WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Marche aléatoire,mouvement brownien et applications


par Taoufik SOUALI
Université Hassan 2 - Master 2019
  

précédent sommaire suivant

Extinction Rebellion

1.1.4 Martingales en temps continu

Les martingales continues sont l'analogue des martingales discrètes mais à temps continu, il s'agit d'un processus stochastique dont l'espérance à l'instant t dépend de l'information disponible à un certain temps s = t .

Définition 1.1.9. Un processus stochastique (M(t))t~0 à valeurs réelles, Ft-adapté et intégrable est une martingale continue si

E(M(t)/Fs) = M(s),s = t

Sous-martingale si

E(M(t)/Fs) = M(s)

Sur-martingale si

E(M(t)/Fs) = M(s)

T.Souali CHAPITRE 1. LES NOTIONS FONDAMENTAUX

1.2 Marche aléatoire

1.2.1 Marche aléatoire sur Z

Définition 1.2.1. Soit (Mn)n>0 une suite de variables aléatoires indépendantes et identiquement distribuées toutes à valeurs dans {-1,1} avec :

P{Mn = 1} = p et P{Mn = -1} = 1-p = q

On pose :

S0 = 0

{

Sn =

Xn i=1

Mi

La suite (Sn)n>0 est appelée marche aléatoire sur Z.

La marche aléatoire simple est dite symétrique lorsque p = q = 21

Pour la suite on concentre sur la marche aléatoire symétrique.

Proposition 2.
· E(Sn) = 0

· V (Sn) = n

On a

Puisque

E(Sn) =

n i=1

E(Mi) = 0

 

E(M1) = E(M2) = ... = E(Mn) = 0

Par calcul on trouve :

E(S2n) =

Xn i=1

Xn j=1

E(MiMj) = 0

 

Puisque

E(MiMj) =

{

1 sii=j

E(Mi)E(Mj) = 0 si i j

 

11

Définition 1.2.2. (Chemin) Soit n > 0 ,m > 0 et a,b E Z on appellera chemin du point (m,a) au point (n,b) une ligne brisée, c'est-à-dire une suite de segments joignant des points successifs du plan (m0,a0),(m1,a1),
·
·
· ,(mr,ar), qui commence au point (m0,a0) = (m,a) et se termine au point (mr,ar) = (n,b).

Notation : On note un chemin pour une marche aléatoire de n pas par (S0,S1,
·
·
· ,Sn) E Zn+1. Pour la suite nous nous concentrons surtout sur les chemins qui joignent ((m,a) = (0,0) au point (n,b) = (n,Sn).

Notons nd : le nombre de fois où Mi = +1 et ng : le nombre de fois où Mi = -1

T.Souali CHAPITRE 1. LES NOTIONS FONDAMENTAUX

12

alors

{ n = nd +ng sn = nd - ng

donc

{ nd = 2

n+sn n--sn

ng = 2

 

La position Sn = sn est donnée par

sn = nd - (n - nd) = 2nd - n

nd admet les valeurs 0,1,2,··· ,n ainsi

sn ? {-n,-(n-2),···,n-2,n}

Proposition 3. La probabilité d'un chemin (S0,S1,··· ,Sn) pour une marche aléatoire à n pas est égale à 2n1 .

Remarque 3. Tous les chemins sont équiprobables.

Démonstration. Considérons un chemin (S0 = s0,S1 = s1,··· ,Sn = sn).On a s0 = 0 et si - si_1 ? {-1,+1} pour i = 1,2,··· ,n. On a

P{S0 = s0,S1 = s1,··· ,Sn = sn}

Alors

P{S0 = s0,S1 = s1,···,Sn = sn} = P{M1 = s1 - s0,M2 = s2 - s1,···,Mn = sn -sn_1}

= Yn

i=1

1

P{Mi = si - si_1}

=

2n

PuisqueP{Mi =si-si_1}= 12,?i ? {1,··· ,n}

n+sn

2

Proposition 4. Considérons un point A = (n,sn). Le nombre de chemins possibles entre l'origine et le point A est

Nn,sn = Cnd

n = Cn

Le nombre de chemins di~érents avec n pas est égale à 2n.

Proposition 5. Notons la probabilité que la particule arrive au point Sn = sn à l'instant n, par pn,sn.Ainsi :

1 1 n+sn

P{Sn = sn} = pn,sn = 2n Nn, = 2n Cn 2

Démonstration. Si Sn = sn,et s'il y a eu nd pas vers la droite et ng pas vers la gauche, on a nd -ng = sn et nd +ng = n. On trouve nd = n+sn

2 et ng = n_sn

2 . Le nombre de chemins

distincts est le nombre de manières de placer les nd pas vers la droite parmi les n pas,

n+sn

soit Cnd

n = Cn . Tous les chemins ont la même probabilité 1

2 2n , d'où le résultat.

T.Souali CHAPITRE 1. LES NOTIONS FONDAMENTAUX

13

Principe de réfléxion

Théorème 1.2. Soient n,b > 0 et sn > 0, alors le nombre de chemins joignant (0,b) à (n,sn) et touchant l'axe des abscisses est exactement le nombre de chemins joignant (0,-b) à (n,sn)

Théorème 1.3. Soit n,sn ? Z +, le nombre de chemins (s0,s1,··· ,sn) de l'origine s0 = 0 au point (n,sn) tel que

s1 > 0,s2 > 0,···,sn-1 > 0,sn > 0

est donné par

sn

Nn-1,sn-1 - Nn-1,sn+1 = n

Nn,sn

 

Retour à l'origine

Remarque 4. Pour un retour à l'origine à un instant n, l'instant n considéré doit être nécessairement pair. Nous allons donc considérer des instants de la forme 2n. On note u2n la probabilité qu'il y ait un retour à l'origine à un instant 2n.

Lemme 1. la probabilité qu'il y ait un retour à l'origine à un instant 2n est égale à

= P{S2n = 0ll 1

u C

2n T I = P2n n

,0 = 2n 2n

u2n = 1 pour n = 0.

Démonstration. On applique la proposition 5 au points (0,0) et (2n,0)

1 1 2n+0

2

P{î2n = 0} = p2n,0 = 22n N2n,0 = 22n C2n

d'où le résultat.

Approximation de u2n par la formule de Stirling

Approximation de la probabilité d'un retour à l'origine à l'instant 2n par la formule de Stirling pour un n grand

1

u2n '

 
 
 

Démonstration. Formule de Stirling n! ' v2ðn (ne ) n

On a donc (2n)! ' v4ðn (2é) n et (n!)2 ' 2ðnl(é)2n

T.Souali CHAPITRE 1. LES NOTIONS FONDAMENTAUX

alors

(2n)!

u2n = (n!)2 2-2n

(2n 1)2n

v4ðn e-2n

' 27rn (7,,,) 2n 2

eJl

1

'

 
 
 

Premier retour à l'origine

Définissons l'instant du Premier retour à l'origine par

T0 = inf{n = 0, n = 0} avec convention inf(Ø) = +8

La probabilité que le premier retour à l'origine soit à l'instant 2n. Noté par f2n tel que

f2n = P{T0 = 2n}

Relation entre u2n et f2n

Pour n = 1

u2n =

Xn k=1

u2n-2kf2k

 

Théorème du retour à l'origine

Théorème 1.4. La probabilité qu'il y ait un retour à l'origine jusqu'à l'instant 2n compris est égale à la probabilité qu'il y ait un retour à l'instant 2n :

P{ 1 # 0, 2 # 0,··· , 2n # 0} = P{ 2n = 0} = u2n (1.1)

Les i étant tous positifs ou tous négatifs (avec la même probabilité), on a :

1 1

P{ 1 > 0, 2 > 0,··· , 2n > 0} = 2P{ 2n = 0} = 2u2n (1.2)

Démonstration. Nous démontrons l'équation (1.2) On ana

P{ 1 > 0, 2 > 0,···, 2n > 0} =

14

00

P{ 1 > 0, 2 > 0,···, 2n = 2sn} sn=1

T.Souali CHAPITRE 1. LES NOTIONS FONDAMENTAUX

(Les termes de la somme avec sn > n sont nuls). d'après le théorème(1.2)

l 1

P{ 1 > 0, 2 > 0,··· , 2n = 2sn} = 2n N2n-1,2sn-1 - N2n-1,2sn+1

Alors

P{ 1 > 0, 2 > 0,···, 2n > 0} =

00 sn=1

2n 1 {N2n-1,2sn-1 - N2n-1,2sn+1}

 

Elle reste

1 2n

1 n 1

N2n-1,1 = 2nC2n-1 = 2u2n

 

D'après le théorème du retour à l'origine, la particule n'est pas retournée à l'ori-gine jusqu'à l'instant 2n - 2 compris avec la probabilité u2n-2. Au temps 2n, soit elle revient à l'origine (c'est donc pour la première fois) avec la probabilité f2n, soit elle n'y revient pas avec la probabilité u2n. Autrement dit, Pour n = 1,2,··· ,N

f2n = u2n-2 - u2n

On particule

1n-1

f2n = 22n-1C2n-2 -u2n

Alors

1 (2n - 2)!

(( n - 1)!)2 - u2n

f2n =

22n-1

Donc

1 (2n)! 4n2

f2n =

22n ((n)!)2 (2n - 1)2n - u2n

15

D'où

1

f2n = (2n - 1)u2n

Dernier retour à l'origine

Rappel La fonction de répartition de la loi arc sinus standard est donnée par :

2 arcsin(vx) F (x) = ð

Pour 0 < x < 1, et dont la densité de probabilité est donnée par :

f(x) =

1

\I ð x(x -1)

sur ]0,1[ . La loi arc sinus est un cas particulier de la loi bêta avec les paramètres á = â = 12. Ainsi si X est de loi arc sinus standard alors X ti Beta(12, 12)

T.Souali CHAPITRE 1. LES NOTIONS FONDAMENTAUX

FIGURE 1.1 - Représentation graphique de F(x)

Théorème 1.5. La probabilité que la dernière visite à 0 avant le temps 2n se produise au temps 2k est donné par

á2k,2n = P{î2k = 02k+1 # 0,··· 2n # 0} = u2ku2n-2k Théorème 1.6. Si î0 = 0, pour n = 0

P{î1 ×î2 ×···×în # 0n = sn} = |sn|

n

P{în = sn} (1.3)

 

Par conséquent

P{î1 × î2 ×···× î2n # 0} =

n

E{|în|}

1

X

snEZ

X

P{î1 ×î2 ×···×în # 0n = sn} =

snEZ

|sn|

n

P{în = sn}

 

16

Démonstration. Prenons d'abord sn > 0. Le nombre de chemins dans l'événement considéré par le théorème (1.2) snn Nn,sn, et chaque chemin a n+sn 2 pas vers la droite et n-sn

2 vers

la gauche. Donc

P{tt tt tt
S
1 × S2 × ··· × în # 0,Sn = sn} = sn

(

Nn sn G)2 n+sn)

(2)

1 12 (n )--sn

 

. Même our sn < 0 (on applique le principe de réflexion) d'où le résultat. On a

T.Souali CHAPITRE 1. LES NOTIONS FONDAMENTAUX

FIGURE 1.2 - Représentation graphique de f(x)

Donc

1

P{?sn?Z (S1 × S2 × ··· × Sn # 0) n Sn = sn} =

n

E{|Sn|}

 

P{S1 ×S2 × ··· ×Sn # 0n(?snEgn = sn)} =

n

1

E{|Sn|}

sn=2m

= E P{S1 ×S2 × ··· × S2m # 0,S2m = sn} sn=-2m

=

sn=2m

E

sn=-2m

|sn|

2m

P{S2m = sn}

 

17

1

P{S1 × S2 × ··· × Sn # 0 n Ù} =

n

E{|Sn|}

1

P{S1 ×S2 ×···×Sn # 0} = n

E{|Sn|}

 

Démonstration. (théorème 1.3) tt

á2k,2n = P{S2k = 0,S2k+1 # 0,··· ,S2n # 0}

= P{S2k = 0}P{S2k = 0,S2k+1 # 0,···/S2n # 0}

= P{S2k = 0}P{S2k = 0,S2k+1 # 0,··· ,S2n-2k # 0}

On pose m = n- k montrons que P{S2k = 0,S2k+1 # 0,··· ,S2m # 0} = P{S2m = 0}

P{S2k = 0,S2k+1 # 0,··· ,S2m # 0} = P{S1 ×S2 × ··· × S2m # 0}

T.Souali CHAPITRE 1. LES NOTIONS FONDAMENTAUX

P{î1 X î2 X ··· X î2m # 0} = 2

Xm k=1

2k 2m

P{î2m = 2k}

 

Xm k=1

= 2

2k 1

Cm+k

2m

2m22m

Montrons que

2k Cm+k

2m = Cm+k-1

2m-1 - Cm+k

2m-1

2m

On a

(2m - 1)! (2m - 1)!

Cm+k-1

2m-1 - Cm+k

(m+k -1)!((2m-1-(m+k -1))! (m+k)!((2m-1-(m+k))!

2m-1 =

"= (2m -1)!

#

1 1

(m+k -1)!(m-k)! -(m+k)!(m-k -1)!

 

= (2m -1)! Lm+k)!(m-k)!]

(m+k)-(m-k

(2m -1)! =2k
(m+k)!(m - k)!

2k 2m

(2m)!

=

(m+k)!(m - k)!

= 2k Cm+k

2m 2m

Donc

P{î1 X î2 X ··· X î2m # 0} = 2

Xm k=1

2 1 rCm+k-1 - Cm+k 1

L 2m-1 2m-1]

 

1 m

= 2 X 22m C2m-1

1 =Cm = P{î2m = 0} 22m 2m

Alors

18

á2k,2n = P{î2k = 0}P{î2m = 0} = P{î2k = 0}P{î2n-2k} = u2ku2n-2k

La représentation graphique de la distribution discrète de l'arc-sinus à n = 50

T.Souali CHAPITRE 1. LES NOTIONS FONDAMENTAUX

Remarque 5. La distribution á2k,2n est symétrique par rapport à n, on a donc :

á2k,2n = á2n-2k,2n

On donne maintenant l'approximation de la probabilité á2k,2n à l'aide de la formule de Stirling.

Rappelons que :

1 1

P{î2k = 0} ' v et P{î2n-2k = 0} ' q

ðkð(n - k)

Alors

1 1

Ck 2kCn-k

2n-2k ' q

22n ð

á2k,2n =

(n - k)

' 1

n

1

q k

ð n(1 - kn)

Si on pose

1

f(x) =

qð x(1 - x)

On voit que

á2k,2n '

1 f(tk) avec tk = k

n n

si n -? 8 alors tk devient une variable continue et t ? [0,1] On intégrant f

X

F(t) =

n<t

k

X

á2k,2n '

n<t

k

1 n

k !f n

 

19

ft f(x)dx = 2 arcsinvt

F(t) donnera la probabilité que le dernier retour à l'origine arrive avant le temps relatif

k n

T.Souali CHAPITRE 1. LES NOTIONS FONDAMENTAUX

20

Interprétation de f(t) et F(t) à l'aide d'un exemple Prenons une marche aléatoire de 30 pas, c'est-à-dire n = 30. Choisissons l'intervalle I = [0,12] et regardons la probabilité que le dernier retour à l'origine soit dans l'intervalle considéré. L'aire bleu foncée visualisé sur la figure ci-dessus sous la courbe de f(t) et dans l'intervalle I donne la probabilité approximée que le dernier retour à l'origine soit avant le temps k = 12. La valeur approximative de l'aire est donné par:

2

F(t) ' ð

/

arcsin t

 

t = k n

comme n = 30 et k = 12 on a t = 12

30 = 0.4. Ainsi

2

F (0.4) ' ð

J

arcsin 0.4 0.4359

 

La probabilité que le dernier retour à l'origine soit avant le temps 12, dans une marche

aléatoire de 30 pas, est d'environ 0,4359.

précédent sommaire suivant






Extinction Rebellion





Changeons ce systeme injuste, Soyez votre propre syndic





"I don't believe we shall ever have a good money again before we take the thing out of the hand of governments. We can't take it violently, out of the hands of governments, all we can do is by some sly roundabout way introduce something that they can't stop ..."   Friedrich Hayek (1899-1992) en 1984