Comment exploiter la bilinéarité et la symétrie de la covariance dans un calcul ? | MetMat

Comment exploiter la bilinéarité et la symétrie de la covariance dans un calcul ?

En développant $\mathrm{Cov}(\sum a_i X_i,\sum b_j Y_j)=\sum_{i,j} a_i b_j \mathrm{Cov}(X_i,Y_j)$ et en utilisant la symétrie

L'objectif

Simplifier une covariance de combinaisons linéaires en une somme de covariances de base.

Le principe

La covariance est bilinéaire, symétrique, et vérifie $\mathrm{Cov}(X,X)=V(X)$ et $\mathrm{Cov}(X,c)=0$ pour toute constante $c$ : $\mathrm{Cov}\!\left(\sum_i a_i X_i,\sum_j b_j Y_j\right)=\sum_{i,j} a_i b_j\,\mathrm{Cov}(X_i,Y_j)$ .

La méthode

1
Je vérifie que toutes les variables en jeu admettent une variance finie, ce qui garantit l'existence de toutes les covariances.
Comment calculer la covariance $\mathrm{Cov}(X,Y)$ à l'aide de la formule de Huygens ?Voir
2
Je développe la covariance en double somme $\mathrm{Cov}(\sum a_i X_i,\sum b_j Y_j)=\sum_{i,j} a_i b_j \mathrm{Cov}(X_i,Y_j)$ en utilisant la bilinéarité.
Comment calculer la covariance $\mathrm{Cov}(X,Y)$ à l'aide de la formule de Huygens ?Voir
3
Je simplifie chaque terme : $\mathrm{Cov}(X_i,X_i)=V(X_i)$ , $\mathrm{Cov}(X_i,c)=0$ , et j'utilise la symétrie $\mathrm{Cov}(X_i,X_j)=\mathrm{Cov}(X_j,X_i)$ si nécessaire.
4
Je regroupe les termes identiques et je conclus.

Évalue la méthode

0/5 validés

Cherche chaque exercice au brouillon, puis coche “j'ai réussi” si tu as trouvé la bonne démarche. Utilise le bouton aide si tu as besoin d'un coup de pouce.

Application guidée 1

Soient $X,Y,Z$ trois variables aléatoires admettant une variance. Calculer $\mathrm{Cov}(X+Y,Z)$ .

Application guidée 2

Soient $X,Y$ deux variables aléatoires admettant une variance et $a,b,c,d\in\mathbb{R}$ . Calculer $\mathrm{Cov}(aX+b,cY+d)$ .

Application autonome 1

Soient $X_1,X_2$ deux variables admettant une variance, avec $V(X_1)=2$ , $V(X_2)=3$ et $\mathrm{Cov}(X_1,X_2)=1$ . Calculer $\mathrm{Cov}(2X_1-X_2,\,X_1+3X_2)$ .

Application autonome 2

Soient $X_1,\ldots,X_n$ deux à deux non corrélées, de variance commune $\sigma^2$ . Calculer $\mathrm{Cov}(\bar X_n,X_1)$ où $\bar X_n=\dfrac{1}{n}\sum_{i=1}^n X_i$ .

Application autonome 3

Soient $X_1, X_2, X_3$ trois variables admettant une variance, avec $V(X_1) = 1$ , $V(X_2) = 2$ , $V(X_3) = 3$ et $\mathrm{Cov}(X_i, X_j) = 0$ pour $i \neq j$ . Calculer $V(X_1 + 2 X_2 - X_3)$ .

Connecte-toi pour cocher tes exercices réussis et sauvegarder ta progression.

En développant Cov(∑aiXi,∑bjYj)=∑i,jaibjCov(Xi,Yj)\mathrm{Cov}(\sum a_i X_i,\sum b_j Y_j)=\sum_{i,j} a_i b_j \mathrm{Cov}(X_i,Y_j)Cov(∑ai​Xi​,∑bj​Yj​)=∑i,j​ai​bj​Cov(Xi​,Yj​) et en utilisant la symétrie

Évalue la méthode

En développant $\mathrm{Cov}(\sum a_i X_i,\sum b_j Y_j)=\sum_{i,j} a_i b_j \mathrm{Cov}(X_i,Y_j)$ et en utilisant la symétrie