S'entraîner
Réviser
Concours
Outils IA
Découvrir
PrepaMaths mesure son audience de façon anonyme, sans cookie. Acceptes-tu les cookies d'analyse pour nous aider à améliorer l'app ? En savoir plus
1. Montrer l'inégalité de Markov : P(∣X∣≥a)≤E(∣X∣)/aP(|X|\geq a)\leq E(|X|)/aP(∣X∣≥a)≤E(∣X∣)/a pour a>0a>0a>0.
2. En déduire Bienayme-Tchebychev : P(∣X−μ∣≥a)≤σ2/a2P(|X-\mu|\geq a)\leq\sigma^2/a^2P(∣X−μ∣≥a)≤σ2/a2.
3. Montrer l'inégalité de Chernoff : P(X≥a)≤inft>0e−taE(etX)P(X\geq a)\leq\inf_{t>0}e^{-ta}E(e^{tX})P(X≥a)≤inft>0e−taE(etX) et l'appliquer a X∼N(0,1)X\sim\mathcal{N}(0,1)X∼N(0,1).
L'énoncé est en libre accès. Les indices progressifs et la solution détaillée sont réservés aux abonnés Premium.