Équation de Langevin avec petites perturbations browniennes ou
|
|
- Baptiste Carignan
- il y a 8 ans
- Total affichages :
Transcription
1 Équation de Langevin avec petites perturbations browniennes ou alpha-stables Richard Eon sous la direction de Mihai Gradinaru Institut de Recherche Mathématique de Rennes Journées de probabilités 215, Toulouse
2 v t = v x t = t t v s ds sign(v s ) v s β ds
3 v ε t x ε t = = v t t v ε sds sign(v ε s) v ε s β ds + εl t
4 1) Processus de Lévy et calcul stochastique 2) Étude du comportement de la vitesse et de la position pour une vitesse initiale non nulle 3)
5 1) Processus de Lévy et calcul stochastique 2) Étude du comportement de la vitesse et de la position pour une vitesse initiale non nulle 3)
6 1) Processus de Lévy et calcul stochastique 2) Étude du comportement de la vitesse et de la position pour une vitesse initiale non nulle 3)
7 Processus de Lévy et calcul stochastique
8 Processus de Lévy Processus de Lévy Un processus de Lévy X est un processus qui vérifie : X = presque sûrement X est à accroissements indépendants et stationnaires X est càdlàg Processus α-stable Un processus de Lévy X est appelé α-stable pour α (, 2] si les processus (X c α t) t et (cx t ) t ont la même loi pour tout c >. Remarque : Pour α = 2, le processus est un mouvement Brownien standard et pour α (, 2), le processus est purement à sauts.
9 Processus de Lévy Processus de Lévy Un processus de Lévy X est un processus qui vérifie : X = presque sûrement X est à accroissements indépendants et stationnaires X est càdlàg Processus α-stable Un processus de Lévy X est appelé α-stable pour α (, 2] si les processus (X c α t) t et (cx t ) t ont la même loi pour tout c >. Remarque : Pour α = 2, le processus est un mouvement Brownien standard et pour α (, 2), le processus est purement à sauts.
10 Processus de Lévy Processus de Lévy Un processus de Lévy X est un processus qui vérifie : X = presque sûrement X est à accroissements indépendants et stationnaires X est càdlàg Processus α-stable Un processus de Lévy X est appelé α-stable pour α (, 2] si les processus (X c α t) t et (cx t ) t ont la même loi pour tout c >. Remarque : Pour α = 2, le processus est un mouvement Brownien standard et pour α (, 2), le processus est purement à sauts.
11 Mesure de Poisson Soit (S; A) un espace mesurable et (Ω; F; P) un espace probabilisé. Mesure de Poisson Soit µ une mesure σ-finie sur (S; A). Une mesure aléatoire de Poisson N sur (S; A) est une collection de variables aléatoires (N(B); B A) telle que : pour tout B A tel que µ(b) < +, N(B) suit une loi de Poisson de paramètre µ(b), si A 1,..., A m sont des ensembles disjoints de A, les variables aléatoires N(A 1 ),..., N(A m ) sont indépendantes, pour tout ω Ω, A N(A, ω) est une mesure de comptage sur (S, A).
12 Mesure et intégrale de Poisson Si X est un processus de Lévy, N([, T], A) := #{ s t, X t X t A} est une mesure de Poisson. Intégrale de Poisson Soit N une mesure aléatoire de Poisson d intensité dt µ sur R + (R/{}). Si f : R R est une fonction borélienne et si A B(R/{}) vérifie µ(a) < +, on définit, pour tout t et ω Ω, l intégrale stochastique de Poisson de f par : f (z)n(t, dz) := f (z)n(t, {z}). A z A
13 Mesure et intégrale de Poisson Si X est un processus de Lévy, N([, T], A) := #{ s t, X t X t A} est une mesure de Poisson. Intégrale de Poisson Soit N une mesure aléatoire de Poisson d intensité dt µ sur R + (R/{}). Si f : R R est une fonction borélienne et si A B(R/{}) vérifie µ(a) < +, on définit, pour tout t et ω Ω, l intégrale stochastique de Poisson de f par : f (z)n(t, dz) := f (z)n(t, {z}). A z A
14 Décomposition d Itô-Lévy Théorème de décomposition d Itô-Lévy Si X est un processus de Lévy alors il existe b R, un mouvement brownien standard B, un coefficient de diffusion σ et une mesure aléatoire de Poisson N sur R + (R/{}), d intensité dt µ où µ est une mesure de Lévy (i.e. vérifiant R/{} (1 z2 )µ(dz) < + ) tels que, pour tout t : X t = bt + σb t + < z <1 z Ñ(t, dz) + z N(t, dz) z >1 où Ñ est la mesure de Poisson compensée de N définie par : Ñ(t, dz) = N(t, dz) tµ(dz).
15 Décomposition d Itô-Lévy Corollaire Si X est un processus de Lévy α-stable pour α (, 2), on a : X t = z Ñ(t, dz) + z N(t, dz) < z <1 z >1 où la mesure de Lévy µ est µ(dz) = z 1 α dz.
16 Formule d Itô-Lévy Théorème Soit X un processus de la forme : t t t t X t = X + b(s)ds+ σ(s)db s+ H(s, z)ñ(ds, dz)+ K(s, z)n(ds, dz), < z <1 z >1 alors, pour toute fonction f C 2 (R) et tout t, on a : f (X t) = t t f (X ) + f (X s )b(s)ds + f (X s )σ(s)db s + 1 t f (X 2 s )σ 2 (s)ds t + [f (X s + H(s, z)) f (X s )]Ñ(ds, dz) + < z <1 t [f (X s + H(s, z)) f (X s ) f (X s )H(s, z)]dsµ(dz) < z <1 t + [f (X s + K(s, z)) f (X s )]N(ds, dz). z >1
17 Étude du comportement de la vitesse et de la position pour une vitesse initiale non nulle
18 Proposition, Gradinau et E. Pour β, quand ε, {v ε t : t } (respectivement x ε ) converge vers v (respectivement x) en probabilité uniformement sur tout intervalle compact. Pour β 1, on introduit Z t := t β v s β 1 Z s ds + l t. On a 1 ε (vε v εz) et 1 ε (xε x ε Z) convergent UCP vers, quand ε.
19
20 On pose, pour t, X ε t := x ε ε α t et V ε t := v ε ε α t qui satisfont alors respectivement, X ε t = 1 ε α t V ε s ds et V ε t = L ε t 1 ε α t sgn(v ε s ) V ε s β ds. où {L ε t := εl ε α t : t } est aussi un processus α-stable.
21 Théorème, Gradinaru et E. Supposons que < α 2 et β + α 2 > 2, on pose θ := α α+β 1 (, 1). Alors il existe une constante positive κ α,β telle que le processus } { } {ε θ(β+ α 2 2) xε ε α t : t = ε θ(β+ α 2 2) Xt ε : t converge en distribution vers un mouvement Brownien avec coefficient de diffusion κ α,β quand ε. De plus, si α = 2, le résultat est vrai pour 1 < β 1.
22 Si α + β 1 >, on pose Ľ ε t := Lε t ε αθ ε θ = l t ε θ(β 1) ε θ(β 1) α et ˇV ε t := Vε t ε αθ ε θ. Par auto-similarité, Ľ ε est un processus de Lévy α-stable et on a : X ε t = ε θ(2 β) tε αθ ˇV ε s ds et ˇV ε t = Ľ ε t t sgn(ˇv ε s ) ˇV ε s β ds.
23 Théorème de Whitt Pour n 1, soit M n = (M n,1,..., M n,k ) une martingale locale dans D k pour une filtration F n, satisfaisant M n () = (,..., ). Soit C = (c i,j ) une matrice de covariance de taille k 2. Si M n est de carré intégrable, on peut introduire la covariation quadratique prédictible M n,i, M n,j. Si, de plus, pour tout T > et (i, j) [ 1, k ] 2, on a : lim E[J( M n,i, M n,j, T) = n + lim E[J(M n, T) 2 ] = n + M n,i, M n,j (t) c i,j t alors M n M dans D k où M est un (, C)-mouvement brownien.
24 Schéma de preuve dans le cas Brownien Étape 1 On résout l équation de Poisson : (L 2,β g β )(x) = x où L 2,β := 1 2 dx 2 d sgn(x) x β dx. La solution est : g β (x) = x ( + avec c β (x) := 2 β+1 x β+1. y d 2 ) 2ze cβ(z) dz e cβ(y) dy,
25 Schéma de preuve dans le cas Brownien Étape 1 On résout l équation de Poisson : (L 2,β g β )(x) = x où L 2,β := 1 2 dx 2 d sgn(x) x β dx. La solution est : g β (x) = x ( + avec c β (x) := 2 β+1 x β+1. y d 2 ) 2ze cβ(z) dz e cβ(y) dy,
26 Schéma de preuve dans le cas Brownien Étape 2 En utilisant la formule d Itô, on obtient alors : 2θ t ε ε θ(β 1) Xt ε = ε θ g β (ˇV s )dˇb s + ε θ g β (ˇV t ε 2θ ) Étape 3 On montre que ε θ g β (ˇV t ε 2θ converge vers, UCP. On utilise le théorème de Whitt et le théorème ergodique pour montrer que ε θ t ε 2θ g β (ˇV s )dˇb s converge vers un mouvement Brownien avec coefficient de diffusion κ 2,β. Étape 4 On utilise le théorème de Slutsky et le continuous mapping theorem pour conclure. ).
27 Schéma de preuve dans le cas Brownien Étape 2 En utilisant la formule d Itô, on obtient alors : 2θ t ε ε θ(β 1) Xt ε = ε θ g β (ˇV s )dˇb s + ε θ g β (ˇV t ε 2θ ) Étape 3 On montre que ε θ g β (ˇV t ε 2θ converge vers, UCP. On utilise le théorème de Whitt et le théorème ergodique pour montrer que ε θ t ε 2θ g β (ˇV s )dˇb s converge vers un mouvement Brownien avec coefficient de diffusion κ 2,β. Étape 4 On utilise le théorème de Slutsky et le continuous mapping theorem pour conclure. ).
28 Schéma de preuve dans le cas Brownien Étape 2 En utilisant la formule d Itô, on obtient alors : 2θ t ε ε θ(β 1) Xt ε = ε θ g β (ˇV s )dˇb s + ε θ g β (ˇV t ε 2θ ) Étape 3 On montre que ε θ g β (ˇV t ε 2θ converge vers, UCP. On utilise le théorème de Whitt et le théorème ergodique pour montrer que ε θ t ε 2θ g β (ˇV s )dˇb s converge vers un mouvement Brownien avec coefficient de diffusion κ 2,β. Étape 4 On utilise le théorème de Slutsky et le continuous mapping theorem pour conclure. ).
29 Le cas purement à sauts Étape 1 Par la décomposition de Itô-Lévy, il existe un processus de Poisson N et son compensé Ñ tel que t t Ľ t = zñ(ds, dz) + zn(ds, dz). z 1 Le générateur de ˇV est : (L α,β g)(x) = sgn(x) x β g (x)+ R z >1 [g(x+y) g(x) yg (x)1 y 1 ] ν(dy). Pour résoudre l Équation de Poisson, il suffit de trouver une fonction de Lyapunov h (i.e. : L α,β h Ch). Le théorème de Glynn et Meyn nous assure alors l existence d une solution ĝ vérifiant ĝ c(h + 1), avec c une constante positive.
30 Le cas purement à sauts Étape 1 Par la décomposition de Itô-Lévy, il existe un processus de Poisson N et son compensé Ñ tel que t t Ľ t = zñ(ds, dz) + zn(ds, dz). z 1 Le générateur de ˇV est : (L α,β g)(x) = sgn(x) x β g (x)+ R z >1 [g(x+y) g(x) yg (x)1 y 1 ] ν(dy). Pour résoudre l Équation de Poisson, il suffit de trouver une fonction de Lyapunov h (i.e. : L α,β h Ch). Le théorème de Glynn et Meyn nous assure alors l existence d une solution ĝ vérifiant ĝ c(h + 1), avec c une constante positive.
31 Le cas purement à sauts Étape 2 En utilisant la formule d Itô-Lévy, on obtient alors : avec ε θ(β+ α 2 2) Xt ε = ε (ˇV ) αθ αθ 2 ĝ t ε αθ ε 2 Mt ε αθ, M t := t R [ĝ(z + ˇV s ) ĝ(ˇv s )]Ñ(ds, dz). Étape 3 On montre que ε αθ 2 ĝ (ˇV t ε αθ) converge vers, UCP. On utilise le théorème de Whitt et le théorème ergodique pour montrer que ε αθ 2 M t ε αθ converge vers un mouvement Brownien avec coefficient de diffusion κ α,β.
32 Le cas purement à sauts Étape 2 En utilisant la formule d Itô-Lévy, on obtient alors : avec ε θ(β+ α 2 2) Xt ε = ε (ˇV ) αθ αθ 2 ĝ t ε αθ ε 2 Mt ε αθ, M t := t R [ĝ(z + ˇV s ) ĝ(ˇv s )]Ñ(ds, dz). Étape 3 On montre que ε αθ 2 ĝ (ˇV t ε αθ) converge vers, UCP. On utilise le théorème de Whitt et le théorème ergodique pour montrer que ε αθ 2 M t ε αθ converge vers un mouvement Brownien avec coefficient de diffusion κ α,β.
33 Le cas purement à sauts Étape 4 On utilise le théorème de Slutsky et le continuous mapping theorem pour conclure.
34 Applebaum, D., Lévy Processes and Stochastic Calculus, 2nd edition, Cambridge University Press, 211. Bhattacharya, R. N., On the functional central limit theorem and the law of iterated logarithm for Markov processes, Z. Wahrsch. Verw. Gebiete 6 (1982), Billingsley, P. Convergence of Probability Measures, Second Edition, Wiley-Interscience, Fournier, N. On pathwise uniqueness for stochastic differential equations driven by stable Lévy processes. Ann. Inst. H. Poincaré Probab. Statist., 49 (213), Glynn, P.W., Meyn S.P., A Lyapunov bound for solutions of the Poisson equation. Ann. Probab. 24 (1996),
35 Gradinaru, M., Pavlyukevich, I., Small noise asymptotics of solutions of the Langevin equation with non-linear damping subject α-stable Lévy forcing, in preparation. Hintze, R., Pavlyukevich, I. Small noise asymptotics and first passage times integrated Ornstein-Uhlenbeck process driven by α-stable Lévy process, Bernoulli 2 (214), Kulik, A.M., Exponential ergodicity of the solutions to SDE s with a jump noise, Stochastic Proc. Appl. 119 (29), Rogers, L.C.G., Williams, D., Diffusions, Markov Processes, and Martingales, vol. 2, Itô calculus, John Wiley & Sons, Samorodnitsky, G., Grigoriu, M., Tails of solutions of certain nonlinear stochastic differential equations driven by heavy
36 tailed Levy motions, Stochastic Proc. Appl. 15 (23), Whitt, W., Proofs of the martingale FCLT, Probability Surveys 4 (27),
Filtrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détail0 h(s)ds et h [t = 1 [t, [ h, t IR +. Φ L 2 (IR + ) Φ sur U par
Probabilités) Calculus on Fock space and a non-adapted quantum Itô formula Nicolas Privault Abstract - The aim of this note is to introduce a calculus on Fock space with its probabilistic interpretations,
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
Plus en détailTravail en collaboration avec F.Roueff M.S.Taqqu C.Tudor
Paramètre de longue mémoire d une série temporelle : le cas non linéaire Travail en collaboration avec F.Roueff M.S.Taqqu C.Tudor Notion de longue mémoire Les valeurs d une série temporelle X = (X l )
Plus en détailModélisation de séries financières par un modèle multifractal. Céline Azizieh
Modélisation de séries financières par un modèle multifractal Céline Azizieh Mémoire présenté à l Université Libre de Bruxelles en vue d obtenir le diplôme d actuaire Supervision: W. Breymann (RiskLab,
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détailMesures gaussiennes et espaces de Fock
Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailCalcul Stochastique pour la finance. Romuald ELIE
Calcul Stochastique pour la finance Romuald ELIE 2 Nota : Ces notes de cours sont librement inspirées de différentes manuels, polycopiés, notes de cours ou ouvrages. Citons en particulier ceux de Francis
Plus en détailThéorie de la mesure. S. Nicolay
Théorie de la mesure S. Nicolay Année académique 2011 2012 ii Table des matières Introduction v 1 Mesures 1 1.1 Sigma-algèbres................................. 1 1.2 Mesures.....................................
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailLes mathématiques de la finance Université d été de Sourdun Olivier Bardou olivier.bardou@gdfsuez.com 28 août 2012 De quoi allons nous parler? des principales hypothèses de modélisation des marchés, des
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailThéorie de la Mesure et Intégration
Ecole Nationale de la Statistique et de l Administration Economique Théorie de la Mesure et Intégration Xavier MARY 2 Table des matières I Théorie de la mesure 11 1 Algèbres et tribus de parties d un ensemble
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE
ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE JEAN-DENIS FOUKS, EMMANUEL LESIGNE ET MARC PEIGNÉ J.-D. Fouks. École Supérieure d Ingénieurs de Poitiers. 40 avenue du Recteur Pineau, 860 Poitiers
Plus en détailMaster Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.
Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Techniques de correction pour les options barrières 25 janvier 2007 Exercice à rendre individuellement lors
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détailMA6.06 : Mesure et Probabilités
Année universitaire 2002-2003 UNIVERSITÉ D ORLÉANS Olivier GARET MA6.06 : Mesure et Probabilités 2 Table des matières Table des matières i 1 Un peu de théorie de la mesure 1 1.1 Tribus...............................
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailRésumé des communications des Intervenants
Enseignements de la 1ere semaine (du 01 au 07 décembre 2014) I. Titre du cours : Introduction au calcul stochastique pour la finance Intervenante : Prof. M hamed EDDAHBI Dans le calcul différentiel dit
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailTests semi-paramétriques d indépendance
Tests semi-paramétriques d indépendance Bernard Colin et Ernest Monga Département de Mathématiques Université de Sherbrooke Sherbrooke J1K-2R1 (Québec) Canada Rapport de recherche N o 139 Abstract Let
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailCours de gestion des risques d assurances et de théorie de la ruine. Stéphane Loisel
Cours de gestion des risques d assurances et de théorie de la ruine Stéphane Loisel ISFA, 2005-2006 Table des matières I Modélisation de la charge sinistre : du modèle individuel au modèle collectif 5
Plus en détailMaîtrise universitaire ès sciences en mathématiques 2012-2013
1 / 6 Remarques liminaires : Ce master à (3 semestres) permet 2 orientations distinctes : - Un master général : "Mathématiques, Systèmes dynamiques et phénomènes d'évolution" - Un master qui permet de
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailIntégrale de Lebesgue
Intégrale de Lebesgue L3 Mathématiques Jean-Christophe Breton Université de Rennes 1 Septembre Décembre 2014 version du 2/12/14 Table des matières 1 Tribus (σ-algèbres) et mesures 1 1.1 Rappels ensemblistes..............................
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailContents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes
Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire
Plus en détailModèles et Méthodes de Réservation
Modèles et Méthodes de Réservation Petit Cours donné à l Université de Strasbourg en Mai 2003 par Klaus D Schmidt Lehrstuhl für Versicherungsmathematik Technische Universität Dresden D 01062 Dresden E
Plus en détailMaster of Science en mathématiques 2013-2014
Remarques liminaires : 1 Ce master à (3 semestres) permet 2 orientations distinctes : 1) Un master général en mathématiques 2) Un master qui permet de choisir des mineurs en finance, statistique, informatique
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailWeb Science. Master 1 IFI. Andrea G. B. Tettamanzi. Université de Nice Sophia Antipolis Département Informatique andrea.tettamanzi@unice.
Web Science Master 1 IFI Andrea G. B. Tettamanzi Université de Nice Sophia Antipolis Département Informatique andrea.tettamanzi@unice.fr 1 Annonce : recherche apprenti Projet Géo-Incertitude Objectifs
Plus en détailCondition de stabilité d'un réseau de les d'attente à deux stations et N classes de clients 1
General Mathematics Vol. 18, No. 4 (2010), 85108 Condition de stabilité d'un réseau de les d'attente à deux stations et N classes de clients 1 Faiza Belarbi, Amina Angelika Bouchentouf Résumé Nous étudions
Plus en détailGRANDES DÉVIATIONS ET CONCENTRATION CONVEXE EN TEMPS CONTINU ET DISCRET
THÈSE DE DOCTORAT de l UNIVERSITÉ DE LA ROCHELLE Discipline : Mathématiques Spécialité : Probabilités Présentée par Yutao MA pour obtenir le grade de DOCTEUR de l UNIVERSITÉ DE LA ROCHELLE. Titre de la
Plus en détailCURRICULUM VITAE Anne de Bouard
CURRICULUM VITAE Anne de Bouard née le 1er mai 1965 à Caen (14) Mariée, 2 enfants Nationalité : Française http://www.cmap.polytechnique.fr/~debouard debouard@cmap.polytechnique.fr CMAP, Ecole Polytechnique
Plus en détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailMaster of Science en mathématiques 2015-2016
Remarques liminaires : 1/9 Ce master à 90 ECTS (3 semestres) permet 2 orientations distinctes : - Un master général en mathématiques - Un master qui permet de choisir des mineurs en finance, statistique
Plus en détailCorrection du baccalauréat S Liban juin 2007
Correction du baccalauréat S Liban juin 07 Exercice. a. Signe de lnx lnx) : on fait un tableau de signes : x 0 e + ln x 0 + + lnx + + 0 lnx lnx) 0 + 0 b. On afx) gx) lnx lnx) lnx lnx). On déduit du tableau
Plus en détailDIPLOME D'ETUDES APPROFONDIES EN ECONOMIE ET FINANCE THEORIE DES MARCHES FINANCIERS. Semestre d hiver 2001-2002
Département d économie politique DIPLOME D'ETUDES APPROFONDIES EN ECONOMIE ET FINANCE THEORIE DES MARCHES FINANCIERS Semestre d hiver 2001-2002 Professeurs Marc Chesney et François Quittard-Pinon Séance
Plus en détailModule 7: Chaînes de Markov à temps continu
Module 7: Chaînes de Markov à temps continu Patrick Thiran 1 Introduction aux chaînes de Markov à temps continu 1.1 (Première) définition Ce module est consacré aux processus à temps continu {X(t), t R
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailThéorie des probabilités
Théorie des probabilités LAVOISIER, 2008 LAVOISIER 11, rue Lavoisier 75008 Paris www.hermes-science.com www.lavoisier.fr ISBN 978-2-7462-1720-1 ISSN 1952 2401 Le Code de la propriété intellectuelle n'autorisant,
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailSur certaines séries entières particulières
ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailLagrange, où λ 1 est pour la contrainte sur µ p ).
Chapitre 1 Exercice 1 : Portefeuilles financiers Considérons trois types d actions qui sont négociées à la bourse et dont les rentabilités r 1, r 2 et r 3 sont des variables aléatoires d espérances µ i
Plus en détailTHÉORIE DE LA MESURE ET DE L INTÉGRATION.
THÉORIE DE LA MESURE ET DE L INTÉGRATION. THIERRY GALLAY Transcrit par Tancrède LEPOINT 29 UNIVERSITÉ JOSEPH FOURIER, GRENOBLE TABLE DES MATIÈRES Avant-propos Biographie sommaire...........................................
Plus en détailExamen d informatique première session 2004
Examen d informatique première session 2004 Le chiffre à côté du titre de la question indique le nombre de points sur 40. I) Lentille électrostatique à fente (14) Le problème étudié est à deux dimensions.
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailFinance, Navier-Stokes, et la calibration
Finance, Navier-Stokes, et la calibration non linéarités en finance 1 1 www.crimere.com/blog Avril 2013 Lignes directrices Non-linéarités en Finance 1 Non-linéarités en Finance Les équations de Fokker-Planck
Plus en détailn N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v 1 1 2 t
3.La méthode de Dirichlet 99 11 Le théorème de Dirichlet 3.La méthode de Dirichlet Lorsque Dirichlet, au début des années 180, découvre les travaux de Fourier, il cherche à les justifier par des méthodes
Plus en détail3ème séance de Mécanique des fluides. Rappels sur les premières séances Aujourd hui : le modèle du fluide parfait. 2 Écoulements potentiels
3ème séance de Mécanique des fluides Rappels sur les premières séances Aujourd hui : le modèle du fluide parfait 1 Généralités 1.1 Introduction 1.2 Équation d Euler 1.3 Premier théorème de Bernoulli 1.4
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailProduits d espaces mesurés
Chapitre 7 Produits d espaces mesurés 7.1 Motivation Au chapitre 2, on a introduit la mesure de Lebesgue sur la tribu des boréliens de R (notée B(R)), ce qui nous a permis d exprimer la notion de longueur
Plus en détailThéorie de la Mesure et Intégration
Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 & UE LM365 Intégration 2 Année 2010 11 Théorie de la Mesure et Intégration Responsable des cours : Amaury LAMBERT
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N
ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement
Plus en détailCurriculum Vitae Ismaël Bailleul
Curriculum Vitae Ismaël Bailleul Date de naissance 2 décembre 1979 Nationalité Français Adresse Administrative Institut de Recherche Mathématiques de Rennes 263 Avenue du Général Leclerc, 35042 RENNES
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailKeywords: Probability of catastrophic events, Bivariate extreme value theory, Heavy tailed distributions, ALS methods.
E Laurence Lescourret & Christian Y. Robert Centre de Recherche en Economie et Statistique LaboratoiredeFinanceetd Assurance 5 Boulevard Gabriel Peri, 92245 Malakoff Résumé: De par leur nature, les événements
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailModèles bi-dimensionnels de coques linéairement élastiques: Estimations de l écart entre leurs solutions.
Problèmes mathématiques de la mécanique/mathematical problems in Mechanics Modèles bi-dimensionnels de coques linéairement élastiques: Estimations de l écart entre leurs solutions. Cristinel Mardare Laboratoire
Plus en détailDUT Techniques de commercialisation Mathématiques et statistiques appliquées
DUT Techniques de commercialisation Mathématiques et statistiques appliquées Francois.Kauffmann@unicaen.fr Université de Caen Basse-Normandie 3 novembre 2014 Francois.Kauffmann@unicaen.fr UCBN MathStat
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détailNotes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières
Plus en détailPlan. 5 Actualisation. 7 Investissement. 2 Calcul du taux d intérêt 3 Taux équivalent 4 Placement à versements fixes.
Plan Intérêts 1 Intérêts 2 3 4 5 6 7 Retour au menu général Intérêts On place un capital C 0 à intérêts simples de t% par an : chaque année une somme fixe s ajoute au capital ; cette somme est calculée
Plus en détailCours de Calcul stochastique Master 2IF EVRY. Monique Jeanblanc
Cours de Calcul stochastique Master 2IF EVRY Monique Jeanblanc Septembre 26 2 Contents 1 Généralités 7 1.1 Tribu............................................... 7 1.1.1 Définition d une tribu.................................
Plus en détailTable des matières. Introduction Générale 5
Table des matières Introduction Générale 5 1 Généralités et rappels 16 1.1 Rappels... 16 1.1.1 Introduction... 16 1.1.2 Notion de stabilité...... 17 1.1.3 Stabilité globale et stabilité locale... 17 1.1.4
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailDécomposition de Föllmer-Schweizer. explicite d un passif d assurance vie. au moyen du calcul de Malliavin
Décomposition de Föllmer-Schweizer explicite d un passif d assurance vie au moyen du calcul de Malliavin Mémoire présenté par Sébastien de Valeriola en vue de l obtention du master en sciences actuarielles
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailPetite introduction aux mathématiques des dérivés financiers (notes de cours, version provisoire)
Petite introduction aux mathématiques des dérivés financiers notes de cours, version provisoire Michel Miniconi Département de Mathématiques Laboratoire Jean-Alexandre Dieudonné Université de Nice Sophia-Antipolis
Plus en détailIncertitude financière, mesures de risque et préférences robustes
Incertitude financière, mesures de risque et préférences robustes Hans Föllmer Institut für Mathematik Humboldt-Universität zu Berlin Unter den Linden 6 10099 Berlin, Allemagne 1 Le rôle des mathématiques
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détail