Paradoxe de Borel — Wikipédia

Pour les articles homonymes, voir Borel.

Le paradoxe de Borel (parfois appelé le paradoxe de Borel-Kolmogorov) est un paradoxe de la théorie des probabilités en rapport avec les probabilités conditionnelles et les densités de probabilité.

Supposons que nous ayons deux variables aléatoires, X et Y, de densité de probabilité conjointe p_X,Y(x,y). Nous pouvons former la densité conditionnelle de Y sachant X,

${\displaystyle p_{Y|X}(y|x)={\frac {p_{X,Y}(x,y)}{p_{X}(x)}}}$

où p_X(x) est la loi marginale appropriée.

En utilisant le théorème du changement de variable, nous pouvons paramétrer la loi conjointe avec les fonctions U= f(X,Y), V = g(X,Y), et pouvons alors former la densité conditionnelle de V sachant U.

${\displaystyle p_{V|U}(v|u)={\frac {p_{V,U}(u,v)}{p_{U}(u)}}}$

Étant donné une condition particulière sur X et la condition équivalente sur U, l’intuition nous suggère que les densités conditionnelles p_Y|X(y|x) et p_V|U(v|u) devraient être identiques. Ce n’est pas le cas en général.

Un exemple concret[modifier | modifier le code]

Une loi uniforme[modifier | modifier le code]

Soit la densité de probabilité conjointe

${\displaystyle p_{X,Y}(x,y)=\left\{{\begin{matrix}1,&0<y<1,\quad -y<x<1-y\\0,&{\mbox{sinon}}\end{matrix}}\right.}$

La densité marginale de X se calcule

${\displaystyle p_{X}(x)=\left\{{\begin{matrix}1+x,&-1<x\leq 0\\1-x,&0<x<1\\0,&{\mbox{sinon}}\end{matrix}}\right.}$

Ainsi la densité conditionnelle de Y sachant X est

${\displaystyle p_{Y|X}(y|x)=\left\{{\begin{matrix}{\frac {1}{1+x}},&-1<x\leq 0,\quad -x<y<1\\\\{\frac {1}{1-x}},&0<x<1,\quad 0<y<1-x\\\\0,&{\mbox{sinon}}\end{matrix}}\right.}$

qui est uniforme suivant y.

Nouveau paramétrage[modifier | modifier le code]

Maintenant, appliquons la transformation suivante :

${\displaystyle U={\frac {X}{Y}}+1\qquad \qquad V=Y.}$

En utilisant le théorème du changement de variable, nous obtenons

${\displaystyle p_{U,V}(u,v)=\left\{{\begin{matrix}v,&0<v<1,\quad 0<u\cdot v<1\\0,&{\mbox{sinon}}\end{matrix}}\right.}$

La distribution marginale se calcule et est égale à

${\displaystyle p_{U}(u)=\left\{{\begin{matrix}{\frac {1}{2}},&0<u\leq 1\\\\{\frac {1}{2u^{2}}},&1<u<+\infty \\\\0,&{\mbox{sinon}}\end{matrix}}\right.}$

Ainsi la densité conditionnelle de V sachant U est

${\displaystyle p_{V|U}(v|u)=\left\{{\begin{matrix}2v,&0<u\leq 1,\quad 0<v<1\\2u^{2}v,&1<u<+\infty ,\quad 0<v<{\frac {1}{u}}\\0,&{\mbox{sinon}}\end{matrix}}\right.}$

qui n’est pas uniforme suivant v.

Le résultat non intuitif[modifier | modifier le code]

D'après ce qui précède, nous avons

${\displaystyle p_{Y|X}(y|x=0)=\left\{{\begin{matrix}1,&0<y<1\\0,&{\mbox{sinon}}\end{matrix}}\right.}$

La condition équivalente dans le système de coordonnées u-v est U = 1, et la densité conditionnelle de V sachant U = 1 est

${\displaystyle p_{V|U}(v|u=1)=\left\{{\begin{matrix}2v,&0<v<1\\0,&{\mbox{sinon}}\end{matrix}}\right.}$

Paradoxalement, V = Y et X = 0 est identique à U = 1, mais

${\displaystyle p_{Y|X}(y|x=0)\neq p_{V|U}(v|u=1).}$

Voir aussi[modifier | modifier le code]

• Émile Borel
• Andreï Kolmogorov

• Portail des probabilités et de la statistique
• Portail des mathématiques