Sur l équation vectorielle stochastique Y n+1 = A n Y n + B n à coefficients iid
|
|
- Marie-Françoise Ducharme
- il y a 7 ans
- Total affichages :
Transcription
1 1/35 Sur l équation vectorielle stochastique Y n+1 = A n Y n + B n à coefficients iid INRIA Sophia Antipolis Projet OMEGA Yves Guivarc h (Université de Rennes 1 Emile (Université de Bretagne Sud Séminaire Probabilité et Théorie Ergodique Amiens, 23 mars 2006
2 Plan 2/
3 Plan 3/
4 Modèle Auto-Régressif 4/35 Modèle AR(1 : Y n+1 = A n Y n + B n n N, Y n R d (A n, B n va iid sur Gl(d, R R d d 1 séries chronologiques, processus de branchement, marches aléatoires en milieu aléatoire, modèles AR(d, GARCH...
5 Solution Stationnaire 5/35 BRANDT 1986, BOUGEROL et PICARD 1992 Si α = lim 1 n log A 1 A n < 0 et E log + B 0 <, unique solution stationnaire de même loi que R = A 1 A n 1 B n n=1
6 Moments de la loi stationnaire 6/35 0 < s 1 s 1 E R s (E R s 1/s E A 1 A n 1 s E B n s n=0 (E A 1 A n 1 s 1/s (E B n s 1/s n=0 Si B 0 a des moments à tout ordre, R a un moment d ordre s si k(s = lim n (E A 1 A n s 1/n < 1
7 Queue de la loi stationnaire 7/35 Fonction log-convexe de s : k(s = lim n (E A 1 A n s 1/n KESTEN 1973, 1974, LE PAGE 1983, GOLDIE 1991 E R s < si et seulement si k(s < 1 Si k(κ = 1, queue polynômiale : P( R > t Ct κ
8 Queue de la loi stationnaire 7/35 Fonction log-convexe de s : k(s = lim n (E A 1 A n s 1/n KESTEN 1973, 1974, LE PAGE 1983, GOLDIE 1991 E R s < si et seulement si k(s < 1 Si k(κ = 1, queue polynômiale : P( R > t Ct κ
9 Plan 8/
10 Notations 9/35 µ loi de A 1 S µ support de µ R d vecteurs ligne de dimension d S d 1 vecteurs ligne de norme 1 S + vecteurs ligne de norme 1 à coordonnées positives P d 1 espace projectif Action de Gl(d, R sur S d 1 x a = xa xa
11 Hypothèses de 10/35 Condition d existence de la loi stationnaire P(A 0 0 = 1, P(A 0 a une ligne de 0 = 0 le sous-groupe engendré par {log ρ(a a Γ µ, a 0} est dense dans R Condition d intégrabilité : il [ existe σ > { 0 tel que d σ E min 1 i d j=1 A 0(i, j}] d σ/2 et E[ A 0 σ log + A 0 ] <
12 Résultats de 11/35 Théorème 1 κ dans ]0, σ] tel que pour tout x dans S + lim t + tκ P(max xa 1 A n > t > 0 n Théorème 2 Si P(B 0 = 0 < 1, P(B 0 0 = 1, E B 0 κ < alors pour tout x dans S + lim t + tκ P(xR > t > 0
13 Preuve Première étape 12/35 Opérateurs sur les fonctions continues sur S + P s f (x = E[ xa 1 s f (x A 1 ] = xa s f (x aµ(da Propriétés Pour tout 0 s σ il existe ν s proba sur S + et k(s réel ν s P s = k(sν s il existe e s continue, strictement positive sur S + P s e s = k(se s il existe κ> 0 tel que k(κ = 1
14 Preuve Deuxième étape 13/35 Opérateur Markovien Q sur S + Qf (x = 1 P κ (e κ f (x e κ 1 = xa κ e κ (x af (x aµ(da e κ (x n Chaîne de Markov (X n, U n sur S + X n = X 0 A 1 A n U n = log X 0A 1 A n+1 X 0 A 1 A n avec X n de transition Q
15 Preuve Troisième étape 14/35 Théorème 1 théorème de renouvellement de pour (X n, U n lim t + tκ P(max xa 1 A n > t = Ke κ (x. n Théorème 2 Positivité comparaison entre P(max n xa 1 A n > t et P(xR > t
16 Hypothèses de 15/35 condition d existence de la loi stationnaire pour tout ouvert U de S d 1 et tout x S d 1, n=0 1I U (x aµ n (da > 0 le sous-groupe engendré par l ensemble des log ρ(a tels que a Γ µ et a a une valeur propre simple réelle dominante est dense dans R pour tout x P(A 1 x + B 1 = x < 1 σ > 0 tel que E[p(A 1 σ ] 1, où p(a 1 est la plus petite valeur propre de (A 1 t A 1 1/2 δ > 0 tel que E[sup{ A 1, B 1 }] σ+δ < +, et E( A 1 δ < +
17 Résultats de 16/35 Théorème Il existe κ ]0, σ] tel que lim n (E A 1 A n κ 1/n = 1 et pour tout x S d 1 lim t tκ P(xR > t = H κ ( x, où H κ fonction continue sur P d 1, strictement positive et vérifiant pour tout v dans P d 1, H κ (v = ṽa κ H κ (vaµ(da.
18 Preuve 17/35 Etape 1 : étude des opérateurs P s sur P d 1 P s f (v = E[ ṽa 1 s f (va 1 ] = ṽa s f (vaµ(da Etape 2 : définition d un opérateur Markovien Q sur P d 1 puis sur S d 1 Etape 3 : théorème de renouvellement de Etape supplémentaire : la limite trouvée est non nulle
19 Plan 18/
20 Irréductibilité et Proximalité 19/35 Γ µ semi-groupe engendré par le support S µ de la loi µ de A 1 Irréductibilité Γ µ irréductible : pas de sous-espace invariant non trivial Γ µ fortement irréductible : pas de réunion finie de sous-espace invariants proximalité Γ µ proximal sur l espace projectif P d 1 : v, v P d 1, (a n Γ µ t.q. d(va n, v a n 0 a Γ µ est proximale si a a une unique valeur propre dominante. v a P d 1 direction propre associée
21 La Condition 20/35 Définition Γ µ vérifie la condition s il est irréductible proximal Définition équivalente Γ µ vérifie la condition si fortement irréductible contient un élément proximal
22 21/35 Semi-goupes engendrés par deux matrices a, a matrices de Gl(2, R telles que a et a ont chacune deux valeurs propres réelles de modules distincts, les quatre espaces propres correspondants sont deux à deux distincts. Alors le semi-groupe Γ engendré par a et a vérifie la condition Exemple vérifiant : ( 2 1 a = 0 1 a = (
23 Action de Γ µ sur l espace projectif 22/35 Ensemble limite L(Γ µ = {v a, a Γ µ, a proximale} P d 1 Proposition Sous la condition L(Γ µ est non vide Unique fermé Γ µ -invariant minimal sur P d 1 L(Γ µ = v P d 1 vγ µ
24 Action de Γ µ sur la sphère 23/35 Deux cas possibles 1 unique ensemble fermé Γ µ -invariant minimal, symétrique, d image projective L(Γ µ 2 deux ensembles fermés Γ µ -invariants minimaux disjoints, symétriques l un de l autre, d image projective L(Γ µ Caractérisation des deux cas Cas 2 ssi Γ µ préserve un cône convexe fermé saillant d intérieur non vide
25 Deux ensembles limite 24/35 Exemple 1 a = ( a = ( Γ engendré par a et a vérifie la condition Cône convexe invariant : vecteurs positifs
26 Un seul ensemble limite 25/35 Exemple 2 a = ( a = ( Γ engendré par a et a vérifie la condition a envoie les vecteurs positifs sur les négatifs, donc un seul ensemble limite symétrique a et a préservent l ensemble des vecteurs positifs ou négatifs : l ensemble limite n est pas égal à toute la sphère
27 Plan 26/
28 Hypothèses 27/35 Condition d existence de la loi stationnaire Γ µ vérifie la condition pas de cône convexe fermé saillant d intérieur non vide invariant pour tout x P(A 1 x + B 1 = x < 1 Conditions d intégrabilité : k(s = lim n ( 1/n a s µ n (da σ = sup{s 0 k(s < + } > 0 lim s σ k(s > 1 pour κ tel que k(κ = 1 E[ A 1 κ log + A 1 + B 1 κ ] < +
29 28/35 Théorème CRAS 2004 Pour tout x dans S d 1 avec l > 0 lim t tκ P(xR > t = le κ ( x
30 Les opérateurs P s 29/35 Pour 0 s σ, opérateurs P s sur P d 1 P s f (v = E[ ṽa 1 s f (va 1 ] = ṽa s f (vaµ(da GUIVARC H ET LE PAGE 2004 Pour tout 0 s σ il existe une unique proba ν s sur P d 1 ν s P s = k(sν s il existe une unique e s continue, strictement positive sur P d 1 P s e s = k(se s ν s (e s = 1
31 Preuve 30/35 définition d un opérateur Markovien Q sur P d 1 à partir de P κ et e κ extension de Q et de ses bonnes propriétés à S d 1 théorème de renouvellement de la limite trouvée est non nulle
32 Conditions d existence de κ 31/35 Si σ = sup{s 0 k(s < + } = + Proposition log k(s 1 lim = lim sup s + s n n sup{log ρ(a a Sn µ} Dans ce cas κ existe si et seulement si Γ µ est dilatant i.e. contient une matrice de rayon spectral > 1
33 Exemple I Un exemple qui ne vérifie pas les hypothèses de 32/35 B n N (0, 1, A n µ avec µ = 1 2 (δ a + δ a a = ( a = ( E log A1 < 0 donc existence d une loi stationnaire conditions d intégrabilité condition par étude des valeurs propres et espaces propres, et dilatant un seul ensemble limite différent de S d 1 loi de An discrète, loi de B n continue, donc pas de point fixe
34 Exemple I Un exemple qui ne vérifie pas les hypothèses de 32/35 B n N (0, 1, A n µ avec µ = 1 2 (δ a + δ a a = ( a = ( E log A1 < 0 donc existence d une loi stationnaire conditions d intégrabilité condition par étude des valeurs propres et espaces propres, et dilatant un seul ensemble limite différent de S d 1 loi de An discrète, loi de B n continue, donc pas de point fixe
35 Exemple I Un exemple qui ne vérifie pas les hypothèses de 32/35 B n N (0, 1, A n µ avec µ = 1 2 (δ a + δ a a = ( a = ( E log A1 < 0 donc existence d une loi stationnaire conditions d intégrabilité condition par étude des valeurs propres et espaces propres, et dilatant un seul ensemble limite différent de S d 1 loi de An discrète, loi de B n continue, donc pas de point fixe
36 Exemple I Un exemple qui ne vérifie pas les hypothèses de 32/35 B n N (0, 1, A n µ avec µ = 1 2 (δ a + δ a a = ( a = ( E log A1 < 0 donc existence d une loi stationnaire conditions d intégrabilité condition par étude des valeurs propres et espaces propres, et dilatant un seul ensemble limite différent de S d 1 loi de An discrète, loi de B n continue, donc pas de point fixe
37 Exemple I Un exemple qui ne vérifie pas les hypothèses de 32/35 B n N (0, 1, A n µ avec µ = 1 2 (δ a + δ a a = ( a = ( E log A1 < 0 donc existence d une loi stationnaire conditions d intégrabilité condition par étude des valeurs propres et espaces propres, et dilatant un seul ensemble limite différent de S d 1 loi de An discrète, loi de B n continue, donc pas de point fixe
38 Exemple I Un exemple qui ne vérifie pas les hypothèses de 32/35 B n N (0, 1, A n µ avec µ = 1 2 (δ a + δ a a = ( a = ( E log A1 < 0 donc existence d une loi stationnaire conditions d intégrabilité condition par étude des valeurs propres et espaces propres, et dilatant un seul ensemble limite différent de S d 1 loi de An discrète, loi de B n continue, donc pas de point fixe
39 Exemple II Un modèle AR(2 33/35 X n = a 1,n X n 1 + a 2,n X n 2 + b n Y n = A n Y n 1 + B n avec Y n = t (X n, X n 1 B n = t (b n, 0 A n = ( a1,n a 2,n 1 0 Ex : µ = 1 4 δ a δ a avec a = ( a = ( 1/4 1/8 1 0 b 1 N (0, 1 ou discrète prenant des valeurs autres que 2 et 9/8
40 Exemple de Enoncé 34/35 Problème posé dans KESTEN 1973 dimension d = 2 m 1 et m 2 matrices à coefficients strictement positifs telles que log ρ(m 1 et log ρ(m 2 engendrent un sous-goupe dense dans R m 3 = r θ une rotation d angle θ µ = p 1 δ m1 + p 2 δ m2 + p 3 δ m3 avec p i > 0 et p 1 + p 2 + p 3 = 1 Est-ce-que cette µ peut donner une loi invariante à queue polynômiale?
41 Exemple de Réponse 35/35 Irréductibilité dès que θ 0[π] Proximalité dès que θ 0[ π 2 ] Unique fermé invariant minimal dès que θ π θ π = 2k+1 n / Q ou Si θ = π 2 m 1 = ( e e e e m 2 = ( e π +1 2 e π 1 2 e π 1 2 e π +1 2 Γ µ ne vérifie pas la condition
Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
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 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 détailTempérature corporelle d un castor (une petite introduction aux séries temporelles)
Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature
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 détail14. Introduction aux files d attente
14. Introduction aux files d attente MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: Files d attente 1/24 Plan 1. Introduction 2. Modèle M/M/1 3. Modèle M/M/1/K MTH2302D: Files
Plus en détailchargement d amplitude variable à partir de mesures Application à l approche fiabiliste de la tolérance aux dommages Modélisation stochastique d un d
Laboratoire de Mécanique et Ingénieriesnieries EA 3867 - FR TIMS / CNRS 2856 ER MPS Modélisation stochastique d un d chargement d amplitude variable à partir de mesures Application à l approche fiabiliste
Plus en détailJournées Télécom-UPS «Le numérique pour tous» David A. Madore. david.madore@enst.fr. 29 mai 2015
et et Journées Télécom-UPS «Le numérique pour tous» David A. Madore Télécom ParisTech david.madore@enst.fr 29 mai 2015 1/31 et 2/31 : définition Un réseau de R m est un sous-groupe (additif) discret L
Plus en détailFiltrage 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 détailCompression et Transmission des Signaux. Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette
Compression et Transmission des Signaux Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette 1 De Shannon à Mac Donalds Mac Donalds 1955 Claude Elwood Shannon 1916 2001 Monsieur X 1951 2 Où
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 détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
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 détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
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 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 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 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 détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
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 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 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 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 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 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 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 détailProposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5.
DÉVELOPPEMENT 32 A 5 EST LE SEUL GROUPE SIMPLE D ORDRE 60 Proposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5. Démonstration. On considère un groupe G d ordre 60 = 2 2 3 5 et
Plus en détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détailCorrigé du baccalauréat S Pondichéry 12 avril 2007
Corrigé du baccalauréat S Pondichéry 1 avril 7 EXERCICE 1 Commun à tous les candidats 4 points 1 a Les vecteurs AB et AC ont pour coordonnées AB ; ; ) et AC 1 ; 4 ; 1) Ils ne sont manifestement pas colinéaires
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 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 détail1.1 Codage de source et test d hypothèse
Théorie de l information et codage 200/20 Cours 8février20 Enseignant: Marc Lelarge Scribe: Marc Lelarge Pour information Page webdu cours http://www.di.ens.fr/~lelarge/info.html Notations Pour des variables
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 détailPRIME D UNE OPTION D ACHAT OU DE VENTE
Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,
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 détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
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 détailLimitations of the Playstation 3 for High Performance Cluster Computing
Introduction Plan Limitations of the Playstation 3 for High Performance Cluster Computing July 2007 Introduction Plan Introduction Intérêts de la PS3 : rapide et puissante bon marché L utiliser pour faire
Plus en détailModèle GARCH Application à la prévision de la volatilité
Modèle GARCH Application à la prévision de la volatilité Olivier Roustant Ecole des Mines de St-Etienne 3A - Finance Quantitative Décembre 2007 1 Objectifs Améliorer la modélisation de Black et Scholes
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 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 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 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 détailIndépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles
Chapitre 3 Événements indépendants et Probabilités conditionnelles Indépendance Indépendance Probabilité conditionnelle Definition Deux événements A et B sont dits indépendants si P(A B) = P(A).P(B) Attention
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailwww.h-k.fr/publications/objectif-agregation
«Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se
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 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 détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailProbabilités conditionnelles Exercices corrigés
Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.
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 détailProbabilités (méthodes et objectifs)
Probabilités (méthodes et objectifs) G. Petitjean Lycée de Toucy 10 juin 2007 G. Petitjean (Lycée de Toucy) Probabilités (méthodes et objectifs) 10 juin 2007 1 / 19 1 Déterminer la loi de probabilité d
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 détailO, i, ) ln x. (ln x)2
EXERCICE 5 points Commun à tous les candidats Le plan complee est muni d un repère orthonormal O, i, j Étude d une fonction f On considère la fonction f définie sur l intervalle ]0; + [ par : f = ln On
Plus en détailMarkov processes and applications to queueing/risk/storage theory and mathematical biology
Markov processes and applications to queueing/risk/storage theory and mathematical biology Florin Avram Contents 1 Introduction aux processus stochastiques/aléatoires 3 2 Marches aléatoires et récurrences
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
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 détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailProbabilités. C. Charignon. I Cours 3
Probabilités C. Charignon Table des matières I Cours 3 1 Dénombrements 3 1.1 Cardinal.................................................. 3 1.1.1 Définition............................................. 3
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailL isomorphisme entre les tours de Lubin-Tate et de Drinfeld et applications cohomologiques par Laurent Fargues
Préambule.................................... xv Bibliographie... xxi I L isomorphisme entre les tours de Lubin-Tate et de Drinfeld et applications cohomologiques par Laurent Fargues Introduction...................................
Plus en détailOutils logiciels pour la combinaison de vérification fonctionnelle et d évaluation de performances au sein de CADP
Outils logiciels pour la combinaison de vérification fonctionnelle et d évaluation de performances au sein de CADP Christophe Joubert Séminaire VASY 2002 30 Octobre 2002 Aix les Bains Contexte du projet
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 détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
Plus en détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en détailCHAPITRE 5. Stratégies Mixtes
CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,
Plus en détailSujet 4: Programmation stochastique propriétés de fonction de recours
Sujet 4: Programmation stochastique propriétés de fonction de recours MSE3313: Optimisation Stochastiqe Andrew J. Miller Dernière mise au jour: October 19, 2011 Dans ce sujet... 1 Propriétés de la fonction
Plus en détail1 Première section: La construction générale
AMALGAMATIONS DE CLASSES DE SOUS-GROUPES D UN GROUPE ABÉLIEN. SOUS-GROUPES ESSENTIEL-PURS. Călugăreanu Grigore comunicare prezentată la Conferinţa de grupuri abeliene şi module de la Padova, iunie 1994
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailC algèbre d un certain groupe de Lie nilpotent.
Université Paul Verlaine - METZ LMAM 6 décembre 2011 1 2 3 4 Les transformations de Fourier. Le C algèbre de G/ Z. Le C algèbre du sous-groupe G 5 / vect{u,v }. Conclusion. G un groupe de Lie, Ĝ l ensemble
Plus en détailModélisation des risques
2 Modélisation des risques 2. Introduction L objectif de ce chapitre est de présenter les modèles de base utilisés pour décrire le comportement aléatoire d un risque en actuariat pour une période xe. Les
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailCalculs de probabilités conditionelles
Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile
Plus en détailMesures et Intégration
Mesures et Intégration Marc Troyanov - EPFL - Octobre 2005 30 avril 2008 Ce document contient les notes du cours de Mesure et Intégration enseigné à l EPFL par Marc Troyanov, version 2005-2006. Table des
Plus en détailProbabilités. I - Expérience aléatoire. II - Evénements
Probabilités Voici le premier cours de probabilités de votre vie. N avez-vous jamais eut envie de comprendre les règles des grands joueurs de poker et de les battre en calculant les probabilités d avoir
Plus en détailPROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390
PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390 Université PARIS 6 2008/2009 Jean BERTOIN 1 Table des Matières ( ) ces parties peuvent ^etre omises en première lecture, et ne feront pas
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 détailExemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions
Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions HQ = He 1 He 2 He 3 He 4 HQ e 5 comme anneaux (avec centre Re 1 Re 2 Re 3 Re 4
Plus en détailAnalyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe
Analyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe des n n groupes quantiques compacts qui ont la théorie
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailÉquation de Langevin avec petites perturbations browniennes ou
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,
Plus en détailUNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP250-97157 Pointe-à-Pitre Cedex CONTRAT 2010-2013 LE MASTER NOM DU DOMAINE STS
UNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP20-9717 Pointe-à-Pitre Cedex CONTRAT 2010-201 LE MASTER NOM DU DOMAINE STS Mention : Mathématiques Implantation : Guadeloupe FICHES DESCRIPTIVES
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailDéveloppement décimal d un réel
4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce
Plus en détailGroupoïdes quantiques mesurés : axiomatique, étude, dualité, exemples
Groupoïdes quantiques mesurés : axiomatique, étude, dualité, exemples Franck LESIEUR Mathématiques et Applications, Physique Mathématique d Orléans UMR 6628 - BP 6759 45067 ORLEANS CEDEX 2 - FRANCE e-mail
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 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 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 détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
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 détailMARTINGALES POUR LA FINANCE
MARTINGALES POUR LA FINANCE une introduction aux mathématiques financières Christophe Giraud Cours et Exercices corrigés. Table des matières I Le Cours 7 0 Introduction 8 0.1 Les produits dérivés...............................
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détail