L'inégalité de Bernstein est une inégalité de concentration démontrée par en 1926 par le mathématicien russe Sergueï Bernstein. Cette inégalité se base sur un majoration de la fonction génératrice des moments d'une variable aléatoire, d'une manière similaire aux inégalités de Hoeffding ou de Chernoff. Cette majoration se fait grâce à une hypothèse sur les moments de la variable aléatoire en question.
L'énoncé le plus général de l'inégalité de Bernstein est donné ci-dessous. Cet énoncé peut se simplifier dans certains cas particuliers.
Si les variables sont bornées alors, elles satisfont la condition des moments de l'inégalité de Bernstein.
Soient des variables aléatoires indépendantes suivant une loi de Bernouilli avec probabilité de succès . Alors, comme ces variables aléatoires sont bornées en valeur absolue par , on a
où dans ce cas, , puisque les ont tous la même variance.
Si l'on préfère obtenir l'inégalité de concentration pour la moyenne empirique des , il suffit de remarquer que
On peut donc simplement remplacer par dans l'expression précédente.
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Dans la théorie des probabilités, les inégalités de concentration fournissent des bornes sur la probabilité qu'une variable aléatoire dévie d'une certaine valeur (généralement l'espérance de cette variable aléatoire). Par exemple, la loi des grands nombres établit qu'une moyenne de variables aléatoires i.i.d. est, sous réserve de vérifier certaines conditions, proche de leur espérance commune. Certains résultats récents vont plus loin, en montrant que ce comportement est également vérifié par d'autres fonctions de variables aléatoires indépendantes.