions (fn )nN dnie par
a
e
e
n N, fn =
n2n 1
i=1
k2n 1{k2n
Il est clair que fn E. De plus, pour tout n N, 0

fn
f <(k+1)2n }
fn
p
+ n1{f >n} .
fn+1
f. Par consquent,
e
< +.
Do`, fn Lp (, A, ). Par ailleurs, pour tout w , lim fn () = f ()

u
n+
Supposons p < +. Alors, la suite (|f fn |p )nN converge simplement vers 0 et pour tout n N,
|f fn |p = (f fn )p
(f f0 )p = g.
Etant donn que g L1 (, A, ) (car f, f0 Lp (, A, )), dapr`s le thor`me de convergence

e
e
e e
domine appliqu ` la suite (|f fn |p )nN ,
e
ea
|fn f |p d = 0.
lim
n+
Lorsque p = +, (fn )nN converge vers f dans L (, A, ) car

fn f
2n d`s que n > f

e
2. Supposons que f nest pas positive. Dcomposons f sous la forme f = f+ f . Alors, f+ et f sont
e
positives et dans Lp (, A, ). Nous pouvons alors les approcher dans Lp (, A, ) par des lments
ee
de E Lp (, A, ). Nous en dduisons facilement lexistence dune suite (fn )nN dlments de
e
ee
E Lp (, A, ) convergeant vers f dans Lp (, A, ).
Proposition 4.18
Soit p [1, +[ et I un intervalle non vide de R.
e
`
1. Lensemble Cc Rd des fonctions continues dnies sur Rd et a support compact est dense dans
p Rd , B Rd , , o` dsigne la mesure de Lebesgue sur Rd .
u d e
L
d
2. Lensemble Cc (I) des fonctions continues dnies sur I et a support compact est dense dans
e
`
Lp (I, B(I), 1 ).
84
Espaces Lp et Lp sur un espace de probabilit

e
4.3
Soit P une probabilit sur lespace probabilisable (, A).

e
4.3.1
Moments dune variable alatoire

e
Rappelons les dnitions des espaces Lp et Lp sur lespace de probabilit (, A, P).

e
e
Dnition 4.19 (Espaces Lp(, A, P) et Lp(, A, P))
e
1. Si p [1, +[, Lp (, A, P) est lensemble des variables alatoires X a valeurs dans R telles que
e
`
E(|X|p ) < +.
2. L (, A, P) est lensemble des variables alatoires X a valeurs dans R pour lesquelles il existe
e
`
c R+ tel que
|X| c P-presque srement.
u
Par ailleurs, pour tout X L0 (, A, P),
X
= inf {c R+ / |X|
c presque srement}.
u
3. Pour tout p [1, +], Lp (, A, P) est lensemble de classes dquivalence des lments de
e
ee
Lp (, A, P) pour la relation dquivalence
e
X Y X = Y presque srement.
u
Rappelons que les espaces Lp (, A, P), p

classiques sur ces espaces en section 4.3.2.
1 sont des espaces de Banach. Nous noncerons les ingalits

e
e
e
Proposition 4.20
Soit p [1, +]. Lespace Lp (, A, P) est un espace de Banach pour la norme dnie par
e
X
X
= (E(|X|p ))1/p si 1
= inf {c
0 ; |X|
p < +
c presque srement}
u
Nous dnissons maintenant la notion de moments dune variable alatoire.

e
e
Dnition 4.21 (Moment dune variable alatoire)
e
e
Soit X : (, A) R, B R
une variable alatoire a valeurs dans R et p N .

e
`
1. La variable alatoire X admet un moment dordre p si

e
E(|X|p ) < +,
cest-`-dire si X Lp (, A, P). De plus, si X Lp (, A, P), le moment dordre p de X est le
a
rel E(X p ).
e
2. La variable alatoire X est centre si X admet un moment dordre 1 nul.
e
e
85
Remarque 4.7
1. Si X admet un moment dordre 1, alors X E(X) est une variable alatoire centre.
e
e
e
2. Soient 1 p p . Etant donn que Lp (, A, P) Lp (, A, P) (car P est une mesure positive borne), si
e
, alors X admet un moment dordre p.
X admet un moment dordre p
Nous pouvons ` prsent dnir les notions de variance et cart-type.

a e
e
e
Dnition 4.22 (Variance et cart-type)
e
e
Soit X une variable alatoire a valeurs dans R admettant un moment dordre 2.
e
`
1. La variance de X est dnie par Var (X) = E (X E(X))2 .
e
2. De plus, la variable X est rduite si Var (X) = 1.
e
3. Lcart-type de X est dni par (X) =
e
e
Var (X).
Donnons quelques proprits de la variance.

ee
Proposition 4.23
Soit X une variable alatoire a valeurs dans R admettant un moment dordre 2.
e
`
1. La variance de X est nie et
Var X = E X 2 (E(X))2 .
2. Var (X) = 0 (ou (X) = 0) si et seulement si X est presque srement constante.

u
1. Remarquons que
(X E(X))2 = X 2 2XE(X) + (E(X))2 .
Etant donn que X admet un moment dordre 2, E X 2 < + et E(|X|) < +. Par linarit de
e
e
e
lintgrale sur lensemble des fonctions intgrables,
e
e
Var X = E (X E(X))2 = E X 2 2E(X)E(X) + (E(X))2 = E X 2 (E(X))2
car E(a) = a pour tout rel a.
e
2. La deuxi`me assertion est une consquence directe de la proposition 2.8 du chapitre 2.
e
e
Proposition 4.24
Soient (a, b) R2 et X une variable alatoire a valeurs dans R admettant un moment dordre 2. Alors,
e
`
Var (aX + b) = Var (aX) = a2 Var (X).
Des exemples de calculs de moments seront donns en annexe (voir section 4.4.2) pour les lois classiques.
e
86
4.3.2
Ingalits
e
e
Commenons par rappeler lingalit de Hlder.

c
e
e
o
Proposition 4.25 (Ingalit de Hlder)
e
e
o
Soient X et Y deux variables alatoires a valeurs dans R.
e
`
1. Si p ]1, +[,
E(|XY |)
(E(|X|p ))1/p (E(|Y |q ))1/q
qvec q tel que 1/p + 1/q = 1. En particulier si p = q = 2, lingalit de Cauchy-Schwarz scrit

e
e
e
E(|XY |)
E X2
1/2
E Y2
1/2
2. Si p = 1, alors
E(|XY |)
E(|X|) Y
Rappelons maintenant lingalit de Minkowski.

e
e
Proposition 4.26 (Ingalit de Minkowski)
e
e
Soit p [1, +]. Si X et Y sont deux variables alatoires toutes deux a valeurs dans [0, +] presque
e
`
srement ou sont toutes deux presque srement nies, alors
u
u
(E[|X + Y |p ])1/p
(E[|X|p ])1/p + (E[|Y |p ])1/p .
Dans le cadre des espaces de probabilit, on peut tablir dautres ingalits.

e
e
e
e
Proposition 4.27 (Ingalit de Jensen)
e
e
1. Pour toute fonction convexe : R+ R+ et toute variable alatoire X a valeurs dans R+ ,
e
`
(E(X))
(4.7)
E((X)).
2. Si X L1 (, A, P) et si : R R est une fonction convexe telle que (X) L1 (, A, P), alors

(E(X))
(4.8)
E((X)).
Preuve de la proposition 4.27. On dmontre le rsultat pour convexe positive dnie sur R+ et X variable
e
e
e
alatoire positive. Alors, tant convexe,
e
e
(x) = sup li (x), li (x) = ai x + bi ,
iI
o` li
u
. Si de plus
0 sur R+ , on peut choisir li
0 sur R+ . En particulier,
(E(X)) = sup li (E(X)) .

iI
Or, li (E(X)) = ai E(X) + bi = E(ai X + bi ) = E(li (X)) et E(li (X))

(E(X)) = supiI li (E(X)) E((X)).
87
E((X)). Par consquent,

e
Remarque 4.8
1. Soit X L0 (, A, P) une v.a relle. Pour tout 1
e
E(|X|p ) = X
p
p
En eet, cette ingalit est vidente si E |X|p

e
e
e
p < +,
p
p
= E |X|p
p/p
= + et se dduit de lingalit de Jensen sinon.

e
e
e
2. En appliquant lingalit de Jensen ` la fonction dnie par

e
e
a
e
x
avec p
1, on obtient : (E(|X|))p
0, (x) = xp
E(|X|p ) pour toute variable alatoire relle X.

e
e
Proposition 4.28 (Ingalit de Markov)

e
e
Si X est une variable alatoire a valeurs dans [0, +] presque srement et si R , alors,
e
`
u
+
P(X
E(X)
.
Preuve de la proposition 4.28. Soit R . Remarquons que

+
X
1{X
presque srement. Alors,

u
E(X)
E 1{X
= P(X
),
ce qui prouve lingalit de Markov.

e
e
Proposition 4.29 (Ingalit de Bienayme-Tchebytchef )

e
e
e
Soit X une variable alatoire admettant un moment dordre 2. Alors, pour tout ]0, +[,
e
P(|X E(X)|
Var (X)
.
2
Preuve de la proposition 4.29. Posons Y = |X E(X)|. Alors Y

{|X E(X)|
} = {Y
0 et
} = Y 2
2 .
Dapr`s lingalit de Markov applique ` la variable Y 2 ,

e
e
e
e a
P(|X E(X)|
) = P Y 2
E Y2
,
2
ce qui prouve lingalit Bienayme-Tchebytchef de car E Y 2 = Var (X).

e
e
e
88
4.4
Annexes
4.4.1
Annexe : Preuve du lemme 4.16, voir nonc page 83

e
e
Dapr`s lingalit de Minkovski (4.3),

e
e
e
n
k=0
Posons gn =
n
k=0 |uk |.
|uk |
uk
uk
k=0
< +.
(4.9)
kN
p
La suite (gn )nN est une suite croissante (car p > 0) de fonctions mesurables positives.
p
1. (a) Supposons p [1, +[. Dapr`s le thor`me de convergence monotone appliqu ` la suite (gn )nN ,
e
e e
ea
p
n
p
p
|V | d = lim
n+
k=0
|uk | .
p
D`s lors, on dduit de (4.9) que V Lp (, A, ).

e
e
(b) Supposons p = +. Par dnition de , pour tout n N, |un |

e
Une runion dnombrable de ngligeables tant un ngligeable,
e
e
e
e
e
0
un
nN
un
-presque partout.
-p.p.
par dnition de V . Do`, vu lhypoth`se (4.5), V L (, A, ).

e
u
e
2. La srie de terme gnral un tant absolument convergente sur {V < +}, la fonction U est bien dnie
e
e e
e
e
et |U | V . Etant donn que V Lp (, A, ), U est aussi lment de Lp (, A, ). De plus

e
ee
+
uk 1V <+ -presque partout
uk =
k=n+1
k=0
car V < + -presque partout et donc

+
uk
k=n+1
k=0
|uk |.
En appliquant lingalit de Minkowski, on constate alors que

e
e
n
uk
k=0
uk
p
p.
k=n+1
On dduit alors de (4.9) que

e
k=0
uk converge vers U dans Lp (, A, ), cest-`-dire vrie (4.6).

a
e
3. Dans le cas o` p = +, on tudie la convergence normale de la srie de terme gnral un .

u
e
e
e e
4.4.2
Calculs de quelques moments
Nous calculons les moments dordre 1 et 2 des lois classiques et prcisons la variance de chacune de ces lois.
e
Commenons par la loi binomiale.
c
Proposition 4.30 (Lois binomiales)
Soit X une variable alatoire de loi binomiale B(n, p) avec n N et p [0, 1]. Alors,
e
E(X) = np et Var (X) = np(1 p).
89

Par dnition
e
E(X) =
k=0
k1
k
car nCn1 = kCn pour 1
k
kCn pk (1 p)k = n
k=1
k1
Cn1 pk (1 p)nk
n. Alors,
n1
E(X) = n
l=0
l
Cn1 pl+1 (1 p)nl = pn
dapr`s la formule du binme de Newton.

e
o
Au lieu de calculer lesprance du carr de X on value E[X(X 1)]. Alors,
e
e
e
n
E(X(X 1)) =
k=0
n
k
k(k 1)Cn pk (1 p)k = n(n 1)
k=2
k2
Cn2 pk (1 p)nk
Si n = 1 E(X(X 1)) = 0 et donc E X 2 = E(X) = p car X 2 = X(X 1) + X. Par consquent, si n = 1

e
VarX = p p2 = p(1 p).
Supposons maintenant n
2. Alors,
n2
E(X(X 1)) = n(n 1)
k=0
k
Cn2 pk+2 (1 p)nk2 = n(n 1)p2 .
Alors, E X 2 = n(n 1)p2 + pn et VarX = n(n 1)p2 + pn p2 n2 = np(1 p).

Intressons-nous ` prsent aux lois de Poisson.
e
a e
Proposition 4.31 (Lois de Poisson)
Soit X une variable alatoire de loi de Poisson P() avec R . Alors, E(X) = et Var (Y ) = .
e
+
Par dnition,
e
E(X) =
nP(Y = n) =
n 0
n
n 0
= e
e = .
n
n!
e = e
n 1
n
(n 1)!
= e
Au lieu de calculer lesprance du carr de X on value E[X(X 1)].

e
e
e
n
n
= 2 e
n(n 1) e = e
E[X(X 1)] =
n!
(n 2)!
n 2
n 0
= 2 e e = 2 .
n1
n 1
n 2
(n 1)!
n2
(n 2)!
Mais X 2 = X(X 1) + X donc E X 2 = 2 + E[X] = 2 + et Var (X) = + 2 2 = .

90

Etudions ` prsent les moments dune loi gomtrique.
a e
e e
Proposition 4.32 (Lois gomtriques)
e
e
Soit X une variable alatoire de loi gomtrique G(p) avec p ]0, 1[. Alors,
e
e e
E(X) =
1p
1
et Var (X) =
.
p
p2

Pour le calcul de lesprance et la variance de X on proc`de comme pour la loi de Poisson, on value
e
e
e
directement E(X) puis E[X(X 1)]. On utilise les identits suivantes :
e
1
; pour tout x ] 1, 1[.
1x
xn =
n 0
d
dx
n 0
d2
dx2
n 0
On en dduit que
e
E(X) =
xn =
xn =
nxn1 =
n 1
n 2
(4.10)
1
; pour tout x ] 1, 1[
(1 x)2
n(n 1)xn2 =
2
; pour tout x ] 1, 1[
(1 x)3
(4.11)
(4.12)
1
2(1 p)
2
1
1p
, E[X(X 1)] =
, E X2 = 2
et Var (X) =
.
2
p
p
p
p
p2
Calculons ` prsent des moments dune loi uniforme sur un intervalle.

a e
Proposition 4.33 (Loi uniforme sur [a, b])
Soit X une variable alatoire de loi uniforme sur [a, b] (avec a, b R tel que a < b), cest-`-dire une
e
a
variable alatoire de loi absolument continue ayant pour densit la fonction f dnie sur R par
e
e
e
f (x) =
1
1 (x).
b a [a,b]
Alors,
E(X) =
(b a)3
a+b
et Var (X) =
.
2
12
Preuve de la proposition 4.33. Nous avons :

E(X) =
Do` Var (X) =
u
b2
1
ba
+ ab
3
+ a2
xdx =
a
(a
a+b
2
+ b)2
4
et
E X2 =
a)2
(b
12
Etudions ` prsent le cas des lois exponentielles.

a e
91
1
ba
b
a
x2 dx =
b2 + ab + a2
.
3
Proposition 4.34 (Lois exponentielles)

Soit X une variable alatoire relle de loi exponentielle de param`tre > 0, cest-`-dire de loi absolument
e
e
e
a
continue ayant pour densit la fonction f dnie sur R par
e
e
x R, f (x) =
ex/
1]0,+[(x).
Alors, E(X ) = et Var(X ) = 2 .

Preuve de la proposition 4.34. La variable alatoire Y = X / suit une loi exponentielle de param`tre un.
e
e
2 Var (Y ). Il sut par consquent de
Etant donn que X = Y , E(X ) = E(Y ) et Var(X ) =

e
e
calculer lesprance et la variance lorsque = 1. Pour = 1,

e
E(X1 ) =
]0,+[
x2 ex 1 (dx).
2
x ex 1 (dx) et E X1 =
]0,+[
Les intgrales prcdentes au sens de Lebesgue sont aussi des intgrales au sens de Riemann (car il sagit
e
e e
e
dintgrales de fonctions continues positives). En procdant par intgrations par parties, on constate que
e
e
e
+
E(X1 ) =
ex dx = 1
2
et E X1 = 2
x ex dx = 2.
On en dduit Var(X1 ) = 1.
e
Terminons ce chapitre par le cas des variables gaussiennes.
Proposition 4.35 (Lois gaussiennes)
Si X suit une loi N m, 2 alors, E(X) = m et Var X = 2 .
Preuve de la proposition 4.35. Nous savons que Y =
densit par rapport ` 1 la fonction
e
a
Xm
suit une loi gaussienne centre rduite et a pour

e e
f : R R
2
x 1 ex /2 .
2
En utilisant la parit de f , on montre facilement que Y est centre et donc par linarit de lesprance
e
e
e
e
e
que E(X) = m.
Par ailleurs,
1
1
2
2
E Y2 =
t2 et /2 1 (dt) =
t(tet /2 )1 (dt).
2 R
2 R
En remarquant que lintgrale prcdente au sens de Lebesgue co
e
e e
ncide avec lintgrale au sens de Riemann
e
et en utilisant une intgration par parties (vue pour lintgration au sens de Riemann),
e
e
1
E Y2 =
2
2 /2
tet
2 /2
et
dt
1
=
2
2 /2
et
dt = 1.
Par consquent, Y admet un moment dordre 2 et Var Y = E Y 2 (E(Y ))2 = 1. Etant donn que
e
e
X = Y + m,
X admet ausssi un moment dordre 2 et Var X = 2 Var Y = 2 .
92
Annexe A
Classes monotones
De nombreux rsultats lis de la thorie de la mesure sont bass sur le concept de classes monotones.
e
e
e
e
Le thor`me des classes monotones permet en particulier de donner des caractrisations des lois de variables
e e
e
alatoires ou encore dindpendance de variables alatoires.
e
e
e
Dnition A.1 (Classe monotone)
e
Soit un ensemble non vide. Un ensemble M est une classe monotone sur si il vrie les assertions
e
suivantes :
(i) M P(),
(ii) M,
(iii) M est stable par runion croissante, cest-`-dire que

e
a
si (Mn )nN est une suite croissante dlments de M, alors
ee
n 0
Mn M.
(iv) si A, B M et si A B, alors B\A M.
Remarque A.1 Une classe monotone M est stable par passage au complmentaire. En eet, si A M, alors
e
c = \A M car A et A .
A
Exemple A.1 Une tribu est une classe monotone.
Nous pouvons introduire la classe monotone engendre par un ensemble non vide.
e
Proposition A.2 (Classe monotone engendre)
e
Soient un ensemble non vide et T P() un ensemble non vide. Alors, il existe une unique classe
monotone M(T ) sur contenant T et telle que
si C est une classe monotone sur contenant T , alors M(T ) C.
La classe monotone M(T ) est la plus petite classe monotone (au sens de linclusion) sur contenant T
et est appele classe monotone engendre par T sur .
e
e
Preuve de la proposition A.2. Analogue ` la preuve de la proposition 1.3 page 4.
a
93

Enonons ` prsent le thor`me des classes monotones (version ensembliste).
c
a e
e e
Thor`me A.3 (Thor`me des classes monotones)
e e
e e
Soit un ensemble non vide. Si T P() est un ensemble non vide stable par intersection nie,
alors la classe monotone M(T ) engendre par T sur concide avec la tribu (T ) engendre T sur ,
e
e
cest-`-dire que
a
(T ) = M(T ).
Preuve du thor`me A.3. Supposons que T P() est un ensemble non vide stable par intersection nie.
e e
La tribu (T ) tant une classe monotone sur qui contient T , M(T ) (T ) par dnition de M(T ).
e
e
Considrons lensemble
e
M1 = {A M(T ) / T T , T A M(T )}.
M(T ) tant une classe monotone, on vrie aisment que M1 P() est aussi une classe monotone sur
e
e
e
(exercice). Comme T est stable par intersection nie, T M1 . Par suite, M(T ) M1 car M(T ) est
la classe monotone engendre par T . Par consquent, M1 = M(T ), cest-`-dire que
e
e
a
T T , A M(T ), A T M(T )
(A.1)
Considrons ` prsent
e
a e
M2 = {B M(T ) / A M(T ), A B M(T )}.
Alors, M2 est une classe monotone sur (exercice). De plus, dapr`s (A.1), T M2 (car T M(T )).
e
Par consquent, M(T ) M2 car M(T ) est la classe monotone engendre par T . Ainsi,
e
e
T M(T ), A M(T ), A T M(T ).
Nous venons de montrer que M(T ) est stable par intersection nie.
Montrons que M(T ) est une tribu sur .
(a) M(T ) car M(T ) est une classe monotone sur .
(b) Dapr`s la remarque (A.1), la classe monotone M(T ) est stable par passage au complmentaire.
e
e
(c) Soit (An )nN une suite de M(T ). Pour tout n N, posons Bn = A0 An . La classe monotone
M(T ) tant stable par passage au complmentaire et par intersection nie, elle est aussi stable
e
e
par runion nie. Par consquent,
e
e
n N, Bn M(T ).
Alors, (Bn )nN est une suite croissante (par dnition) de la classe monotone M(T ) et donc
e
An =
nN
nN
Bn M(T )
par stabilit par runion dnombrable croissante de M(T ).

e
e
e
Au vu des trois proprits prcdentes, M(T ) est une tribu sur . De plus, elle contient T . Par consquent,
ee
e e
e
(T ) M(T ).
Vu ce qui prc`de, (T ) = M(T ).
e e
94
Ce thor`me permet de montrer que deux probabilits qui co

e e
e
ncident sur une alg`bre de parties sont gales
e
e
sur la tribu engendre par cette alg`bre.
e
e
Dnition A.4 (Alg`bre)
e
e
Soit un ensemble non vide. Un ensemble T est une alg`bre sur si il vrie les assertions suivantes :
e
e
(i) T P(),
(ii) T ,
(iii) T est stable par passage au complmentaire,

e
(iv) T est stable par intersection nie.
Proposition A.5
Soient un ensemble non vide et A une tribu engendre sur par une alg`bre T sur . Supposons que
e
e
et sont deux mesures positives sur (, A) telles que
T T , (T ) = (T ).
Supposons de plus quil existe une suite croissante (Tn )nN dlments de T telle que =
ee
telle que pour tout n N, (Tn ) = (Tn ) < . Alors et sont gales sur A.
e
nN Tn
et
Preuve de la proposition A.5. Fixons n N. Considrons Mn = {A A / (A Tn ) = (A Tn )}.

e
Remarquons que Mn P(). De plus, en utilisant la continuit monotone des mesures et
e
et la stabilit par runion dnombrable de la tribu A, nous constatons que Mn est stable par runion
e
e
e
e
croissante dnombrable. Enn, si A, B Mn et si A B, alors, B\A = B Ac A et
e
(B\A Tn ) = (B Tn ) (A Tn ) = (B Tn ) (A Tn ) = (B\A Tn )
car (Tn ) = (Tn ) < +. Par suite, Mn est une classe monotone. De plus elle contient T donc M(T ).
Alors, dapr`s le thor`me A.3 A = (T ) = M(T ) Mn . Do`
e
e e
u
A A, (A Tn ) = (A Tn ).
En faisant tendre n vers +, par croissance de la suite (Tn )nN et continuit monotone des mesures
e
et , nous obtenons : A A, (A) = (A).
Terminons par un rsultat qui permet de caractriser notamment les probabilits.
e
e
e
Corollaire A.6
Soient et sont deux mesures positives sur (R, B(R)).
1. Supposons que pour tout intervalle I de R, (I) = (I). Supposons de plus quil existe (In )nN une
suite croissante dintervalles de R telles que pour tout n R, (In ) = (In ) < et nN In = R.
Alors les deux mesures et concident sur B(R).
2. Supposons que les mesures et sont bornes et que

e
t R, (] , t]) = (] , t]).
Alors, les deux mesures et concident sur B(R).
95
Preuve du corollaire A.6.

1. Notons T lensemble des runions nies des intervalles de R. Alors, T est une alg`bre sur . Fixons
e
e
T T . Alors, il existe (Jn )nN une famille dintervalles deux ` deux disjoints tels que
a
T =
Jn .
nN
Alors, en utilisant la -additivit de et de et le fait que et co

e
ncident sur lensemble des
intervalles, nous avons :
(Jn ) =
(Jn ) = (T ).
(T ) =
nN
nN
Par suite, et co
ncident sur lalg`bre des parties T et donc sur B(R) = (T ) dapr`s la propoe
e
sition A.5.
2. Supposons les hypoth`ses de lassertion 2. vries. Nous pouvons alors montrer que et
e
e e
co
ncident sur lensemble des intervalles (utiliser (Ac ) = () (A), (Ac ) = () (A)
et la continuit monotone de et ).
e
96
Annexe B
Intgrales dpendant dun param`tre

e
e
e
Cette annexe prsente une application des thor`mes de convergence ` ltude de fonctions dnies par une
e
e e
a e
e
intgrale. Dans ce paragraphe, (, A, ) est un espace mesur complet.
e
e
Une application immdiate du thor`me de convergence domine est la suivante.
e
e e
e
Proposition B.1
Soient (E, d) un espace mtrique, f : (E ) R (ou C), a E et g : R+ . Supposons que
e
(i) pour tout x E, f (x, ) est mesurable,
(ii) g est -intgrable,

e
(iii) pour tout x E, |f (x, )|
g() -presque partout,
(iv) et que pour -presque tout , lapplication x f (x, ) est continue en a E.
Alors la fonction x
f (x, )d() est dnie sur E et est continue en a.

e
Preuve de la proposition B.1. Dapr`s le thor`me de convergence domine, pour tout x E

e
e e
e
f (x, )d()
F (x) =
est bien dni.

e
Soit (an )nN une suite de points de E convergeant vers a. Posons
n N, , fn () = f (an , ).
Vu les hypoth`ses, nous pouvons appliquer le thor`me de convergence domine ` la suite (fn )nN , ce
e
e e
e a
qui nous montre que
lim F (an ) = lim
n+
n+
f (a, )d().
f (an , )d() =
Ceci tant vrai pour toute suite (an )nN convergeant vers a dans E et E tant un mtrique, la fonction
e
e
e
F est continue en a.
Remarque B.1 Lnonc de la proposition peut tre

e
e
e
(iv) soient ralises dans un voisinage de a.
e e
97
localis . En eet, il sut que les proprits (iii) et

e
ee
Supposons E = R. Nous nous intressons maintenant ` la direntiabilit de la fonction

e
a
e
e
F :x
f (x, )d().
Proposition B.2
Soient U un ouvert de R, f : U R et g : R+ tels que
(i) pour tout x U, f (x, ) est mesurable et -intgrable,
e
(ii) pour -presque tout , x f (x, ) est drivable en tout point de U ,

e
(iii) g est -intgrable ;

e
(iv) et pour tout x U,
f
(x, )
x
g() -presque partout.
Alors pour tout x de U , la fonction

R
f (x, )
x
est mesurable. De plus, la fonction
x F (x) =
f (x, ) d()
est drivable sur U et

e
x U, F (x) =
f
d().
x
Preuve de la proposition B.2. Soit x et a deux lments de U , x = a. Alors,

ee
F (x) F (a)
=
xa
f (x, ) f (a, )
d().
xa
En utilisant le thor`me des accroissements nis et lhypoth`se (iv), nous constatons

e e
e
f (x, ) f (a, )
xa
g() -presque partout.
De plus,
f
f (x, ) f (a, )
=
(a, ) -presque partout.
xa
x
Il sut dutiliser le thor`me de convergence domine ou la proposition B.1 pour conclure.
e e
e
lim
xa
Remarque B.2
1. Si U est un ouvert de C et si nous remplaons dans la derni`re proposition (ii) par
c
e
x f (x, ) est une fonction holomorphe sur U pour presque tout ,
alors F est holomorphe sur U .
2. Si U est un ouvert de Rn et si nous remplaons dans la derni`re proposition (ii) par

c
e
x f (x, ) est direntiable, pour presque tout ,
e
alors F est direntiable sur U .

e
3. En itrant la proposition B.2, nous obtenons des crit`res pour montrer que F est de classe C k .
e
e
98
p(1 p)
np
np(1 p)
1
p
1p
p2
X (t) = 1 p + peit
avec p [0, 1]
Loi Binomiale
B(n, p)
99
avec n N et p [0, 1]
PX =
k=0
Loi de Poisson
P()
n k
p (1p)nk k
k
PX =
k=0
e k
k
k!
X (t) = 1 p + peit
X (t) = e(e
it 1)
R
+
avec
Loi Gomtrique
e e
G(p)
avec p ]0, 1[
PX =
k=1
p(1 p)k1 k
X (t) =
peit
1 (1 p)eit
Annexe C
PX = (1 p)0 + p1
Fonction Caractristique
e
Lois discr`tes
e
B(p)
Esprance Variance
e
PX
Lois classiques
C.1
Loi de la v.a. X
Loi de Bernoulli
C.2
Densit de PX
e
N (m, 2 ),
o` m R et
u
fX (x) =
R
+
1
2 2
Esprance
e
(xm)2
2 2
Variance
2
Fonction de rpartition
e
Fonction Caractristique
e
X (x) = eimx
fX (t)1 (dt)
FX (x) =
2 x2
2
Loi Uniforme
U ([0, 1])
1
2
1
12
ex/
fX (x) =
1R (x)
+
1
fX (x) =
(1 + x2 )
nexiste pas
fX (x) = 1[0,1] (x)
100
Loi Exponentielle
E()
avec R
+
Loi de Cauchy
nexiste pas
0 si x < 0
FX (x) =
x si x [0, 1]
1 si x > 1
FX (x) =
0 si x < 0
1 ex/ si x
1 arctan(x)
FX (x) = +
2
X (x) =
eix 1
ix
si x = 0
1 si x = 0
X (x) =
0
1
1 ix
X (x) = e|x|
Lois absolument continues
Loi de la v.a. X
Loi Gaussienne
Bibliographie
[1] Barbe, P. et Ledoux, M. Probabilits, De la licence ` lagrgation. Belin, 1998.
e
a
e
[2] Bouleau, N. Probabilits de lingnieur, variables alatoires et simulation. 2nde dition. Hermann, 2002.
e
e
e
e
[3] Briane, M. et Pages, G. Thorie de lintgration. Vuibert, 2006.
e
e
[4] Foata, D. et Fuch, A. Calcul des probabilits. 2nde dition. Dunod, 2003.
e
e
[5] Herrmann, S. Analyse Fonctionnelle et Probabilits. Polycopi de cours, ENSMN, Premi`re anne, 2004.
e
e
e
e
[6] Neveu, J. Bases mathmatiques du calcul des probabilits. Masson, 1970.
e
e
[7] Rudin, W. Analyse relle et complexe. 3`me dition. Dunod, 1998.
e
e
e
[8] Rudin, W. Principe danalyse mathmatique. Dunod, 2002.
e
[9] Revuz, D. Mesure et intgration. Hermann, 1997.
e
[10] Revuz, D. Probabilits. Hermann, 1997.
e
[11] Wagschal, C. Drivation, intgration. Hermann, 1999.
e
e
101

Intégration Et Probabilités Takeo Takahashi PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Intégration Et Probabilités Takeo Takahashi PDF

Uploaded by

Copyright:

Available Formats

Anne 2009-2010

Table des mati`res

Preuve de la proposition 2.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3 Loi dune variable alatoire

B Intgrales dpendant dun param`tre

Espaces mesurs et fonctions mesurables

(ii) A est stable par passage au complmentaire, cest-`-dire que

Remarque 1.1 En probabilits, un espace mesurable (, A) est appel espace probabilisable.

(ii) A est stable par passage au complmentaire,

(iii) A est stable par intersection dnombrable, cest-`-dire que

Tribu engendre par un ensemble de parties

Preuve de lunicit. Soient A1 et A2 deux tribus contenant S et telles que pour i = 1, 2,

Notons S1 lensemble des intervalles ouverts de R, S2 lensemble des intervalles ferms,

Chacun de ces ensembles engendre la tribu borlienne sur R, cest-`-dire que

2. La tribu produit A1 Ad sur 1 d est la tribu engendre sur 1 d par

Exemple 1.3 Si A1 = P(1 ) et si A2 = {, 2 }, alors A1 A2 = {A1 2 / A1 A1 }.

Intressons-nous ` prsent au cas o` chaque tribu Ai est engendre par un ensemble Si .

d, Ai = (Si ) est la tribu engendre par Si sur i , alors A1 Ad est la tribu

Dnition 1.11 (Mesure positive)

Exemple 1.4 Soient (, A) un espace mesurable et a . Lapplication

est une mesure positive sur (, A) et est appele mesure de Dirac en a.

Preuve de la proposition 1.12. Poser Ap = pour p

n + 1 puis utiliser la -additivit de et () = 0.

2. La mesure positive est borne si () < +.

avec pour tout a , a la masse de Dirac en a et avec pour convention + 0 = 0.

Lgalit prcdente tant vrie pour tout A P(), = .

telle que pour tous intervalles I1 , I2 , . . . , Id de R,

La mesure d est appele mesure de Lebesgue sur Rd.

est lunique mesure positive d sur Rd , B Rd

et telle que d ([0, 1]d ) = 1.

Proposition 1.18 (Mesure produit)

2. La mesure de Lebesgue 1 tant -nie, dapr`s les propositions 1.16 et 1.18,

Proprits classiques dune mesure positive

Les dmonstrations des propositions suivantes sont mises en annexe.

2. De plus, pour tous A, B A,

4. Si est une probabilit, alors, pour tout A A, (Ac ) = 1 (A).

Donnons ` prsent la mesure dune runion croissante ou dcroissante densembles mesurables.

Preuve de la proposition 1.20. Voir Annexe 1.5.4 de ce chapitre, page 22.

Dnitions et premi`res consquences

Dnition 1.21 (Application mesurable)

Par suite, comme A, lapplication 1A : (, A) (R, B(R)) est mesurable si et seulement si A A.

des applications mesurables. Alors

Un exemple : les fonctions tages

est une application

i 1Ai avec Ai = X 1 ({i }).

Preuve de la proposition 1.26. Voir annexe 1.5.5 page 23.

Etudions la mesurabilit dune fonction ` valeurs dans un espace produit.

ainsi que lapplication X = X (1) , . . . , X (d) . Alors, lapplication

d, X (i) : (, A) (i , Ai ) est mesurable.

Preuve du corollaire 1.28. Voir Annexe 1.5.6, page 24.

Etudions ` prsent la mesurabilit dune limite simple de fonctions mesurables.

dans R muni de la tribu B R

. Si (Xn )nN converge simplement vers la fonction X, cest-`-dire si

Remarque 1.17 Nous pouvons remplacer R par Rd ou par I B R

dans la proposition prcdente.

Preuve de la proposition 1.29.

Les variables Xk , k N, tant mesurables, pour tout m N, tout p N et tout t R,

B R . La tribu A tant stable par runion dnombrable et intersection dnombrable,

Dapr`s la proposition 1.26, lapplication X est mesurable car B R = ({[, t] / t R}) .

2 est une consquence de la premi`re partie de cette preuve et du corollaire 1.28.

Terminons cette section par un exemple.

Introduisons ` prsent la notion despace mesur complet.

4. Si est une probabilit sur (, A), est une probabilit sur (, A ).