THEOREMES D ARRETS POUR LES MARTINGALES
|
|
- Cyprien Girard
- il y a 7 ans
- Total affichages :
Transcription
1 THEOREMES D ARRETS POUR LES MARTINGALES PRÉPARATION À L AGRÉGATION EXTERNE DE MATHÉMATIQUES DE L UNIVERSITÉ RENNES 1 1 ANNÉE 2011/ EQUI-NTEGRABILITE Les propriétés de cette section sont valables pour toute suite de v.a.r. Définition 1.1 Une famille (X i i I de v.a.r. est dite équi-intégrable (EI ou uniformément intégrable si Propriétés 1.1 lim sup k i I (1. Si (X i i I est EI, elle est aussi bornée dans L 1 ; E[ X i 1 ( Xi k] = 0. (2. Si il existe ε > 0 tel que sup i I E[ X i 1+ε ] <, (X i i I est EI ; (3. Si sup i I X i L 1, (X i i I est EI ; (4. Pour toute v.a.r. intégrable Z, la famille {E[Z B], B sous-tribu} est EI. Le résultat fondamental suivant s apparente à un théorème de type "convergence dominée" : P L Théorème 1.1 Soient (X n n et X des v.a.r. Si X n X, on a : (Xn n est EI X 1 n X. 2. CONVERGENCE L 1 DES MARTINGALES Théorème 2.1 Soit (X n n une sous-martingale. Alors, (X n n est EI (X n n converge p.s. et dans L 1. La martingale de Galton-Watson 2 (Z n /m n n 0 est EI si la loi de reproduction, i.e. la loi de ξ1 1, est de carré intégrable et m = Eξ1 1 > 1 : en effet, on peut montrer que EZ2 n+1 = var(ξ +m2 EZn, 2 et donc que (Z n /m n n 0 est borné dans L 2. Il existe donc une v.a.r. intégrable W (non nulle telle que l on ait p.s. : Z n m n W. Théorème 2.2 Soit (X n n une (F n n -sous-martingale EI et X sa limite. Alors n : X n E[X F n ] p.s. Lorsque (X n n est une martingale EI, on a donc X n = E[X F n ] p.s. et pour chaque n : on dit que la martingale (X n n est fermée. En tant que martingale EI, la martingale de Doob est convergente p.s. et dans L 1. On peut préciser la limite : Théorème 2.3 [DOOB] Soit Z une v.a.r. intégrable, (F n n une filtration et F = σ( n F n. Alors, E[Z F n ] p.s.,l 1 E[Z F ]. Pour le critère quadratique, E[Z F n ] est la meilleure approximation de Z sachant F n. On ne peut donc espérer récupérer la totalité de l information que si Z est F -mesurable, car alors E[Z F ] = Z p.s. 1. Benoît Cadre - ENS Cachan Bretagne 2. (Z n n 0 est défini par récurrence par Z 0 = 0 et Z n+1 = Z n i=1 ξ i n+1 1, pour (ξi n i,n 1 i.i.d. intégrables et à valeurs dans N
2 3. TEMPS D ARRET Pour une filtration (F n n, on notera F = σ( n F n. Définition 3.1 Soit (F n n une filtration. Une v.a. T à valeurs dans N { } est un (F n n -temps d arrêt (t.a. si n, {T = n} F n ou bien, de façon équivalente, si n, {T n} F n. Noter que, alors, {T = } F. Exemples 3.1 Une v.a. entière et p.s. constante est un t.a. pour toute filtration ; INSTANT DE 1ÈRE ENTRÉE DANS UN BORÉLIEN. Soit (X n n un processus (F n n -adapté et B un borélien de R. Avec la convention inf /0 =, la v.a. T = inf{n : X n B} est un (F n n -t.a. Si k N, en adoptant la convention sup /0 = 0, S = sup{n k : X n B} n est en général pas un t.a. Propriétés 3.1 Soient S,T deux (F n n -t.a. Alors S T, S T et S + T sont des (F n n -t.a. Définition-Proposition 3.2 Soit T un (F n n -t.a. On note F T = { A F : A {T = n} F n, n } = { A F : A {T n} F n, n }. La classe d événements F T est une tribu, appelée tribu des événements antérieurs à T. Noter que σ(t F T, l égalité étant fausse en général. Il faut comprendre cette tribu de la manière suivante : si (F n n 0 est la filtration naturelle du processus (X n n 0 et T est un t.a. relatif à cette filtration, l information contenue dans F T comprend, d une part, la valeur de T et d autre part, les valeurs de X 0,,X T. Propriétés 3.2 Soient S,T deux (F n n -t.a. Alors, F S T = F S F T et en particulier, si S T, F S F T. Propriété 3.3 Soit (X n n un processus (F n n -adapté et T un (F n n -t.a. p.s. fini. On note X T l application définie pour chaque ω Ω par X T (ω = X T (ω (ω. Alors X T est une v.a.r. F T -mesurable. Définition 3.3 Soit (X n n un processus (F n n -adapté et T un (F n n -t.a. On appelle processus arrêté à l instant T le processus X T = (X T n n défini pour chaque n par X T n = X n T. Il faut remarquer ici que pour chaque n, X T n est F n T -mesurable et donc F n -mesurable. 4. THEOREMES D ARRET POUR LES MARTINGALES Théorème 4.1 [THÉORÈME D ARRÊT 1] Soit (X n n une (F n n -sous-martingale et S,T deux (F n n -t.a. bornés tels que S T. Alors, X S,X T L 1 et de plus, E[X T F S ] X S p.s. Exercice 4.1 Soit S = (S n n 0, la marche aléatoire simple symétrique issue de 0 et définie sur les entiers relatifs, et T l instant de 1ère entrée dans l état 1. En utilisant le théorème ci-dessus, montrer que T < p.s. Dans cet exemple, on a donc 1 = ES T ES 0 = 0 : ainsi, dans le théorème précédent, l hypothèse de bornitude des t.a. joue un rôle essentiel. Lorsque ce n est pas le cas, il faut pouvoir préciser le comportement asymptotique de la martingale. 2
3 Pour un processus (X n n qui converge, on note X sa limite et on convient que X T = X sur l événement {T = }. Théorème 4.2 [THÉORÈME D ARRÊT 2] Soit (X n n une (F n n -sous-martingale, et S,T deux (F n n -t.a. (finis ou non tels que S T p.s. Si (X n n est EI, alors X S,X T L 1 et E[X T F S ] X S p.s. Une conséquence de ce théorème est que si (X n n est une (F n n -martingale EI, {X T, T un (F n n -t.a.} est une famille EI. Exercice 4.2 [RUINE DU JOUEUR] Un joueur joue à pile ou face avec une pièce équilibrée. Si il fait "pile" (resp. "face", il gagne 1$ (resp. perd 1$. Il s arrête de jouer lorsque son gain vaut 0 ou m 1. Sa fortune avant de commencer le jeu est 0 k m. Montrer que le jeu finira par s arrêter, et calculer la loi du gain lorsque la partie est terminée. 5. DECOMPOSITION DE DOOB Définition 5.1 Soit (X n n 0 un processus stochastique et (F n n 0 une filtration. On dit que (X n n 0 est (F n n 0 -prévisible si, pour tout n 0, X n est F n 1 -mesurable (avec la convention F 1 = {/0,Ω}. En clair, le processus (X n n 0 est (F n n 0 -prévisible si, à l instant n, l information disponible F n permet de connaître la valeur prise par X n+1 : on peut donc "prédire" la valeur future. Théorème 5.1 [DÉCOMPOSITION DE DOOB] Soit (X n n 0 une (F n n 0 -sous-martingale. Il existe une décomposition unique de (X n n 0 sous la forme X n = X 0 + M n + A n p.s. pour tout n, avec : (M n n 0 une (F n n 0 -martingale telle que M 0 = 0 p.s. ; (A n n 0 est prévisible, croissant, et A 0 = 0 p.s.. Remarque 5.1 Le processus (A n n se calcule par récurrence, en utilisant la relation A n+1 A n = E[X n+1 F n ] X n. Le théorème 5.1 est souvent utilisé sous la forme suivante : si Y = (Y n n 0 est une martingale de carré intégrable, (Y 2 n n 0 est une sous-martingale. Le processus prévisible et croissant (A n n 0 intervenant dans la décomposition de Doob de (Y 2 n n 0 est appelé crochet de la martingale Y, et est noté Y n. En particulier, si Y 0 = 0, on a la relation EY 2 T = E Y T, pour tout t.a. borné T. Exercice 5.1 Soient ξ 1,ξ 2, des v.a.r.i.i.d. dont la loi est de carré intégrable, et M = (M n n 0 le processus défini par M 0 = 0 et M n = ξ ξ n pour n 1. a. Montrer que si ξ est centrée, alors M n = neξ 2. b. Dans le contexte de l exercice 4.1, en déduire que T / L 1. c. Soit S un t.a. pour M, avec ES <. Montrer l identité de Wald : EM S = ESEξ. Exercice 5.2 Deux joueurs, André et Berthe, jouent simultanément à pile ou face, chacun avec sa propre pièce, qui est équilibrée. Les joueurs lancent la pièce, jusqu à ce que l un d entre eux ait fait r piles de plus que son adversaire. Il est alors déclaré vainqueur de la partie. Montrer que le nombre de jeux d une partie est fini, et même intégrable. Calculer le nombre moyen de jeux. A titre de complément, et pour bien voir à quel point la convergence des martingales de carrés intégrables est liée à celle de leur crochet : 3
4 Théorème 5.2 [LFGN POUR LES MARTINGALES] Soit X = (X n n 0 une martingale de carré intégrable. (i Pour P-p.t. ω { X < }, la suite (X n (ω n 0 converge. (ii Soit f : R + R + croissante telle que 0 (1 + f (x 2 dx <. Pour P-p.t. ω { X = } : X n (ω f ( X n (ω APPLICATION : UNE STRATEGIE DE DECISION Une usine produit des composants électroniques qui peuvent sortir défectueux de la chaîne de fabrication. Le nombre de pièces fabriquées étant gigantesque et l examen de chaque pièce étant relativement coûteux, il est impensable d évaluer la qualité de toute sa production. Dans la suite, p 0 désigne la probabilité, inconnue, qu une pièce soit défectueuse. Un acheteur cherchera à n accepter un stock de pièces tel que p 0 p a qu avec une probabilité β et l industriel cherchera à ne rejeter un stock tel que p 0 p i (avec 0 < p i < p a < 1 qu avec une probabilité α (α,β ]0,1[. Comment répondre à ces deux exigences? Il s agit donc de construire une stratégie de décision respectant les consignes ci-dessus. Dans la suite, x k = 1 si le k-ième composant électronique est défectueux, et 0 sinon. Puis, z k = x k ln p a p i + (1 x k ln 1 p a 1 p i. Le test séquentiel du rapport de vraisemblance est la stratégie de décision suivante : On examine successivement des pièces du stock. Après l examen de la n- ième pièce, trois décisions doivent être envisagées : examiner la (n + 1-ème pièce, si z z n ]lnβ,ln(1/α[; rejeter le stock, si z z n ln(1/α ; accepter le stock, si z z n lnβ. Vérifions maintenant que cette stratégie répond aux exigences. Pour p ]0,1[, soit P p la probabilité sur {0,1} N dont la restriction à {0,1} n vaut B(p n pour tout n 1. On considère l échantillon canonique (X 1,X 2, sur ({0,1} N,P p. Par analogie au cas où le nombre d observations est fixé, on défini la vraisemblance du sous-échantillon (X 1,,X n de loi B(p n par L n (p = L n (X 1,,X n ; p = p n i=1 X i (1 p n n i=1 X i. En notant pour chaque k 1 : on a alors Z k = X k ln p a p i + (1 X k ln 1 p a 1 p i, S n = ln L n(p a L n (p i = Z Z n. La stratégie de décision consiste à arrêter l examen des pièces à partir de la ν-ème, où { ν = inf n 1 : L n (p a L n (p i 1 α ou L n(p a } L n (p i β = inf {n 1 : S n / ]lnβ,ln 1 } α [. 4
5 Soit E p l espérance sous la loi P p. Posons m p = EZ 1 et S 0 = 0. Comme (S n ν n ν m p n 0 est une P p - martingale et S n ν max( lnα, lnβ, on déduit que ν L 1 (P p si m p 0 (le cas m p = 0 est traité par un argument similaire. En particulier, ν est P p -p.s. fini pour tout p ]0,1[, donc l algorithme de décision a une fin. De plus, la vraisemblance L ν (p de l observation (X 1,,X ν a un sens. Pour toute fonction à valeurs positives φ, on a ( Lν (p a E pa φ(x 1,,X ν = E pi L ν (p i φ(x 1,,X ν. Par suite, ( P pa Sν lnβ ( Lν (p a = E pi L ν (p i 1 ( { L ν (pa Lν (p i β} β et P pi Sν ln(1/α ( Lν (p i = E pa L ν (p a 1 { L ν (p i α. Lν (pa α} Par ailleurs, on vérifie que : ( P p0 Sν ln(1/α ( P pi Sν ln(1/α α si p 0 p ( i et P p0 Sν lnβ ( P pa Sν lnβ β si p 0 p a. En conclusion, la stratégie de décision rempli les conditions imposées : si p 0 p i, la probabilité de rejeter le stock en adoptant cette stratégie est α et, si p 0 p a, la probabilité d accepter le stock avec cette stratégie est β. REFERENCES P. Billingsley, Probability and Measure, 3rd Edition, Wiley, D. Dacunha-Castelle et M. Duflo, Probabilités et statistiques - Tome 2 : Problèmes à temps mobile (Cours et Exercices, Masson, R. Durrett, Probability : Theory and Examples, 4th Edition, Cambridge University Press, D. Foata et A. Fuchs, Processus stochastiques - Processus de Poisson, chaînes de Markov et martingales, Dunod, J. Neveu, Martingales à temps discret, Masson, J.-Y. Ouvrard, Probabilités 2 : maîtrise agrégation, Cassini, D. Williams, Probability with martingales, Cambridge University Press,
4. 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 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 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 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 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 détailCapacité 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 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 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 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 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 détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
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 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 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 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 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 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 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 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 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 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 détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
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 détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
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 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 détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
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 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 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 détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
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 détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
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 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 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 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 détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
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 détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
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 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 détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
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 IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1
Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs
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 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 détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
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 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 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 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 détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailMCMC et approximations en champ moyen pour les modèles de Markov
MCMC et approximations en champ moyen pour les modèles de Markov Gersende FORT LTCI CNRS - TELECOM ParisTech En collaboration avec Florence FORBES (Projet MISTIS, INRIA Rhône-Alpes). Basé sur l article:
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 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 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 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 détailMÉTHODE DE MONTE CARLO.
MÉTHODE DE MONTE CARLO. Alexandre Popier Université du Maine, Le Mans A. Popier (Le Mans) Méthode de Monte Carlo. 1 / 95 PLAN DU COURS 1 MÉTHODE DE MONTE CARLO 2 PROBLÈME DE SIMULATION Théorème fondamental
Plus en détailPRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.
PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.. Donner les erreurs en position, en vitesse et en accélération d un système de transfert F BO = N(p) D(p) (transfert en boucle ouverte) bouclé par retour
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 détailTRAVAIL D ETUDE ET DE RECHERCHE. Utilisation des arbres binomiaux pour le pricing des options américaines
Ensimag - 2éme année Mai 2010 TRAVAIL D ETUDE ET DE RECHERCHE Utilisation des arbres binomiaux pour le pricing des options américaines Anne-Victoire AURIAULT 1/48 2/48 Cadre de l Étude Cette étude a été
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailAutomatique Linéaire 1 Travaux Dirigés 1A ISMIN
Automatique Linéaire 1 Travaux Dirigés Travaux dirigés, Automatique linéaire 1 J.M. Dutertre 2014 TD 1 Introduction, modélisation, outils. Exercice 1.1 : Calcul de la réponse d un 2 nd ordre à une rampe
Plus en détailLeçon 01 Exercices d'entraînement
Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =
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 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 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 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 détailLoi d une variable discrète
MATHEMATIQUES TD N : VARIABLES DISCRETES - Corrigé. P[X = k] 0 k point de discontinuité de F et P[X = k] = F(k + ) F(k ) Ainsi, P[X = ] =, P[X = 0] =, P[X = ] = R&T Saint-Malo - nde année - 0/0 Loi d une
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 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 détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
Plus en détailSur quelques applications des processus de branchement en biologie moléculaire
Sur quelques applications des processus de branchement en biologie moléculaire Didier Piau Exposés donnés les 3 et 4 novembre 2003 à l ÉNS dans le cadre de l atelier «Applications à la biologie et à la
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
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 détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
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 détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
Plus en détailExo7. Limites de fonctions. 1 Théorie. 2 Calculs
Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication
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 détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
Plus en détailCanevas théoriques du projet sur le poker Partie A
Partie A Dans une partie de poker, particulièrement au Texas Hold em Limit, il est possible d effectuer certains calculs permettant de prendre la meilleure décision. Quelques-uns de ces calculs sont basés
Plus en détail(51) Int Cl.: H04L 29/06 (2006.01) G06F 21/55 (2013.01)
(19) TEPZZ 8 8 4_A_T (11) EP 2 838 241 A1 (12) DEMANDE DE BREVET EUROPEEN (43) Date de publication: 18.02.1 Bulletin 1/08 (1) Int Cl.: H04L 29/06 (06.01) G06F 21/ (13.01) (21) Numéro de dépôt: 141781.4
Plus en détailExamen optimisation Centrale Marseille (2008) et SupGalilee (2008)
Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut
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 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 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 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 détailTests du χ 2. on accepte H 0 bonne décision erreur de seconde espèce on rejette H 0 erreur de première espèce bonne décision
Page n 1. Tests du χ 2 une des fonctions des statistiques est de proposer, à partir d observations d un phénomène aléatoire (ou modélisé comme tel) une estimation de la loi de ce phénomène. C est que nous
Plus en détailMESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours
MSUR T INTÉGRATION N UN DIMNSION Notes de cours André Giroux Département de Mathématiques et Statistique Université de Montréal Mai 2004 Table des matières 1 INTRODUCTION 2 1.1 xercices.............................
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 détailIntroduction au pricing d option en finance
Introduction au pricing d option en finance Olivier Pironneau Cours d informatique Scientifique 1 Modélisation du prix d un actif financier Les actions, obligations et autres produits financiers cotés
Plus en détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailChapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :
Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de
Plus en détail