Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Martingale Théorème de la convergence

Dans cours

COM-417: Advanced probability and applications

In this course, various aspects of probability theory are considered. The first part covers the main theorems in the field (law of large numbers, central limit theorem), while the second part focuses on the theory of martingales and concentration inequalit ...

Description

Cette séance de cours couvre la preuve du théorème de convergence martingale, démontrant la convergence d'une séquence de variables aléatoires dans l'espace L2. L'instructeur explique les étapes pour prouver la convergence de la séquence martingale et les conditions requises pour la convergence vers une variable aléatoire M infini. La séance de cours se termine par la vérification de l'attente conditionnelle de M infini donné fn, soulignant l'importance de la Martingale étant fermé à l'infini.

Enseignant·e·s (2)

Olivier Lévêque

Olivier Lévêque est né en Suisse en 1971. Il a reçu le diplôme d'ingénieur-physicien de l'EPFL en 1995 et obtenu le doctorat au Département de Mathématiques de l'EPFL en 2001. Depuis lors, il travaille au Laboratoire de Théorie de l'Information à l' EPFL. Il a passé l'année académique 2006-2007 au Département d'Electricité de l'Université de Stanford, où il a été nommé chargé de cours. Ses domaines d'intérêt comprennent la théorie de l'information, les matrices aléatoires et les équations aux dérivées partielles stochastiques.

Yanina Yurina Shkel

Source officielle

Proximité ontologique

Statistique

Inférence statistique: Statistique mathématique

Concepts associés (29)

Convergence de variables aléatoires

Dans la théorie des probabilités, il existe différentes notions de convergence de variables aléatoires. La convergence (dans un des sens décrits ci-dessous) de suites de variables aléatoires est un concept important de la théorie des probabilités utilisé notamment en statistique et dans l'étude des processus stochastiques. Par exemple, la moyenne de n variables aléatoires indépendantes et identiquement distribuées converge presque sûrement vers l'espérance commune de ces variables aléatoires (si celle-ci existe).

Variable aléatoire

vignette|La valeur d’un dé après un lancer est une variable aléatoire comprise entre 1 et 6. En théorie des probabilités, une variable aléatoire est une variable dont la valeur est déterminée après la réalisation d’un phénomène, expérience ou événement, aléatoire. En voici des exemples : la valeur d’un dé entre 1 et 6 ; le côté de la pièce dans un pile ou face ; le nombre de voitures en attente dans la 2e file d’un télépéage autoroutier ; le jour de semaine de naissance de la prochaine personne que vous rencontrez ; le temps d’attente dans la queue du cinéma ; le poids de la part de tomme que le fromager vous coupe quand vous lui en demandez un quart ; etc.

Complex random variable

In probability theory and statistics, complex random variables are a generalization of real-valued random variables to complex numbers, i.e. the possible values a complex random variable may take are complex numbers. Complex random variables can always be considered as pairs of real random variables: their real and imaginary parts. Therefore, the distribution of one complex random variable may be interpreted as the joint distribution of two real random variables.

Exchangeable random variables

In statistics, an exchangeable sequence of random variables (also sometimes interchangeable) is a sequence X1, X2, X3, ... (which may be finitely or infinitely long) whose joint probability distribution does not change when the positions in the sequence in which finitely many of them appear are altered. Thus, for example the sequences both have the same joint probability distribution. It is closely related to the use of independent and identically distributed random variables in statistical models.

Variables indépendantes et identiquement distribuées

vignette|upright=1.5|alt=nuage de points|Ce nuage de points représente 500 valeurs aléatoires iid simulées informatiquement. L'ordonnée d'un point est la valeur simulée suivante, dans la liste des 500 valeurs, de la valeur simulée pour l'abscisse du point. En théorie des probabilités et en statistique, des variables indépendantes et identiquement distribuées sont des variables aléatoires qui suivent toutes la même loi de probabilité et sont indépendantes. On dit que ce sont des variables aléatoires iid ou plus simplement des variables iid.

Afficher plus

Séances de cours associées (31)

Indépendance et produits

Couvre l'indépendance entre les variables aléatoires et les mesures de produits dans la théorie des probabilités.

Attentes conditionnelles

Explore les propriétés de l'attente conditionnelle et son extension aux variables positives.

Théorie des probabilités : Attentes conditionnelles

Couvre les attentes conditionnelles, la convergence des variables aléatoires et la loi forte des grands nombres.

Martingale Théorème de la convergence

Explique le théorème de convergence martingale et ses applications dans la théorie des probabilités.

Intégrabilité et convergence uniformes

Explore l'intégrabilité uniforme, les théorèmes de convergence et l'importance des séquences bornées dans la compréhension de la convergence des variables aléatoires.

Afficher plus

Concepts associés (29)

Convergence de variables aléatoires

Variable aléatoire

Complex random variable

Exchangeable random variables

Variables indépendantes et identiquement distribuées

Afficher plus