Processus et martingales en temps continu

Dimension: px
Commencer à balayer dès la page:

Download "Processus et martingales en temps continu"

Transcription

1 Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de variables (M ) 0 est dite adaptée à (F ) 0 si pour tout 0, M est F -mesurable. Ue suite de variables (M ) 0 est ue (F ) 0 -sousmartigale discrète si elle est adaptée et si pour tout 0, M L 1 et M E[M +1 F ]. Ue suite de variables (M ) 0 est ue (F ) 0 -surmartigale discrète si elle est adaptée et si pour tout 0, M L 1 et M E[M +1 F ]. Ue suite de variables (M ) 0 est ue (F ) 0 -martigale discrète si elle est adaptée et si pour tout 0, M L 1 et M = E[M +1 F ]. Exemple 1.2 Soit Z L 1, alors M = E[Z F ] est ue (F ) 0 -martigale. Propositio 1.3 Iégalité de Jese coditioelle Soit M L 1 (F), G ue sous-tribu de F et ϕ ue foctio covexe telle que ϕ(m) L 1 (F), alors ϕ (E[M G]) E [ϕ(m) G]. Coséquece 1.4 Si (M ) 0 est ue (F ) 0 -sousmartigale, alors (M + ) 0 est ue (F ) 0 - sousmartigale. Rappel : x + = x 0. Propositio 1.5 Si (M ) 0 est ue (F ) 0 -martigale et ϕ ue foctio covexe, telle que 0, ϕ(m ) L 1. Alors (ϕ(m )) 0 est ue (F ) 0 -sousmartigale. 27

2 Martigales et temps d arrêt Défiitio 1.6 Ue v.a. T à valeurs das [0, + ] est u (F ) 0 -temps d arrêt si 0 {T = } F. O défiit la tribu F T la tribu des évéemets atérieurs à T F T = {Λ F : Λ {T = } F 0}. Propositio Soit (M ) 0 ue (F ) 0 -martigale (sur ou sous) et T u (F ) 0 - temps d arrêt. Alors (M T ) 0 ue (F ) 0 -martigale (sur ou sous), où M T = M T. 2. Si Y L 1, alors E[Y F T ] = IN E[Y F ]I T =. Preuve. 1. M T = M I T + M T I T < est bie F -mesurable et das L 1 et E[M+1 F T ] = E[M +1 F ]I T +1 + M T I T <+1 = M T 2. Soit Z L (F T ), alors ZI T = est ue v.a. F -mesurable et E[Y Z] = E[Y ZI T = ] = E Z I T = E[Y F ]. IN IN Théorème 1.8 Théorème d arrêt Soit (M ) 0 est ue (F ) 0 -martigale (sur ou sous). Soit T et S deux (F ) 0 -temps d arrêt avec S T et T boré. Alors E[M T F S ] = M S (resp. et ). Preuve. Supposos que S T. Si S = p est détermiiste. Supposos T boré par K. (M T ) 0 est ue martigale, doc pour p E[M T F p ] = M T p = M p. Pour K, o a M T = M T et doc E[M T F p ] = M p. Si S est aléatoire, E[M T F S ] = E[M T F ]I S= = M I S= = M S. 1.2 Iégalités importates Propositio 1.9 Lemme Maximal Soit C > 0. Si (M ) 0 est ue sousmartigale, alors P (sup Si (M ) 0 est ue martigale, alors P (sup Si (M ) 0 est ue surmartigale positive, alors M C) 1 C sup E[M + ]. M C) 1 C sup E[ M ]. P (sup M C) 1 C E[M 0].

3 Le mouvemet Browie e tat que processus de Markov 29 Preuve. 1. O cosidère le temps d arrêt T = if{ 0 : M C}. O pose τ = T, d où CI {T } M τ + car C > 0. O utilise alors le théorème d arrêt (pour la sous-martigale (M + ) avec S = τ et T = ), C IP(T ) E[M τ + ] E[M + ]. et o fait +. Comme IP(T < ) = P (sup M C), o a le résultat. 2. M et M sot des sousmartigales. 3. De même o a CI {T } M τ et par le théorème d arrêt E[M τ ] E[M 0 ]. Propositio 1.10 Iégalité du ombre de motées 1. Soit (M ) 0 est ue surmartigale et m M a,b () le ombre de motées de a à b effectuées par M avat l istat. Alors E[m M a,b()] 1 b a E[(M a) ]. 2. Soit (M ) 0 est ue sousmartigale et m M a,b () le ombre de descetes de b à a effectuées par M avat l istat. Alors E[m M a,b()] 1 b a E[(M b) + ]. Preuve. O remarque que 2. implique 1. car M est ue sousmartigale et m M a,b () = m M b, a (). Prouvos 2. O décrit les périodes de descete avec la suite croissate de temps d arrêt suivats : T 0 = 0, T 1 = if{ 0 : M > b}, T 2 = if{ T 1 : M < a},..., T 2p 1 = if{ T 2p 2 : M > b}, T 2p = if{ T 2p 1 : M < a},... Pour tout p, M T2p 1 b est ue sousmartigale, positive sur {T 2p 1 }. O a doc Par coséquet, 0 E[(M T2p 1 b)i T2p 1 ] E[(M T2p b)i T2p 1 ] (Théorème d arrêt) E[(M T2p b)i T2p ] + E[(M b)i T2p 1 <T 2p ] (a b) IP(T 2p ) + E[(M b) + I T2p 1 <T 2p ] (b a) p IP(m M a,b () p) p E[(M b) + I T2p 1 <T 2p ] c est à dire (b a)e[m M a,b ()] E[(M b) + ]. Propositio 1.11 Iégalité de Doob Soit (M ) 0 est ue martigale (ou sousmartigale positive), p, q > 1 tels que 1 = 1 p + 1 q. Alors sup M p q sup M p, N N où. p est la orme L p. Preuve. Il suffit de motrer que si X, Y sot deux v.a. positives telles que C > 0 C IP(Y C) E[XI Y C ] alors p, q > 1 tels que 1 = 1 p + 1 q Y p q X p.

4 30 E effet, car si M martigale alors M est ue sousmartigale positive, il doc suffit d utiliser le résultat avec Y = sup N M et X = M. Si f est ue foctio positive croissate càd telle que f(0) = 0, alors Y E[f(Y )] = E[X 0 1 z df(z)] E preat, f(y) = y p, o obtiet le résultat. 1.3 Théorèmes de covergece Défiitio 1.12 Ue famille de v.a. (X i ) i I est dite uiformémet itégrable (U.I.) si lim sup E[ X i I a + Xi >a] = 0. i I Exemple Si i I, X i X avec X L 1, la famille (X i ) i I est uiformémet itégrable. Par coséquet, ue suite borée est U.I. 2. Si p > 1, sup i I E[ X i p ] <, la famille (X i ) i I est uiformémet itégrable. Preuve. 1. E[ X i I Xi >a] E[XI X>a ] et comme X L 1, o a bie lim a + E[XI X>a] = E[ X i I Xi >a] E[ X i p ] 1/p IP( X i > a) 1/q E[ X i p ]/a p/q. Théorème 1.14 Soit (X ) 0 ue suite de v.a. et X L 1. X L 1 X ssi X proba X et (X ) 0 U.I. Covergece p.s. Théorème 1.15 Soit (M ) 0 ue sous-martigale à valeurs das IR telle que sup E[M + ] <, alors il existe M L 1 telle que M + M ps. Preuve. Le ombre de descetes vérifie E[m M a,b (IN)] <, doc mm a,b (IN) < p.s. Soit N l esemble de mesure sur lequel m M a,b ( ) = pour tout a, b Q. Soit ω / N. Si M t(ω) e coverge pas, alors il existe a, b Q : lim if M t (ω) < a < b < lim sup M t (ω). Cotradictio, doc la martigale coverge p.s.. Notos M sa limite. Par ailleurs, comme M = 2M + M et E[M 0 ] E[M ], o a E[ M ] 2E[M + ] E[M 0 ] Doc sup E[ M ] <. D après le lemme de Fatou, E[ M ] lim if E[ M ] sup E[ M ] <. Doc M L 1.

5 Le mouvemet Browie e tat que processus de Markov 31 Covergece e moyee Théorème 1.16 Soit (M ) 0 ue martigale. Il y a équivalece etre les propriétés suivates : 1. Z L 1 tel que IN M = E[Z F ], 2. (M ) 0 est U.I., 3. (M ) 0 coverge das L 1. O a alors Z = M, la martigale est dite fermée, i.e. (M ) est ue martigale. IN Preuve. 1 2 : Par Jese E[ M I M >a] E[ Z I M >a]. Comme Z L 1, la suite ( Z I M >a) est U.I. (Voir l exemple ), doc (M ) 0 est U.I. 2 3 : D après le théorème précédet, o a M coverge p.s. vers M, doc coverge das L 1 car U.I. 3 1 : O a M = E[M +p F ] pour tout p 0. Comme l espérace coditioelle est cotiue sur L 1, e faisat tedre p +, d où le résultat. Corollaire 1.17 Soit (M ) ue sous-martigale idexée par IN ou Z, i.e. F F +1 et M = E[M +1 F ] pour 0. Alors M coverge quad p.s. et das L 1. Par coséquet, (M ) sous martigale. IN Preuve. E effet, pour tout 0, E[X + ] E[X 0 + ] <. Il y a doc covergece p.s. Par ailleurs, M E[M 0 F ] pour tout 0. La sous-martigale est doc U.I. Propositio 1.18 Soit (M ) 0 ue surmartigale positive, alors (M ) 0 coverge p.s. et das L 1 vers M et (M ) est ue surmartigale. IN 2 Processus e temps cotiu Soit (Ω, F, (F t ) t 0, IP) u espace probabilisé filtré. Défiitio 2.1 Soit X = (X t, t 0) u processus défii sur (Ω, F, (F t ) t 0, IP). Le processus X est dit mesurable si l applicatio X : [0, [ Ω (E, E) (t, ω) X t (ω) est mesurable par rapport à B([0, [) F. Le processus X est dit adapté si t 0 X t est F t -mesurable. Le processus X est dit progressivemet mesurable (ou progressif) si t 0 l applicatio X : [0, t] Ω E est mesurable par rapport à la tribu B([0, t]) F t. (s, ω) X s (ω) Défiitio 2.2 Soit X = (X t, t 0) u processus. La filtratio aturelle de X est défiie par Ft X = σ(x s, 0 s t). Remarque Si (F X t ) t 0 est la filtratio aturelle de X alors X est adapté à (F X t ) t U processus progressif est adapté (la réciproque est fausse).

6 32 3. U processus mesurable et adapté admet ue versio progressivemet mesurable (Théorème de Chug et Doob (1965), voir [4]). Exemple Cosidéros ue suite de temps 0 < t 1 <... < t, et h 1,..., h des v.a. telles que i h i est F ti -mesurable. O pose t 0 = 0 et t +1 = +. Les processus suivats X = h i I [ti,t i+1[ et Y = h 0 I {0} + h i I ]ti,t i+1] sot progressivemet mesurables. i=0 2. Si la filtratio est complète, u processus X adapté dot les trajectoires sot cotiues à gauche (càg) est progessivemet mesurable. Preuve. 1. Regardoc le premier processus, l étude du secod est similaire. Soit B E, où E tribu sur E, o a {(s, ω) [0, t] Ω : X t (ω) B} = Doc X est progressivemet mesurable. i=0 [t i, t i+1 [ [0, t] {ω Ω : h i (ω) B} i=0 B([0, t]) F t. 2. O approche le processus X par Xt = X k2 sur t [k2, (k+1)2 [, k {0,..., 2 1}. Le processus X est progressivemet mesurable et comme X est càg, t 0, p.s. Xt X t. Doc X est progressif. + Propositio 2.5 Soit X u processus adapté et cotiu à droite (càd) alors X est progressif. Preuve. O défiit Xt = X (k+1)2 sur t [k2, (k+1)2 [. Le processus X est (F t+2 ) t 0 - progressif et comme X est càd t 0, p.s. Xt X t. + O fixe t 0 et o défiit maiteat X s = Xs I s<t 2 + X t I s=t. Ce processus est mesurable par rapport à B([0, t]) F t. Par ailleurs, quad +, Xs X s pour s t. Doc la restrictio de X à [0, t] est mesurable par rapport à B([0, t]) F t, i.e. X est progressif. Propositio 2.6 Soit X u processus progressif et T u (F t ) t 0 -temps d arrêt. Alors X T I {T < } est F T -mesurable. Preuve. Supposos T fii. O fixe t 0, X [0,t] est B([0, t]) F t -mesurable et T I {T t} est F t -mesurable. Par compositio, X T I {T t} est F t -mesurable. Doc X T est F T -mesurable. Propriété 2.7 Les lois fiis dimesioelles caractériset la loi d u processus. 3 Martigales e temps cotiu Soit (Ω, F, (F t ) t 0, IP) u espace probabilisé filtré. 3.1 Défiitio et exemples Défiitio 3.1 Soit M u processus adapté avec t 0, M t L 1. O dit que - M est ue (F t ) t 0 -sousmartigale si M t E[X t+s F t ] pour tout t, s 0. - M est ue (F t ) t 0 -surmartigale si M t E[M t+s F t ] pour tout t, s 0. - M est ue (F t ) t 0 -martigale si M t = E[M t+s F t ] pour tout t, s 0.

7 Le mouvemet Browie e tat que processus de Markov 33 Exemple 3.2 Exemple importat de Martigale. Soit Z L 1 ue variable aléatoire. Alors M = (M t, t 0) avec M t = E[Z F t ] est ue martigale. Exemple 3.3 Soir B u mouvemet browie et (F B t ) t 0 sa filtratio aturelle. 1. B est ue (F B t ) t 0 -martigale. 2. (B 2 t t, t 0) est ue (F B t ) t 0 -martigale. 3. (exp(ab t a2 2 t), t 0) est ue (F B t ) t 0 -martigale, pour a IR. Elle est appelée martigale expoetielle associée au Browie. Exemple 3.4 Si X est u processus à accroissemet idépedats avec X t L 1 pour tout t 0 et (F t ) t 0 sa filtratio aturelle. Alors (X t E[X t ], t 0) est ue (Ft X ) t 0 -martigale. Remarque 3.5 Soit M et N deux martigales idépedates telles que t 0 M t, N t L 2. O ote (F t ) t 0 la filtratio aturelle de (M, N). Alors MN = (M t N t, t 0) est ue (F t ) t 0 -martigale. Si o a juste M t et N t idépedates pour tout t 0, le résultat est faux e gééral. Preuve. Par Cauchy-Schwartz, o a bie t 0 M t N t L 1. Soiet t, s 0 et Y F t telle que Y = Y 1 Y 2 avec Y 1 σ(m s, s t) et Y 2 σ(n s, s t). Alors E[M t+s N t+s Y ] = E[M t+s Y 1 ]E[N t+s Y 2 ] par idépedace = E[M t Y 1 ]E[N t Y 2 ] car M etn martigales = E[M t N t Y ] par idépedace. Soit E = {Y L (F t ) : E[M t+s N t+s Y ] = E[M t N t Y ]}. C est u espace vectoriel qui cotiet les costates et stable par covergece mootoe. Les variables de la forme Y 1 Y 2 avec Y 1 σ(m s, s t) et Y 2 σ(n s, s t) egedret L (F t ), d où le résultat. 3.2 Premières propriétés Soit D u esemble déombrable dese de IR +. Par exemple, l esemble des dyadiques D = D avec D = {k2, k IN}. Propositio 3.6 Iégalité Maximale Soit M ue (F t ) t 0 -martigale. Alors pour tout C > 0 P ( sup s [0,t] D Si de plus M a des trajectoires càd, M s C) 1 C sup E[ M s ]. 0 s t P ( sup M s C) 1 s [0,t] C sup E[ M s ]. 0 s t Preuve. O utilise l iégalité Maximale pour des martigales discrètes. O a P ( sup M s C) 1 s [0,t] D C sup s [0,t] D E[ M s ] 1 C sup E[ M s ] 0 s t O obtiet le résultat par covergece mootoe quad +. Par ailleurs, lorsque M est càd sup s [0,t] D M s = sup s [0,t] M s.

8 34 Propositio 3.7 Iégalité de Doob Soit M ue (F t ) t 0 -martigale (ou sousmartigale positive), p, q > 1 tels que 1 = 1 p + 1 q. Alors Si de plus M a des trajectoires càd, sup M s p q sup M s p. s [0,t] D s [0,t] sup M s p q sup M s p. s [0,t] s [0,t] Théorème 3.8 Régularisatio de surmartigales Soit (Ω, F, (F t ) t 0, IP) u espace probabilisé filtré, avec (F t ) t 0 satisfaisat aux coditios habituelles (i.e. complète et cotiue à droite). Soit M ue (F t ) t 0 -surmartigale telle que t E[M t ] soit càd. Alors il existe ue versio M de M telle que i) p.s. t M t est cotiue à droite avec des limites à gauche (càdlàg) ii) M est ue (F t ) t 0 -surmartigale. Remarque Si M est ue martigale alors so espérace est costate, doc cotiue. 2. Si M est ue sousmartigale, alors M est ue surmartigale! Preuve. O cosidère u esemble déombrable dese D de [0, + [. O va motrer le lemme suivat Lemme 3.10 Soit (Ω, F, (F t ) t 0, IP) u espace probabilisé filtré et M ue (F t ) t 0 -surmartigale. Alors avec probabilité 1 o a i) t 0 M t + = s lim M s existe, aisi que M t = lim M s, t,s D s t,s D ii) t 0 M t E[M t + F t ], avec égalité dès que la foctio s E[M s ] est cotiue à droite (ce qui est le cas des martigales car l espérace est costate). E particulier, o a M t + L 1. iii) (M t +, t 0) est ue (F t +) t 0 surmartigale. E effet, pour prouver le théorème à partir du lemme, il suffit juste de défiir M t = lim M s. s t,s D C est bie ue versio de M, car si l espérace est càd, o a M t = E[ M t F t ] et comme la filtratio est càd F t + = F t, Mt est doc F t -mesurable. De plus, M est ue (Ft ) t 0 surmartigale càdlàg. Preuve du Lemme. i) Existece de limites à gauche et à droite D après l iégalité maximale, pour N IN o a sup s [0,N] D M s <. Soiet a, b Q et m M a,b (t) le ombre de motées de M le log de D de a à b avat l istat t. E utilisat le résultat sur les surmartigales à temps discrèt, o obtiet E[m M a,b(t)] 1 b a sup E[ M s a ]. 0 s t E particulier, m M a,b (t) < p.s. E utilisat la même démostratio que celle du Théorème 1.15, o obtiet que p.s. M admet des limites à gauche et à droite e tout t 0 le log de D. ii) Motros que t 0 M t E[M t + F t ]. Soit t 0 fixé et (t ) ue suite décroissate de D qui coverge vers t. O a M t M t + p.s. O ote G p = F t p et N p = M t p pour p 0. Alors N est ue (G p ) p 0 -surmartigale sur IN. Doc elle coverge das L 1 d après le Corollaire Doc M t M t + das L 1, d où X t + L 1 et comme 0 M t E[M t F t ] et par passage à la limite M t E[M t + F t ] p.s. O a égalité si l espérace est cotiue à droite, car alors E[M t ] = lim E[M t ] = lim E[E[M t F t ]] = E[M t +]. + +

9 Le mouvemet Browie e tat que processus de Markov 35 iii) (M t +, t 0) est ue (F t +) t 0 surmartigale. Comme M t est F t -mesurable, M t + est F t +-mesurable. Soit t, s 0, il existe (u ) suite de décroissate de D covergeat vers t + s. Soit 0 < ε < s fixé. Alors E[M (t+s) + F t+ε ] = lim + E[M u F t+ε ] M t+ε O choisir alors (ε ) 0 décroissate vers 0 telle que t+ε D. E utilisat ecore le Corollaire 1.17 à N p = E[M (t+s) + F t+ε p ] pour p 0, o a lim E[M (t+s) + F t+ε ] = E[M (t+s) + F t+ε ] = E[M (t+s) + F t +] p.s. et das L Comme M t+ε M t + p.s., le résultat est prouvé. 3.3 Covergece des martigales cotiues Théorème 3.11 Soit M ue (F t ) t 0 -sous martigale cotiue à droite, avec. sup t 0 E[M + t ] <. Alors M t coverge p.s. quad t +. O ote M sa limite. O a de plus M L 1. Remarque 3.12 E gééral la covergece a pas lieu das L 1. Preuve. Pour tout a < b le ombre de motée de a à b le log des dyadiques est fii p.s. car E[m M a,b(t)] 1 b a sup E[(M s a) ]. O fait tedre t + et doc E[m M a,b ( )] <. La suite de la preuve est la même que das le cas discret. s t Défiitio 3.13 O dit qu u processus X est uiformémet itégrable si lim sup E[ X t I a + Xt >a] = 0. O dit qu ue martigale M est fermée s il existe ue v.a. Z L 1 telle que t 0 t 0 M t = E[Z F t ] p.s.. Théorème 3.14 Soir M ue martigale càd. Il y a équivalece etre les propriétés suivates : 1. M est ue martigale fermée, 2. M est uiformémet itégrable, 3. il existe M L 1 telle que lim t + M t = M p.s. et das L 1. O a alors que p.s. M t = E[M F t ]. Preuve. Même preuve que das le cas discret. 3.4 Théorème d arrêt Théorème 3.15 Soit M ue (F t ) t 0 -martigale (sur ou sous) càd fermée. O ote M sa limite. Soit T u (F t ) t 0 -temps d arrêt. O pose M T = M sur {T = }. Alors E[M F T ] = M T p.s. (resp et ) et le processus arrêté M T = (M T t, t 0) est ecore ue martigale uiformémet itégrable de valeur termiale M T. E particulier, E[M T ] = E[M 0 ] = E[M ].

10 36 Preuve. Évidet. i) T détermiiste. ii) T temps d arrêt simple. O ote t 0, t 1,... les valeurs prises par T. O a M T = M t sur {T = t }. Par ailleurs, M T est F T -mesurable car M est càd, d où progressivemet mesurable. Soit Λ F T. Par Fubii, o a E[M I Λ ] = E[M I Λ I T =t ] = E[M t I Λ I T =t ] = E[M T I Λ ] Doc E[M F T ] = M T. ii) Cas gééral. Il existe ue suite décroissate de t.a. simples T qui coverge p.s. vers T. O a E[M F T ] = M T, d où E[M F T ] = E[M T F T ] (e effet F T F T ). Par ailleurs, M T coverge vers M T, car les trajectoires sot càd. Motros que cette covergece a lieu das L 1. Notos pour p 0 G p = F T p. O a G p G p+1. Notos N p = M T p. Alors N est ue (G p ) p 0 -martigale idexée par IN (car la suite de t.a. est décroissate). Elle coverge doc das L 1 d après le Corollaire Par coséquet, M T coverge vers M T das L 1 et doc E[M F T ] = M T. Remarque 3.16 Sous les hypothèses du théorème, o a E[M T F t ] = M t T. Remarque Le théorème s applique aux (sur ou sous) martigales càd borées. 2. Si T est boré, il suffit de supposer la martigale M càd. (E effet, si T 1, M t = E[M 1 F t ] doc fermée sur l itervalle de temps [0, 1].) Attetio : Le théorème e s applique que lorsque la martigale est fermée ou le temps d arrêt boré. E effet si B est u mouvemet browie (c est bie ue martigale), e posat T a = if{t 0 : B t = a}, o a B Ta = a et E[B 0 ] = 0 a = E[B Ta ] pour a > 0. Corollaire 3.18 Si M est ue (sur ou sous) martigale càd fermée et T, S deux temps d arrêt avec S T, alors M T L 1 et E[M T F S ] = M S (resp et ). Si T et S sot deux t.a. borés il suffit de supposer M martigale càd. 4 Processus de Poisso Le processus de Poisso est utilisé par exemple pour modéliser les files d attete comme les arrivées des appels téléphoiques à u cetral. Défiitio 4.1 soit λ > 0 et (S ) 1 ue suite de v.a. idépedates de loi expoetielle E(λ). O pose T = S S. O défiit alors le processus de comptage N = (N t, t 0) à valeurs das IN { } N t = 1 I {T t}. Ce processus est appelé processus de Poisso d itesité λ. Défiitio 4.2 O défiit (Ft N ) t 0 la filtratio aturelle complétée du processus de Poisso.

11 Le mouvemet Browie e tat que processus de Markov 37 Remarque 4.3 O peut aussi écrire le processus sous la forme N t = sup{ 0 : T t}. Iversemet, o remarque que T est u (F N t ) t 0 -temps d arrêt, T = if{t 0 : N t = }. Si t > s, o a N t N s = 1 I {s<t t}. Théorème 4.4 U processus X à accroisssemets idépedats et statioaires (PAIS) càd vérifie la propriété de Markov forte. Preuve. Voir Chapitre 2, Théorème Défiitio 4.5 équivalete du Processus de Poisso. U processus de Poisso N = (N t, t 0) d itesité λ est u processus de comptage càd tel que i) N(0) = 0 ii) N est u processus à accroisssemets idépedats et statioaires. iii) pour tout t 0, N(t) suit la loi de Poisso P(λt). Preuve. Soit N u processus de Poisso au ses de la Défiitio 4.1. O a bie N(0) = 0. Soiet 0 t 1 < t 2 <... < t, alors N(t + s) N(t) = 1 I {t<t t+s}. Comme {N t = k} = {S S k t < S S k+1 } si k 1,..., k IN, e posat K i = k k i o a alors IP(N t1 = k 1, N t2 N t1 = k 2,..., N t N t 1 = k ) = IP(N t1 = k 1, N t2 = k 2 + k 1,..., N t = K ) = IP(S S K1 t 1 < S S K1+1, S S K2 t 2 < = S S K2+1,..., S S K t < S S K+1)... λ K+1 e P K+1 i=1 s i I {S1+...+S Ki t i<s S Ki +1}ds 1... ds K+1 IR+ i=1 O coclut après quelques calculs horribles...(voir par exemple [2]) Vérifios maiteat que N(t) P(λt). Comme T suit la loi Gamma(, λ), pour 1 IP(N t = ) = IP(T t) IP(T +1 t) t ( ) λ = e λs ( 1)! s 1 λ+1 s ds! 0 λt (λt) = e! Pour = 0, IP(N t = ) = IP(S 1 > t) = e λt. Soit N u processus de Poisso au ses de la Défiitio 4.5. U tel processus vérifie la propriété de Markov forte. Posos T = if{t 0 : N t = }. Pour tout 0, T < p.s. car pour tout t 0 N(t) suit la loi de PoissoP(λt). O défiit S 1 = T 1 et S +1 = T +1 T.

12 38 Motros que S 1 suit la loi expoetielle : IP(S 1 > t + s) = IP(N t+s = 0) = IP(N t = 0, N t+s = 0) = IP(N t = 0) IP(N t+s N t = 0) = IP(N t = 0) IP(N s = 0) IP(S 1 > t + s) = IP(S 1 > t) IP(S 1 > s) cqfd. Comme T est u (Ft N ) t 0 -temps d arrêt, les variables S i = T i T i 1 sot FT N -mesurable, pour i. Motros que S +1 est idépedate de FT N et à même loi que S 1. O remarque que T +1 = if{t T : N t = + 1} Loi = T + if{t 0 : Ñ t = 1} où Ñ est u processus de Poisso idépedat de FT N, N état u PAIS. Par coséquet IP(S +1 > t FT N ) = IP(T +1 T > t FT N ) = IP(S 1 > t) Coséquece 4.6 Soit N u processus de Poisso. N est u PAIS càd qui vérifie la propriété de Markov forte : Soit T u (Ft N ) t 0 -temps d arrêt fii p.s.. O ote N le processus défiit pour s 0 par N s = N T +s N T. Alors le processus N est idépedat de FT N et a même loi que N. Théorème 4.7 soit N u processus de Poisso d itesité λ. Alors les processus suivats sot des martigales : i) Ñ = (N t λt, t 0), ii) ((N t λt) 2 λt, t 0). Ñ est appelé processus de Poisso compesé. Preuve. O utilise le fait que N u est PAIS (voir les exemples de martigale liés au Browie). Remarque 4.8 O peut voir le processus de Poisso comme ue mesure aléatoire sur (IR, B(IR)) : la mesure de l itervalle [s, t] est N(]s, t]) = N t N s. Remarque 4.9 Le mouvemet browie et le processus de Poisso fot partie d ue classe plus grade de processus : les processus de Lévy (processus càd à accroissemets idépedats et statioaires).

13 Bibliographie [1] Jea-Fraçois Le Gall. Itroductio au mouvemet browie. Gazette des Mathématicies, 40, [2] Domiique Foata et Aimé Fuchs. Processus stochastiques. Duod, [3] Daiel Revuz et Marc Yor. Cotiuous martigales ad browia motio. Spriger, [4] Claude Dellacherie et Paul-Adré Meyer. Probabilités et potetiels. Herma, [5] Ioais Karatzas et Steve E. Shreve. Spriger, [6] Hui-Hsiug Kuo. Itroductio to stochastic itegratio. Spriger, [7] Edward Nelso. Dyamical theories of Browia motio. http ://www.math.priceto.edu / elso/books/bmotio.pdf. [8] Philip Protter. Stochastic itegratio ad differetial equatios. Spriger,

14 40

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 3 : Fonctions d une variable réelle (1) Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s

Plus en détail

1 Mesure et intégrale

1 Mesure et intégrale 1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios

Plus en détail

Correction CCP maths 1 MP

Correction CCP maths 1 MP mai 4 Avertissemet : Il subsiste certaiemet quelques coquilles... Exercice : ue itégrale double Correctio CCP maths MP Pour calculer cette itégrale, o effectue le chagemet de variable e coordoées polaires

Plus en détail

[M. Gubinelli - Processus discrets - M1 MMD 2009/ v.6] IV Martingales

[M. Gubinelli - Processus discrets - M1 MMD 2009/ v.6] IV Martingales Filtratios et martigales 1 [M. Gubielli - Processus discrets - M1 MMD 2009/2010-20100113 - v.6] IV Martigales 1 Filtratios et martigales O cosidère u espace probabilisé (Ω, F, P). Défiitio 1. Ue filtratio

Plus en détail

Etude de la fonction ζ de Riemann

Etude de la fonction ζ de Riemann Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.

Plus en détail

Limites des Suites numériques

Limites des Suites numériques Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet

Plus en détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé : Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +

Plus en détail

Soit E un ensemble. On appelle classe de parties de E un sous-ensemble non vide de P(E).

Soit E un ensemble. On appelle classe de parties de E un sous-ensemble non vide de P(E). Chapitre 1 Tribus 1.1 Défiitios Soit E u esemble. O appelle classe de parties de E u sous-esemble o vide de P(E). Défiitio 1.1.1. Ue tribu A sur E est u sous-esemble o vide de P(E) tel que : (i) la partie

Plus en détail

Terminale S (2014-2015) Suites numériques

Terminale S (2014-2015) Suites numériques Termiale S (04-05) Suites umériques Raisoemet par récurrece. Itroductio E Mathématiques, u certai ombre de propriétés dépedet d u etier aturel. Par exemple, la ( + ) somme des etiers aturels de à est égale

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours Exo7 Logique, esembles et applicatios Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I :

Plus en détail

Inégalités souvent rencontrées

Inégalités souvent rencontrées Iégalités souvet recotrées Recotres Putam 004 Uiversité de Sherbrooke Jea-Philippe Mori Théorie Certaies iégalités sot deveues célèbres e raiso de leur grade utilité Elles sot aussi souvet au coeur de

Plus en détail

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h Etrée à Scieces Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h A P M E P Les calculatrices sot autorisées Exercice Vrai-Faux 8 poits Pour chacue des affirmatios suivates,

Plus en détail

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1 Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 16 octobre 2015 Enoncés 1. Exercice 7 [ 02253 ] [Correction] Soient (u n ) et (v n ) deux suites telles que

[http://mp.cpgedupuydelome.fr] édité le 16 octobre 2015 Enoncés 1. Exercice 7 [ 02253 ] [Correction] Soient (u n ) et (v n ) deux suites telles que [http://mp.cpgedupuydelome.fr] édité le 6 octobre 05 Eocés Suites umériques Covergece de suites Exercice [ 047 ] [Correctio] Soiet u ) et v ) deux suites réelles covergeat vers l et l avec l < l. Motrer

Plus en détail

Corrigé de Mathématique éco HEC

Corrigé de Mathématique éco HEC Corrigé de Mathématique éco HEC EXERCICE Hypothèses. M 3 R est l espace vectoriel des matrices carrées d ordre 3 à coefficiets réels. A M 3 R : s A 3 A,j, s A 3 A,j, s 3 A 3 somme des coefficiets des liges

Plus en détail

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques Variables discrètes fiies - Exercices pratiques Exercice - Loi d u dé truqué - L2/ECS -. X pred ses valeurs das {,..., 6}. Par hypothèse, il existe u réel a tel que P (X k) ka. Maiteat, puisque P X est

Plus en détail

Chapitre 4 Lois discrètes

Chapitre 4 Lois discrètes Chapitre 4 Lois discrètes 1. Loi de Beroulli Ue variable aléatoire X est ue variable de Beroulli si elle e pred que les valeurs 0 et 1 avec des probabilités o ulles. P(X = 1) = p, P(X = 0) = 1 p = q, avec

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **

Plus en détail

1 Programme de l agrégation interne

1 Programme de l agrégation interne Séries umériques Programme de l agrégatio itere Partie 0b : Séries de ombres réels ou complexes Séries à termes positifs La série coverge si et seulemet si la suite des sommes partielles est borée Étude

Plus en détail

PROJET DE MONTE CARLO SUJET 1: LE PRICING

PROJET DE MONTE CARLO SUJET 1: LE PRICING LE Age KHOURI Nadie M MMD PROJE DE MONE ARLO SUJE : LE PRIING Selim ZOUGHLAMI QUESION : Supposos d abord que X est u mouvemet browie W t G([ 0, ]) Alors W0 G( 0 ) suit ue loi N(0,0) et doc W 0ps 0 Esuite,

Plus en détail

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES II

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES II CHAMBRE DE COMMERCE ET D INDUSTRIE DE PARIS DIRECTION DE L ENSEIGNEMENT Directio des Admissios et cocours ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON CONCOURS

Plus en détail

Cours de calcul stochastique Master M2 IRFA

Cours de calcul stochastique Master M2 IRFA 1 Cours de calcul stochastique Master M2 IRFA Christophe Chorro Septembre 26 $!!!$!!&!!(!!*!!#!!!#$!!#&!!"!!"#!"$!"%!"&!"'!"(!")!"*!"+ #"! #"# Les évetuelles fautes d orthographe, coquilles ou erreurs

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n = [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.

Plus en détail

Chapitre Rappels sur les suites

Chapitre Rappels sur les suites Chapitre Séries umériques. Rappels sur les suites Défiitio.. (i) Ue suite (a ) N de réels (ou de complexes) est covergete vers ue limite a si pour tout ε > 0, il existe 0 N tel que pour tout 0, o a a a

Plus en détail

Université Pierre et Marie Curie Licence de Mathématiques (3ème année) Année 2004/2005. Probabilités Pierre Priouret

Université Pierre et Marie Curie Licence de Mathématiques (3ème année) Année 2004/2005. Probabilités Pierre Priouret Uiversité Pierre et Marie Curie Licece de Mathématiques (3ème aée) Aée 2004/2005 Probabilités Pierre Priouret Mode d emploi Ce polycopié est destié aux étudiats de la Licece (3ème aée) de Mathématiques

Plus en détail

Autour de la loi de Poisson

Autour de la loi de Poisson Agrégatio Itere de Mathématiques Thierry Champio séace du 25 ovembre 2016 Autour de la loi de Poisso Notatios - Itroductio Das tout ce problème, (Ω, T, P) est u espace probabilisé. Toutes les variables

Plus en détail

Suites et séries de fonctions

Suites et séries de fonctions [http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 2 SÉRIES ENTIÈRES CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.

Plus en détail

Cours de Mathématiques. Intégrale de Lebesgue et Probabilités H. DOSS

Cours de Mathématiques. Intégrale de Lebesgue et Probabilités H. DOSS Uiversité Paris Dauphie Départemet MIDO Cours de Mathématiques Itégrale de Lebesgue et Probabilités H. DOSS Table des matières 1 Espaces de probabilité et Itégratio 1 1.1 Présetatio..............................

Plus en détail

Suites de variables aléatoires.

Suites de variables aléatoires. Uiversité Pierre et Marie Curie 200-20 Probabilités et statistiques - LM345 Feuille 8 Suites de variables aléatoires.. Soit Ω, F, P u espace de probabilités. Détermier pour chacue des covergeces suivates

Plus en détail

FONCTION EXPONENTIELLE

FONCTION EXPONENTIELLE FONCTION EXPONENTIELLE I. RAPPELS : METHODE D EULER Si f est ue foctio dérivable e x 0, o sait que f(x 0 + h) a pour approximatio affie f(x 0 ) + f '(x 0 )h O peut doc sur de "petits" itervalles, approcher

Plus en détail

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson 4 L E Ç O N Loi biomiale Niveau : Première S + SUP (Covergece) Prérequis : Variable aléatoire, espérace, variace, théorème limite cetral, loi de Poisso 1 Loi de Beroulli Défiitio 41 Loi de Beroulli Soit

Plus en détail

BANQUE ÉPREUVE ORALE DE MATHÉMATIQUES SESSION 2015

BANQUE ÉPREUVE ORALE DE MATHÉMATIQUES SESSION 2015 CONCOURS COMMUNS POLYTECHNIQUES FILIÈRE MP BANQUE ÉPREUVE ORALE DE MATHÉMATIQUES SESSION 5 avec corrigés V. Bellecave, J.-L. Artigue, P. Berger, J.-P. Bourgade, S. Calmet, A. Calvez, D. Cleet, J. Esteba,

Plus en détail

ADMISSION AU COLLEGE UNIVERSITAIRE

ADMISSION AU COLLEGE UNIVERSITAIRE ADMISSION AU COLLEGE UNIVERSITAIRE Samedi mars 204 MATHEMATIQUES durée de l'épreuve : 3h - coefficiet 2 Le sujet est uméroté de à 5. L'aexe est à redre avec la copie. L'exercice Vrai-Faux est oté sur 8,

Plus en détail

1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS

1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS CHAPITRE 4 MATRICES ET SUITES 1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS 11/ Présetatio et modélisatio O cosidère u système ui peut se trouver soit das u état A, soit das u état, et

Plus en détail

Université de Provence 2011 2012. Planche 6. Nombres réels. Suites réelles. Nombres réels.

Université de Provence 2011 2012. Planche 6. Nombres réels. Suites réelles. Nombres réels. Uiversité de Provece 011 01 Mathématiques Géérales I Plache 6 Nombres réels Suites réelles Nombres réels Exercice 1 Mettre sous forme irréductible p/q les ratioels suivats (les chiffres souligés se répètet

Plus en détail

EPREUVE SPECIFIQUE - FILIERE PC MATHEMATIQUES. Mardi 3 mai : 14 h - 18 h. Les calculatrices sont interdites

EPREUVE SPECIFIQUE - FILIERE PC MATHEMATIQUES. Mardi 3 mai : 14 h - 18 h. Les calculatrices sont interdites SESSION 216 PCMA2 EPREUVE SPECIFIQUE - FILIERE PC MATHEMATIQUES Mardi 3 mai : 14 h - 18 h N.B. : le cadidat attachera la plus grade importace à la clarté, à la précisio et à la cocisio de la rédactio.

Plus en détail

Séries réelles ou complexes

Séries réelles ou complexes 6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés

Plus en détail

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3. EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite

Plus en détail

Filière Sciences de Matières Physiques (SMP4) Module Mathématiques : Analyse (S4) Cours d Analyse

Filière Sciences de Matières Physiques (SMP4) Module Mathématiques : Analyse (S4) Cours d Analyse UNIVERSITÉ MOHAMMED V - AGDAL Faculté des Scieces Départemet de Mathématiques Filière Scieces de Matières Physiques (SMP4) Module Mathématiques : Aalyse (S4) Cours d Aalyse Séries umériques Suites et Série

Plus en détail

Comportement d'une suite

Comportement d'une suite Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer

Plus en détail

Sciences Po Option Mathématiques

Sciences Po Option Mathématiques Scieces Po Optio Mathématiques Epreue 3 Vrai-Fau Questio FAUX La suite ( u ) état géométrique de raiso différete de, o a classiquemet, pour tout etier aturel : où q est la raiso de la suite ( u ) Ici,

Plus en détail

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en détail

Corrigés TD Chapitre 2 : Variables aléatoires sur un univers fini 0 0 0 1/6 0 0 1 0 1/4 0 1/4 0 4 1/6 0 0 0 1/6

Corrigés TD Chapitre 2 : Variables aléatoires sur un univers fini 0 0 0 1/6 0 0 1 0 1/4 0 1/4 0 4 1/6 0 0 0 1/6 Corrigés TD Chapitre : Variables aléatoires sur u uivers fii Exercice : Soit X la VAR défiie par le tableau suivat : x i - - 0 p 6 4 6 4 6 i O ote Y = X ) Détermier la loi cooite de X et Y ) Détermier

Plus en détail

La classification de données quantitatives avec SPAD

La classification de données quantitatives avec SPAD La classificatio de doées quatitatives avec SPAD SPAD effectue toujours ue ACP de la matrice des doées quatitatives X " p avat de faire la classificatio des idividus. Les méthodes de classificatio s appliquet

Plus en détail

Notations Soit I un intervalle de R. Soit f une fonction définie sur I, à valeurs dans R. Notons représentative de f dans un repère du plan.

Notations Soit I un intervalle de R. Soit f une fonction définie sur I, à valeurs dans R. Notons représentative de f dans un repère du plan. Foctio réciproque d'ue octio cotiue, d'ue octio dérivable FNCTIN RECIPRQUE D'UNE FNCTIN CNTINUE, D'UNE FNCTIN DERIVABLE EXEMPLES N SE LIMITERA AUX FNCTINS NUMERIQUES DEFINIES SUR UN INTERVALLE DE R Notatios

Plus en détail

Correction HEC III 2007

Correction HEC III 2007 HEC III 7 Voie Écoomique Correctio Page Correctio HEC III 7 Voie écoomique La correctio comporte 9 pages. Eercice. Par dé itio est ue valeur propre de t si et seulemet si est ue valeur propre de T: Et

Plus en détail

MATHEMATIQUES Terminale Scientifique

MATHEMATIQUES Terminale Scientifique MATHEMATIQUES Termiale Scietifique Fiches PROGRAMME 22 (v24) Sylvie LAMY Agrégée de Mathématiques Dilômée de l École Polytechique Cours Pi e-mail : lescoursi@cours-icom site : htt://wwwcours-icom siège

Plus en détail

CHAPITRE 2 : Estimation non-paramétrique 1. Estimateurs empiriques

CHAPITRE 2 : Estimation non-paramétrique 1. Estimateurs empiriques CHAPITRE 2 : Estimatio o-paramétrique 1. Estimateurs empiriques Soit u échatillo i.i.d. de durées T i i1,..., de foctio de survie S Défiitio: L estimateur empirique de la foctio de survie est S x 1 i1

Plus en détail

CONVERGENCE ET APPROXIMATION

CONVERGENCE ET APPROXIMATION 11-2- 2010 J.F.C. Cov. p. 1 CONVERGENCE ET APPROXIMATION I CONVERGENCE EN PROBABILITÉ 1. Défiitio 2. Ue coditio suffisate de covergece e probabilité 3. La loi faible des grads ombres 4. Ue coséquece de

Plus en détail

Laurent Garcin MPSI Lycée Jean-Baptiste Corot. u k

Laurent Garcin MPSI Lycée Jean-Baptiste Corot. u k SÉRIES NUMÉRIQUES K désige le corps R ou C. Gééralités. Défiitios Défiitio. Série Soit (u ) 0 ue suite umérique (i.e. à valeurs das K). O appelle série de terme gééral u la suite (S ) 0 où 0, S = u k Cette

Plus en détail

Sup Galilée - Maths pour l Ingénieur Corrigé du Partiel du 19 Novembre 2008

Sup Galilée - Maths pour l Ingénieur Corrigé du Partiel du 19 Novembre 2008 Sup Galilée - Maths pour l Igéieur Corrigé du Partiel du 9 Novembre 008 Étude d ue suite récurrete Soit u 0 ]0, [ O cosidère la suite (u ) défiie par u + u 3 u ) Justifier que la suite u est borée O motre

Plus en détail

I- Rappel I-1. Types de tirages : Soit un ensemble fini E contenant n éléments. On considère l'épreuve suivante : " tirer p éléments de E ".

I- Rappel I-1. Types de tirages : Soit un ensemble fini E contenant n éléments. On considère l'épreuve suivante :  tirer p éléments de E . Cours de termiales Probabilités sur u esemble fii Mr ABIDI F I- Rappel I- Types de tirages : Soit u esemble fii E coteat élémets O cosidère l'épreuve suivate : " tirer p élémets de E " Type de tirages

Plus en détail

Apprentissage: cours 3a Méthodes par moyennage local

Apprentissage: cours 3a Méthodes par moyennage local Appretissage: cours 3a Méthodes par moyeage local Guillaume Oboziski 1 er mars 2012 Réferece : chap. 6 of [Hastie et al., 2009] ad chap. 6 of [Devroye et al., 1996]. Algorithmes par moyeage local O cosidère

Plus en détail

Séries entières. Chap. 09 : cours complet.

Séries entières. Chap. 09 : cours complet. Séries etières Chap 9 : cours complet Rayo de covergece et somme d ue série etière Défiitio : série etière réelle ou complee Théorème : lemme d Abel Théorème : itervalle des valeurs positives où ue série

Plus en détail

Équations différentielles - Cours no 6 Approximation numérique

Équations différentielles - Cours no 6 Approximation numérique Équatios différetielles - Cours o 6 Approximatio umérique 1 Itroductio De très ombreux problèmes scietifiques sot mis e équatio à l aide d u système d équatios différetielles ẋt) = ft, xt)) voir par exemple

Plus en détail

SUITES et SERIES DE FONCTIONS

SUITES et SERIES DE FONCTIONS UE7 - MA5 : Aalyse SUITES et SERIES DE FONCTIONS I Suites de foctios à valeurs das È ou  Etat doé u esemble E, ue suite de foctios umériques défiies sur E est la doée, pour tout etier, d'ue applicatio

Plus en détail

Approximation de la solution d une équation différentielle ordinaire avec impulsions qui dépendent de l état

Approximation de la solution d une équation différentielle ordinaire avec impulsions qui dépendent de l état Approximatio de la solutio d ue équatio différetielle ordiaire avec impulsios qui dépedet de l état F. Dubeau A. Ouasafi A. Sakat CRM-276 Jauary 21 Départemet de mathématiques et d iformatique, Uiversité

Plus en détail

Estimation paramétrique

Estimation paramétrique Retour au pla du cours Soit Ω, A, P u espace probabilisé et X ue v.a. de Ω, A das E, E. La doée d u modèle statistique c est la doée d ue famille de probabilités sur E, E, {P θ, θ Θ}. Le modèle état doé,

Plus en détail

Éléments de cours de Probabilités

Éléments de cours de Probabilités Élémets de cours de Probabilités Licece de mathématiques Uiversité de Versailles Sait-Queti Jea-Fraçois Marckert Table des matières I. Itroductio 1 1. U peu d histoire......................................

Plus en détail

CHAPITRE 22. Machines à sous

CHAPITRE 22. Machines à sous CHAPITRE 22 Machies à sous 22. Corrigé possible du texte 22.. Eocé du problème et défiitio du modèle statistique associé O étudie ici u modèle statistique avec observatios icomplètes : o dispose d observatios

Plus en détail

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES I

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES I CHAMBRE DE COMMERCE ET D INDUSTRIE DE PARIS DIRECTION DE L ENSEIGNEMENT Directio des Admissios et cocours ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON CONCOURS

Plus en détail

AVANT PROPOS. Cet ouvrage pourra intéresser également les enseignants de ce niveau.

AVANT PROPOS. Cet ouvrage pourra intéresser également les enseignants de ce niveau. AVANT PROPOS Cet ouvrage propose aux élèves de classes termiales (fraçais) S (spécialité math) des rappels et des complémets de cours assez complet, aisi que des problèmes et des exercices corrigés. Les

Plus en détail

Exercices - Lois discrètes usuelles : corrigé

Exercices - Lois discrètes usuelles : corrigé www.almohadiss.com Exercice - Avio - L2/Prépa Hec - O ote X la variable aléatoire du ombre de moteurs de A qui tombet e pae, et Y la variable aléatoire du ombre de moteurs de B qui tombet e pae. X suit

Plus en détail

SÉRIES DE FONCTIONS SUITES ET PC*2. 13 octobre octobre octobre 2004

SÉRIES DE FONCTIONS SUITES ET PC*2. 13 octobre octobre octobre 2004 3 octobre 2004 Exemple 2. O se doe a I et q C(I, K). L équatio différetielle liéaire : y (x) q(x) y(x) = 0 avec les coditios y(a) = α, y (a) = β SUITES ET SÉRIES DE FONCTIONS PC*2 3 octobre 2004 Admet

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice

Plus en détail

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1)

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1) Corrigé ESSEC III 008 par Pierre Veuillez Das certaies situatios paris sportifs, ivestissemets fiaciers..., o est ameé à miser de l arget de faço répétée sur des paris à espérace favorable. O se propose

Plus en détail

Bac Blanc Terminale L - Février 2015 Épreuve de Spécialité Mathématiques (durée 3 heures)

Bac Blanc Terminale L - Février 2015 Épreuve de Spécialité Mathématiques (durée 3 heures) Exercice 1 (5 poits) Bac Blac Termiale L - Février 015 Épreuve de Spécialité Mathématiques (durée 3 heures) Questio 1 : La populatio d'ue ville baisse de 1 % tous les as pedat 10 as. Elle est doc multipliée

Plus en détail

DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités conditionnelles - Suites géométriques - fonctions exponentielles Calculatrice autorisée

DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités conditionnelles - Suites géométriques - fonctions exponentielles Calculatrice autorisée DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités coditioelles - Suites géométriques - foctios epoetielles Calculatrice autorisée Termiale ES123 Eercice 1 : 5 poits Partie A : Ue agece de locatio

Plus en détail

LES PROBABILITÉS POUR LES OPTIONS B, C ET D

LES PROBABILITÉS POUR LES OPTIONS B, C ET D LES PROBABILITÉS POUR LES OPTIONS B, C ET D PRÉPARATION À L AGRÉGATION EXTERNE DE MATHÉMATIQUES DE L UNIVERSITÉ RENNES 1 1 ANNÉE 2009/2010 1. ESPACE PROBABILISÉ - VARIABLE ALÉATOIRE 1.1 ESPACE PROBABILISÉ

Plus en détail

Devoir de statistiques: CORRIGE

Devoir de statistiques: CORRIGE CPP - la prépa des INP ( ème aée). Bordeaux, 6/04/04. Devoir de statistiques: CORRIGE durée h Doées: O rappelle que si Z suit ue loi N (0, ), o a P(Z.96) 0, 975 et P(Z.65) 0, 95. Exercice. θ et O cosidère

Plus en détail

Développement d une fonction en série entière. Exemples et applications

Développement d une fonction en série entière. Exemples et applications Développemet d ue foctio e série etière Exemples et applicatios Das ce chapitre, K désigera R ou C B(; R) désigera la boule ouverte de cetre et de rayo R > 1 Gééralités Défiitio 1 Soit f ue applicatio

Plus en détail

Master 1ère année spécialité IMIS et Mathématiques Contrôle continu de "Processus Stochastiques"

Master 1ère année spécialité IMIS et Mathématiques Contrôle continu de Processus Stochastiques Master ère aée spécialité IMIS et Mathématiques Cotrôle cotiu de "Processus Stochastiques" 8 octobre 00 - Durée h Calculatrices et documets autorisés Exercice Jacques va tous les jours à so travail e emprutat

Plus en détail

Estimations et intervalles de confiance

Estimations et intervalles de confiance Estimatios et itervalles de cofiace Estimatios et itervalles de cofiace Résumé Cette vigette itroduit la otio d estimateur et ses propriétés : covergece, biais, erreur quadratique, avat d aborder l estimatio

Plus en détail

On obtient la formule de Pascal en prenant le cardinal :

On obtient la formule de Pascal en prenant le cardinal : Colles du 3 ovembre 014 Solutio de la questio de cours 1. (i) Soit E u esemble de cardial. L esemble (E) peut alors être partitioé comme suit : (E) (E), où (E) est l esemble des parties de E de cardial.

Plus en détail

f(t)dt = 0. On pose a = min f et b = max f. 0 1 + x 2 dx = 3 + 1 7 π. 2) En déduire un encadrement de π (meilleur que celui d'archimède).

f(t)dt = 0. On pose a = min f et b = max f. 0 1 + x 2 dx = 3 + 1 7 π. 2) En déduire un encadrement de π (meilleur que celui d'archimède). #4 Itégrale de Riema Khôlles - Classes prépa Thierry Sageaux, Lycée Gustave Eiel Exercice Soit f ue foctio cotiue sur [, ] telle que Motrer que f ab f(t)dt = O pose a = mi f et b = max f Exercice x ) Motrer

Plus en détail

Exercice 2 (Séries de fonctions - 7 points)

Exercice 2 (Séries de fonctions - 7 points) INSA Toulouse, STPI, IMACS 2 mercredi 18 décembre 212 Correctio exame d'aalyse I (coquilles probables) Exercice 1 (Séries etières - 5 poits) Calculer le rayo de covergece et le domaie de covergece simple

Plus en détail

Chapitre 6 Théorèmes de convergence

Chapitre 6 Théorèmes de convergence Chapitre 6 Théorèmes de covergece 1. La covergece e loi O a déjà recotré ue covergece e loi lors de l approximatio d ue loi biomiale par ue loi de Poisso. Ce problème se place das u cadre plus gééral où

Plus en détail

E(X i ) par linéarité de l espérance.

E(X i ) par linéarité de l espérance. Statistiques appliquées. L3 Iterrogatio Questios de cours. 3 poits 1) Eocer le théorème cetral limite (1 pt). Si (X ) est ue suite de v.a. idépedates et de même loi, admettat des momets d ordre u et deux

Plus en détail

Développement en série de Fourier

Développement en série de Fourier [http://mp.cpgedupuydelome.fr] édité le septembre 6 Eocés Développemet e série de Fourier Exercice [ 95 ] [Correctio] Soit f ue foctio cotiue périodique. O suppose que la série de Fourier de f coverge

Plus en détail

CORRIGÉ : MATH 1 ; MP ; Mines-ponts_2015

CORRIGÉ : MATH 1 ; MP ; Mines-ponts_2015 CORRIÉ : MATH 1 ; MP ; Mies-pots_15 A. Opérateur de Volterra 1) Soiet f, g E, c est clair que Vf et V f sot deux primitives de f. Vf, g / Vf xgx / Vf xv g x Vf xv gx / et Vf, g / fxv gx f, V g. Vf xv gx

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie

Plus en détail

STATISTIQUE : ESTIMATION

STATISTIQUE : ESTIMATION STATISTIQUE : ESTIMATION Préparatio à l Agrégatio Bordeaux Aée 202-203 Jea-Jacques Ruch Table des Matières Chapitre I. Estimatio poctuelle 5. Défiitios 5 2. Critères de comparaiso d estimateurs 6 3. Exemples

Plus en détail

THEORIE ERGODIQUE ET APPLICATIONS

THEORIE ERGODIQUE ET APPLICATIONS THEORIE ERGODIQUE ET APPLICATIONS TER de Master ROUSSEAU Emmauel VOISIN Nathalie 5 jui 2007 Mouvemet Browie (vue d artiste) 2 INTRODUCTION 3 Itroductio E mécaique classique o étudie l évolutio au cours

Plus en détail

Partie I : Résultats généraux sur les matrices stochastiques - Illustrations

Partie I : Résultats généraux sur les matrices stochastiques - Illustrations 8-8- JFC p EM LYON S JF COSSUTTA Lycée Marceli BERTHELOT SAINT-MAUR jea-fracoiscossutta@waadoofr PROBLÈME Partie I : Résultats gééraux sur les matrices stochastiques - Illustratios Remarque Das la suite

Plus en détail

1 Intégrale de Riemann

1 Intégrale de Riemann Uiversité Paris 13, Istitut Galilée Aée uiversitaire 2015-2016 Préparatio à l agrégatio 0. Rappels de théorie de l itégratio 1 Itégrale de Riema L itégrale itroduite e L1 ou e classe prépa est l itégrale

Plus en détail

Estimation par vraisemblance

Estimation par vraisemblance Chapitre 4 Estimatio par vraisemblace Le procédé de costructio des estimateurs par isertio a été itroduit das le chapitre 2. L objectif de ce chapitre est d étudier ue autre méthode de costructio, basée

Plus en détail

Introduction aux Méthodes de Monte-Carlo

Introduction aux Méthodes de Monte-Carlo Itroductio aux Méthodes de Mote-Carlo LAURE ELIE BERNARD LAPEYRE Septembre 2001 Table des matières 1 Itroductio aux méthodes de mote-carlo 5 1.1 Simulatio de lois uiformes........................... 7

Plus en détail

Agrégation externe de mathématiques, session 2008 Épreuve de modélisation, option A : Probabilités et Statistiques

Agrégation externe de mathématiques, session 2008 Épreuve de modélisation, option A : Probabilités et Statistiques Agrégatio extere de mathématiques, sessio 2008 Épreuve de modélisatio, optio (public 2008) Mots clefs : Loi des grads ombres, espace des polyômes, estimatio o-paramétrique Il est rappelé que le jury exige

Plus en détail

Probabilités et Statistiques

Probabilités et Statistiques Préparatio à l Agrégatio Probabilités et Statistiques Fascicule d Exercices gééraux de Probabilités (iveaux L3-M1) Uiversité Pierre et Marie Curie - Paris VI Aée 2008-2009 Lauret MAZLIAK U certai ombre

Plus en détail

BTS BIOCHIMIE & ANALYSES BIOLOGIQUES 2001

BTS BIOCHIMIE & ANALYSES BIOLOGIQUES 2001 Exercice 1 : ( 12 poits ) Les parties A et B peuvet être traitées idépedammet l ue de l autre. O se propose d étudier l évolutio e foctio du temps des températures d u bai et d u solide plogé das ce bai.

Plus en détail

Feuille 2 : dérivabilité, théorème de Rolle et des accroissements finis, étude des variations

Feuille 2 : dérivabilité, théorème de Rolle et des accroissements finis, étude des variations UPMC 1M001 Aalyse et algèbre pour les scieces 013-014 Feuille : dérivabilité, théorème de Rolle et des accroissemets fiis, étude des variatios Les eercices sas ( ) sot des applicatios directes du cours.

Plus en détail

Sylvain ETIENNE 2003/2004 PLC1, groupe 1 Exposé 64

Sylvain ETIENNE 2003/2004 PLC1, groupe 1 Exposé 64 Sylvai ETIENNE 3/4 IMAGE D UN INTERVALLE PAR UNE FONCTION CONTINUE, IMAGE D UN SEGMENT. CONTINUITE DE LA FONCTION RECIPROQUE D UNE FONCTION CONTINUE STRICTEMENT MONOTONE SUR UN INTERVALLE. Niveau : Complémetaire.

Plus en détail

Annexe : Leçon 10 - Échantillonnage

Annexe : Leçon 10 - Échantillonnage Aexe : Leço 10 - Échatilloage Clémet BOULONNE pour la sessio 01 I Niveau, prérequis, référeces Niveau BTS Prérequis Probabilités, lois discrètes et cotiues Référeces [1,,, 4, 5] II Coteu de la leço 1 Approximatio

Plus en détail

Les Nombres Parfaits.

Les Nombres Parfaits. Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie

Plus en détail

Équirépartition presque sûre pour f (x) = 2x modulo 1 Jean-Baptiste Bardet 26 mai 2005

Équirépartition presque sûre pour f (x) = 2x modulo 1 Jean-Baptiste Bardet 26 mai 2005 Équirépartitio presque sûre pour f (x) = x modulo 1 Jea-Baptiste Bardet 6 mai 005 O étudie le comportemet des suites défiies par récurrece x = f (x 1 ) = f (x), où x 0 = x [0;1) et f (x) = x mod 1, et

Plus en détail

Correction du devoir surveillé de mathématiques n o 5

Correction du devoir surveillé de mathématiques n o 5 Correctio du devoir surveillé de mathématiques o 5 Exercice 1 1. Soit g la foctio défiie sur R par g(x) = (x 1)e x. (a) Détermier les ites de g e et +. Limite e. O a ue forme idétermiée. E développat,

Plus en détail

Partie I. ² Sur [0;¼=2] la restriction de µ est C 1 et de dérivée 2x : µ décroît de ¼2

Partie I. ² Sur [0;¼=2] la restriction de µ est C 1 et de dérivée 2x : µ décroît de ¼2 Partie I Questio 1 1.1. La foctio µ est dé ie deux fois e = mais o véri e que les deux fois µ (=) =. L étude des graphes demade ue étude partielle des dérivées. La suite demade, pour les théorèmes de Dirichlet,

Plus en détail

Promenades aléatoires : vers les chaînes de Markov

Promenades aléatoires : vers les chaînes de Markov AME Dossier : Matrices et suites 545 romeades aléatoires : vers les chaîes de Markov ierre Griho (*) Cet article propose ue mise e perspective de la otio de promeade ou de marche aléatoire itroduite das

Plus en détail

Septembre 2011 CPI 317. Exercices. Agnès Bachelot

Septembre 2011 CPI 317. Exercices. Agnès Bachelot Septembre 2 CPI 37 Exercices Agès Bachelot Table des matières - Séries Numériques.......................................... 3 - Séries à termes positifs.................................... 3-2 Séries quelcoques......................................

Plus en détail