Introduction aux equations différentielles stochastiques
|
|
- Augustin St-Germain
- il y a 7 ans
- Total affichages :
Transcription
1 Inroducion aux equaions différenielles sochasiques Nils Berglund Janvier 25 1 Le mouvemen Brownien Les équaions différenielles sochasiques serven de modèle mahémaique à des sysèmes faisan inervenir deux ypes de forces, l une déerminise e l aure aléaoire. Par exemple, le mouvemen d une paricule mésoscopique dans un fluide ou un gaz peu êre décri par une équaion de la forme mẍ = F ex + F soch. (1.1) Ici F ex décri une force exérieure déerminise, par exemple la gravié ou une force élecromagnéique. F soch décri l effe des collisions erraiques des molécules du fluide avec la paricule mésoscopique. Le mouvemen des molécules n éan pas connu en déail, nous voulons modéliser le second erme par une force aléaoire, ou un brui. La manière de modéliser le brui dépend évidemmen de la naure du fluide e des échelles de emps e de longueur en jeu. La siuaion la plus simple apparaî lorsque le emps de décorrélaion des molécules es négligeable par rappor à l échelle de emps caracérisique de la paricule, on parle alors de brui blanc. Celui-ci es modélisé mahémaiquemen par le mouvemen Brownien, ou processus de Wiener, qui peu lui-même êre vu comme la limie du coninu d une marche aléaoire. 1.1 La marche aléaoire unidimensionnelle symérique Soien X i i 1 des variables aléaoires indépendanes, ideniquemen disribuées (i.i.d.) elles que PX i = 1 = PX i = 1 = 1 2. (1.2) La marche aléaoire unidimensionnelle symérique es le processus sochasique à emps discre S n n donné par S =, S n = n X i, n 1. (1.3) i=1 Rappelons ici quelques noions de héorie des probabiliés. Nore processus sochasique vi dans un espace probabilisé (Ω, F, P). L univers Ω peu êre idenifié à 1, 1 N, avec, pour une réalisaion ω Ω, S n (ω) = n ω i, n. (1.4) i=1 1
2 La σ-algèbre F décri l ensemble des événemens, e conien en pariculier les événemens A x1,x 2,...,x n = ω Ω: ω 1 = x 1,..., ω n = x n, (x 1,..., x n ) 1, +1 n, (1.5) qui on probabilié 2 n. La filraion canonique de F es la suie croissane de σ-algèbres F F 1 F 2 F = F n, (1.6) n avec F = Ω, F 1 = Ω,, A 1, A 1 F 2 = Ω,, A 1, A 1, A 1,1, A 1, 1, A 1,1, A 1, 1... F n = Ω, n A x : x 1, +1 m, m=1... (1.7) où A es la plus peie ribu conenan l ensemble A. C es-à-dire que F n conien ous les événemens qui ne dépenden que de l hisoire du processus jusqu au emps n. Noons quelques propriéés élémenaires de la marche aléaoire. Tou d abord, les X i éan i.i.d., nous avons S n S m D = Sn m, n > m (1.8) où le symbole D = désigne l égalié en disribuion. Ensuie, comme l espérance e la variance des X i valen respecivemen EX i = e VarX i = EX 2 i EX i 2 = 1, nous avons ES n = VarS n = n EX i = (1.9) i=1 n VarX i = n, (1.1) i=1 la deuxième relaion éan une conséquence de l indépendance des X i. Enfin, il es facile d éablir que la loi de S n es binômiale: 1 n! PS n = k = 2 n ( n+k ) ( 2! n k ) si k n, n + 2,..., n, 2! (1.11) sinon. Précisons ouefois que loi (1.11) ne conien pas à elle seule oue l informaion sur le processus sochasique. En effe, si pour ou n fixé l applicaion ω S n (ω) (1.12) es une variable aléaoire enièremen décrie par la loi (1.11), on peu égalemen s inéresser aux propriéés des rajecoires (sample pahs) n S n (ω). (1.13) 2
3 Un exemple d événemen dépendan de oue la rajecoire es S i L, (1.14) sup i n c es-à-dire que la marche aléaoire a aein le niveau L au moins une fois pendan les n premiers pas. L analogue en emps coninu de ce événemen jouera un rôle imporan dans la suie. 1.2 Consrucion du processus de Wiener Considérons la suie de processus B (n) = 1 S n n = 1 n X i,. (1.15) n Définissons d abord formellemen le processus B en prenan la limie au sens des disribuions finies de B (n) lorsque n. Auremen di, B es défini par le fai que pour oue pariion 1 < 2 < < k e ou (x 1, x 2,..., x k ) R k, i=1 lim P B (n) n i x i, i = 1,..., k = P B i x i, i = 1,..., k. (1.16) Noons ou d abord que ( 1 ) 2 n lim n VarB(n) = lim n =. (1.17) n De plus, nous pouvons écrire B (n) = S n n n n. (1.18) Le héorème de la limie cenrale (ou un calcul direc à parir de (1.11)) monre que la loi de S n / n converge, lorsque n, vers la loi normale sandard N (, 1) (i.e. de moyenne nulle e variance 1). Il sui que x = P N (, 1) x lim P B (n) n = 1 x/ 2π = 1 2π x e y2 /2 dy e z2 /2 dz = P N (, ) x. (1.19) Pour ou fixé, la loi de B (n) end donc vers la loi normale N (, ). De plus, si > s >, B s (n) es indépendan de B u (n) pour ous les u s e nous avons par (1.8) B (n) B (n) B (n) s = 1 n ( S n S ns ) D= 1 n S n ns, (1.2) don la loi end vers N (, s). Toues les disribuions finies de B son ainsi définies à parir de P B 1 x 1, B i B i 1 x i, i = 2,..., k = P k B 1 x 1 P B i B i 1 x i. (1.21) i=2 3
4 Remarque 1.1. Les propriéés (1.17), (1.19) e (1.2) resen vraies pour des X i i.i.d. quelconques, pourvu qu ils aien espérance e variance 1. Définiion 1.2. Le mouvemen Brownien sandard ou processus de Wiener sandard es le processus sochasique B saisfaisan: 1. B = ; 2. Incrémens indépendans: pour ou > s, B B s es indépendan de B u u s ; 3. La loi de B B s es la loi normale N (, s). Cerains aueurs ajouen la condiion que les rajecoires B soien coninues, mais on peu en fai monrer que ou processus saisfaisan la définiion 1.2 a une version coninue, c es-à-dire que ses rajecoires son coninues avec probabilié 1. Nous allons mainenan prouver qu un processus à rajecoires coninues, saisfaisan la définiion 1.2, exise bel en bien, en le consruisan à parir d une collecion dénombrable de variables aléaoires Gaussiennes indépendanes. Le lemme de Borel Canelli joue un rôle imporan dans cee démonsraion e dans la suie. Lemme 1.3 (Borel Canelli). Pour une suie d événemens A n n (pas nécessairemen disjoins), PA n < P 1 An = =, (1.22) n c es-à-dire que la probabilié qu une infinié des événemens A n n soien réalisés à la fois es nulle. Théorème 1.4. Il exise un processus sochasique B saisfaisan la définiion 1.2, e don les rajecoires B (ω) son coninues. Preuve: 1. Nous allons d abord consruire B 1 à parir d une collecion de variables aléaoires gaussiennes indépendanes V 1, V 1/2, V 1/4, V 3/4, V 1/8,..., oues d espérance nulle, e avec V 1 e V 1/2 de variance 1 e V k2 n de variance 2 (n 1) (k < 2 n impair). Monrons d abord que si X s e X son deux variables aléaoires elles que X X s soi Gaussienne cenrée de variance s, alors il exise une variable aléaoire X (+s)/2 elle que les variables X X (+s)/2 e X (+s)/2 X s soien i.i.d. de loi N (, ( s)/2). Si U = X X s e V es indépendane de U, de même disribuion, il suffi de définir X (+s)/2 par n X X (+s)/2 = U + V 2 X (+s)/2 X s = U V. (1.23) 2 En effe, il es aisé de vérifier que ces variables on la disribuion souhaiée, e qu elles son indépendanes, puisque E(U + V )(U V ) = EU 2 EV 2 =. Posons alors X =, X 1 = V 1, e consruisons X 1/2 à l aide de la procédure ci-dessus, avec V = V 1/2. Puis nous consruisons X 1/4 à l aide de X, X 1/2 e V 1/4, e ainsi de suie, pour obenir une familles de variables X =k2 n,n 1,k<2n elles que pour > s, X X s soi indépendane de X s e de loi N (, s). 4
5 2. Pour n, soi B (n) 1 le processus sochasique à rajecoires linéaires par morceaux sur les inervalles [k2 n, (k + 1)2 n ], k < 2 n, e el que B (n) = X k2 n k2 n. Nous voulons monrer que la suie des B (n) (ω) converge uniformémen sur [, 1] pour oue réalisaion ω des V i. Il nous fau donc esimer (n) (ω) = sup 1 (n+1) B (ω) B (n) (ω) = max max B (n+1) k 2 n 1 k2 n (k+1)2 n (ω) B (n) (ω) X(2k+1)2 = max (n+1)(ω) 1 ( Xk2 n(ω) + X k 2 n 1 2 (k+1)2 n(ω) ). (1.24) Le erme en valeur absolue vau V (2k+1)2 (n+1) par consrucion, c.f. (1.23), qui es gaussienne de variance 2 n. Il sui que P (n) > n2 n = P max 2 n2 n e donc k 2 n 1 V(2k+1)2 (n+1) 2 2 n dx 2 e x2 /2 2 n n2 n 2π2 n = 2 2 n e y2 /2 dx cons 2 n e 2n, (1.25) 2π 2 n n P (n) > n2 n cons n (2 e 2 ) n <. (1.26) Le lemme de Borel Canelli nous perme de conclure qu avec probabilié 1, il n exise qu un nombre fini de n pour lesquels (n) > n2 n. Par conséquen, P (n) < = 1. (1.27) n La suie des B (n) 1 es donc une suie de Cauchy pour la norme sup avec probabilié 1, e alors elle converge uniformémen. Nous posons pour [, 1] B lim n B (n) si la suie converge uniformémen = (1.28) sinon (avec probabilié ). Il es facile de vérifier que B saisfai les rois propriéés de la définiion. 3. Pour éendre le processus à des emps quelconques, nous fabriquons des copies indépendanes B i i e posons B < 1 B1 B = + B1 1 1 < 2 B1 + B1 1 + (1.29) B2 2 2 < 3... Ceci conclu la démonsraion. Remarquons, sans démonsraion, que si les rajecoires du processus de Wiener son coninues, elles son différeniables avec probabilié zéro. 5
6 1.3 Propriéés élémenaires du processus de Wiener Les propriéés suivanes son des conséquences direces de la définiion 1.2 e nous les donnons sans démonsraion déaillée. 1. Propriéé de Markov: Pour ou ensemble de Borel A R, P B +s A B = x = p(y, + s x, ) dy, (1.3) indépendammen de B u u<, avec des probabiliés de ransiion gaussiennes A p(y, + s x, ) = e (y x)2 /2s 2πs. (1.31) La preuve sui direcemen du fai que l on peu décomposer B +s = B + (B +s B ), le deuxième erme éan indépendan du premier e de loi N (, s). On vérifiera en pariculer l équaion de Chapman Kolmogorov: Pour > u > s, p(y, x, s) = p(y, z, u)p(z, u x, s) du. (1.32) R 2. Propriéé différenielle: Pour ou, B +s B s es un mouvemen Brownien sandard, indépendan de B u u<. 3. Propriéé d échelle: Pour ou c >, cb /c 2 s es un mouvemen Brownien sandard. 4. Symérie: B es un mouvemen Brownien sandard. 5. Processus Gaussien: Le processus de Wiener es Gaussien de moyenne nulle (c esà-dire que ses disribuions joines finies son normales cenrées), e il es caracérisé par sa covariance CovB, B s EB B s = s (1.33) (s désigne le minimum de s e ). Preuve: Pour s <, nous avons EB B s = EB s (B s + B B s ) = EB 2 s + EB s (B B s ) = s, (1.34) puisque le deuxième erme es nul par la propriéé d incrémens indépendans. En fai, un processus Gaussien cenré, don la covariance saisfai (1.33) es un processus de Wiener sandard. 6. Renversemen du emps: Le processus X défini par si = X = (1.35) B 1/ si > es un processus de Wiener sandard. Preuve: X es un processus Gaussien de moyenne nulle, e un calcul simple monre que sa covariance es bien CovX, X s = s. Le seul poin non rivial es de monrer la coninuié en zéro de X. Celle-ci es équivalene à la loi fore des grands nombres. 6
7 1.4 Temps d arrê e principe de réflexion La propriéé différenielle du processus de Wiener rese vraie si le emps déerminise es remplacé par un cerain ype de emps aléaoire, appelé un emps d arrê. Définiion 1.5. Soi F la plus peie σ-algèbre engendrée par les événemens du ype a B s < b s,a<b (on di que F es la filraion engendrée par le processus de Wiener). La variable aléaoire τ [, ] es un emps d arrê si l événemen τ < apparien à F pour ou. Inuiivemen, F conien ous les événemens ne dépendan que de l hisoire du processus jusqu au emps. τ es un emps d arrê si la connaissance de l hisoire jusqu au emps suffi à déerminer si τ <. Ainsi, par exemple, un emps de premier passage es un emps d arrê, alors qu un emps de dernier passage n en es pas un. τ = infs : B s = 1 (1.36) τ = sups 1: B s = 1 (1.37) Théorème 1.6. Si τ es un emps d arrê el que Pτ < = 1, alors B τ+ B τ es un mouvemen Brownien, indépendan de s>τ F s. Preuve: Voir par exemple [McK69], p. 1. Le résula suivan, rès uile pour des esimaions de emps de premier passage, sui immédiaemen du héorème ci-dessus, de la propriéé des incrémens indépendans e de la propriéé de symérie. Corollaire 1.7 (Principe de réflexion). Pour L > e τ = inf : B = L, le processus B B si τ = (1.38) 2L B si > τ es un mouvemen Brownien. Nous donnerons une applicaion classique du principe de réflexion. Corollaire 1.8. Pour ou L, P sup s B s L = 2PB L. (1.39) Preuve: Si τ = inf : B = L, alors sup s B s L = τ. Les rajecoires du mouvemen Brownien éan coninues, B L implique τ. Ainsi, PB L = PB L, τ = P2L B L, τ = PB L, τ = PB L, τ. (1.4) Le résula sui de la décomposiion Pτ = PB L, τ + PB > L, τ. 7
8 1.5 Maringales e inégalié de Doob L inégalié de Doob perme d obenir d aures esimaions sur le maximum de cerains processus sochasiques, qui seron uiles dans la discussion des inégrales sochasiques. Dans ce qui sui, F s s désignera oujours la filraion engendrée par un processus de Wiener. Définiion 1.9. Supposons que F s F, e soi X une variable aléaoire inégrable, mesurable par rappor à F (c es-à-dire que la préimage de ou ensemble mesurable dans l image de X apparien à F ). On appelle espérance condiionnelle EX F s la variable aléaoire mesurable par rappor à F s saisfaisan pour ou Y borné, mesurable par rappor à F s. EXY = EEX F s Y (1.41) On noera en pariculier que si X es mesurable par rappor à F s, alors EX F s = X. Définiion 1.1. Un processus M es une maringale (respecivemen une sousmaringale) si pour ou 1. M es mesurable par rappor à F ; 2. E M < ; 3. EM F s = M s pour ou s < (respecivemen EM F s M s ). En pariculier, on a EM = EM si M es une maringale, e EM EM s pour > s si M es une sous-maringale. Le processus de Wiener es une maringale puisque pour ou Y mesurable par rappor à F s, EB Y = EB s Y + E(B B s )Y = EB s Y. (1.42) Proposiion 1.11 (Inégalié de sous-maringale de Doob). Soi M une sousmaringale à rajecoires coninues. Alors pour ou L >, P sup M s L 1 s L EM. (1.43) Preuve: Soi = < 1 < < n = une pariion de l inervalle [, ] e soi τ = inf k > : M k L. Le processus M + = M éan aussi une sous-maringale, on a EM + E 1 τ M + n = E 1 τ=k M + = = L n E 1 τ=k EM + F k n E 1 τ=k M + k n Pτ = k. (1.44) 8
9 Comme par ailleurs il sui que P sup k M k L = Pτ = P sup k n Pτ = k, (1.45) M k L 1 L EM + (1.46) En prenan des pariions plus fines, le membre de gauche croî, alors que le membre de droie ne change pas. Le résula s obien en faisan endre la pariion vers un sousensemble dense de [, ]. Proposiion Pour ou γ >, M = exp γb γ 2 2 (1.47) es une maringale. Preuve: Noons ou d abord que EM = e γx γ2 /2 e x2 /2 2π dx = 1. (1.48) Nous pouvons décomposer M = RM s, où R = e γ(b Bs) γ2 ( s)/2 es indépendan de M s e saisfai ER = EM s = 1. Par conséquen, pour ou Y mesurable par rappor à F s, EM Y = ERM s Y = EREM s Y = EM s Y, (1.49) ce qui confirme que EM F s = M s. Une applicaion de l inégalié de Doob nous donne immédiaemen Corollaire Pour ou γ, L >, [ P B s γ s ] 2 sup s > L e γl. (1.5) Cee inégalié nous sera uile pour démonrer la coninuié des inégrales sochasiques dans la secion suivane. Ici nous nous conenerons de menionner, sans démonsraion, deux conséquences de (1.5): La loi du logarihme iéré B P lim sup = 1 = 1, (1.51) 2 log log e le module de Lévy B +δ B P lim sup = 1 = 1. (1.52) δ 2δ log δ 9
10 2 Inégrales sochasiques Le bu de l inégrale sochasique es de donner un sens à des équaions de la forme dx d = f(x) + g(x)db d. (2.1) Par exemple, si f e g 1, on devrai rerouver X = X +B, décrivan le mouvemen suramori d une paricule Brownienne. Le problème es que, comme nous l avons menionné, les rajecoires du processus de Wiener ne son pas différeniables, ni même à variaions bornées. Comme dans le cas des équaions différenielles ordinaires, on inerprêe une soluion de l équaion différenielle (2.1) comme une soluion de l équaion inégrale X = X + f(x s ) ds + g(x s ) db s. (2.2) C es à la deuxième inégrale qu il s agi de donner un sens mahémaique. Si s g(x s ) éai différeniable, on pourrai le faire à l aide d une inégraion par paries, mais ce n es en général pas le cas. Iô a donné une aure définiion de l inégrale sochasique, qui s applique à une classe beaucoup plus vase d inégrans (e donne le même résula que l inégraion par paries dans le cas différeniable). 2.1 Définiion de l inégrale d Iô Nore bu es de définir l inégrale sochasique X s db s (2.3) simulanémen pour ous les [, T ], où X es lui-même un processus sochasique. Plus précisémen, nous supposerons que X es une foncionnelle Brownienne non-anicipaive, c es-à-dire (F désignan la filraion canonique engendrée par B ) 1. X es mesurable par rappor à F; 2. X es mesurable par rappor à F pour ou [, T ]. Ceci revien à exiger que X ne dépende que de l hisoire du processus de Wiener jusqu au emps, ce qui es raisonnable au vu de (2.2). En oure, nous allons supposer que T P X 2 d < = 1. (2.4) Remarque 2.1. On peu admere que X dépende de variables aléaoires supplémenaires, indépendanes de B ; par exemple, la condiion iniiale peu êre aléaoire. Il convien alors d éendre les σ-algèbres F e F dans la définiion ci-dessus à des algèbres plus grandes A e A, où A ne doi pas dépendre de l algèbre engendrée par B +s B s. Dans un premier emps, nous allons définir l inégrale sochasique pour un inégran simple. Définiion 2.2. Une foncionnelle Brownienne non-anicipaive e [,T ] es die simple ou élémenaire s il exise une pariion = < 1 < < N = T de [, T ] elle que e = N e k 1 [k 1, k )(). (2.5) 1
11 Pour une elle foncionnelle, nous définissons l inégrale sochasique par e s db s = m [ ] [ ] e k 1 Bk B k 1 + em B B m, (2.6) où m es el que [ m, m+1 ). Il es aisé de vérifier les propriéés suivanes: 1. Pour deux foncionnelles simples e (1) e e (2), 2. Pour oue consane c, ( e (1) s + e (2) ) s dbs = 3. L inégrale (2.6) es une foncion coninue de. 4. Si Ee2 s ds <, on a l isomérie d Iô Preuve: Posons m+1 =. On a e (1) s db s + e (2) s db s. (2.7) ( ) ces dbs = c e s db s. (2.8) ( ) 2 E e s db s = Ee 2 s ds. (2.9) ( ) 2 m+1 ( )( ) E e s db s = E e k 1 e l 1 Bk B k 1 Bl B l 1 k,l=1 = = m+1 E e 2 k 1 E ( Bk B k 1 ) 2 k k 1 Ee 2 s ds. (2.1) Nous avons uilisé la propriéé des incrémens indépendans afin d éliminer les ermes k l de la double somme, e le fai que e s es nonanicipaive. L idée d Iô pour définir l inégrale sochasique d une foncionnelle non-anicipaive générale X es de rouver une suie de foncionnelles simples e (n) approchan X dans L 2 (P), c es-à-dire T lim n E ( X s e (n) ) 2 s ds =. (2.11) L isomérie (2.9) nous perme alors d affirmer que la limie suivane exise dans L 2 (P): lim n e (n) s db s =: X s db s. (2.12) C es par définiion l inégrale d Iô de X s. Nous allons mainenan prouver que cee consrucion es bien possible, indépendane de la suie des e (n), e que l inégrale résulane es une foncion coninue de. Nous commençons par énoncer deux lemmes préparaoires. 11
12 Lemme 2.3. Pour oue foncionnelle non-anicipaive X saisfaisan (2.4), il exise une suie e (n) n 1 de foncionnelles simples elles que T ( P X e (n) ) 2 d 2 n, n = 1. (2.13) Preuve: Considérons les foncionnelles simples e (m,k) = 2 k 2 m 2m (2 m 2 m 2 k ) X s ds. (2.14) Faisan endre d abord m, puis k vers l infini, on s aperçoi que T (X e (m,k) ) 2 d. On peu donc rouver des suies m n e k n elles que e (n) = e (mn,kn) saisfasse T P (X e (n) ) 2 d > 2 n 2 n. (2.15) La relaion (2.13) sui alors du lemme de Borel Canelli. Lemme 2.4. Pour une suie f (n) n 1 de foncionnelles nonanicipaives simples saisfaisan P T (n) (f ) 2 d 2 n, n = 1 e ou θ > 1, P sup log n f s (n) db s < θ 2 n 1, n = 1. (2.16) T Preuve: Le processus sochasique M (n) = exp f s (n) db s 1 2 (f (n) s ) 2 ds (2.17) es une maringale par rappor à B. En effe, nous avons démonré cee propriéé pour f (n) 1 dans la proposiion La même démonsraion monre que si f (n) c où c es une variable aléaoire mesurable par rappor à F s, alors EM F s = M s. Le cas d un f (n) simple arbiraire es alors raié par récurrence. L inégalié de Doob implique P sup T ( f (n) s db s γ 2 (f (n) s ) ) 2 ds > L e γl. (2.18) Posons alors γ = 2 n+1 log n e L = θ 2 (n+1) log n. Uilisan l hypohèse sur les f (n), nous obenons ( ) P f s (n) db s > (1 + θ) 2 (n+1) log n e θ log n = n θ. (2.19) sup T Le lemme de Borel Canelli nous perme alors de conclure. Théorème 2.5. La limie (2.12) exise, es indépendane de la suie des e (n) n 1 convergean vers X, e es une foncion coninue de. 12
13 Preuve: Quie à passer à une sous-suie, nous pouvons choisir les e (n) de manière à saisfaire (2.13). Mais ceci implique aussi que T ( (n) P e Le lemme 2.4 monre alors que P sup T Ainsi la suie des uniformémen. e(n) s ( e (n) s e (n 1) ) 2 d cons 2 n, n = 1. (2.2) e (n 1) ) log n s dbs < cons θ 2 n 1, n = 1. (2.21) db s es de Cauchy presque sûremen, e dans ce cas elle converge 2.2 Propriéés élémenaires de l inégrale d Iô Les propriéés suivanes son prouvées aisémen pour des processus X e Y nonanicipaifs saisfaisan la condiion d inégrabilié (2.4). 1. Linéarié: (X s + Y s ) db s = e 2. Addiivié: Pour s < u < T, 3. Pour un emps d arrê τ, s X v db v = τ T (cx s ) db s = c u s X db = X s db s + X v db v + T 4. Si T EX2 d <, alors pour ou T, e Y s db s (2.22) X s db s. (2.23) u X v db v. (2.24) 1 τ X db. (2.25) E X s db s = (2.26) ( ) 2 E X s db s = De plus, le processus X s db s es une maringale. s 5. Le processus M = exp X s db s 1 Xs 2 ds 2 EX 2 s ds. (2.27) (2.28) es une supermaringale, c es-à-dire que M es une sous-maringale e EM 1. 13
14 2.3 Un exemple Nous donnons ici un exemple de calcul explicie d une inégrale sochasique par la méhode d Iô: B s db s = 1 2 B2 2. (2.29) Le résula, quelque peu surprenan au premier abord, prendra ou son sens lorsque nous aurons vu la formule d Iô. Considérons la suie de foncionnelles simples définies par e (n) = B 2 n 2 n. Il suffi alors de vérifier que lim n e (n) s db s = 1 2 B2 2. (2.3) Noons k = k2 n pour k m = 2 n e m+1 =. Il sui de la définiion (2.6) que 2 Considérons la maringale M (n) = m+1 e (n) ( ) s db s = 2 B k 1 Bk B k 1 m+1 = [B 2 k B 2 k 1 ( ) ] 2 B k B k 1 m+1 = B 2 ( ) 2. Bk B k 1 (2.31) m+1 m+1 ( ) 2 [( ) 2 ( )] Bk B k 1 = Bk B k 1 k k 1. (2.32) Les ermes de la somme son indépendans e d espérance nulle. Nous avons donc E ( M (n) m+1 ) 2 = E [( ) 2 ( )] 2 B k B k 1 k k 1 (m + 1)E [( ) 2 ( )] 2 B 1 B 1 cons 2 n E [( ) 2 B 2 n 2 n ] 2 = cons 2 n E [( ) 2 ] 2 B 1 1 cons 2 n, (2.33) à cause de la propriéé d échelle. ( M (n) ) 2 éan une sous-maringale, l inégalié de Doob nous donne ( ) P sup M (n) 2 s > n 2 2 n 2 n n 2 E ( M (n) ) 2 cons n 2. (2.34) s Le lemme de Borel Canelli nous perme alors de conclure que P M (n) < n2 n/2, n = 1, (2.35) ce qui prouve (2.3). sup s s 14
15 2.4 La formule d Iô Considérons une inégrale sochasique de la forme X = X + f s ds + g s db s, [, T ] (2.36) où X es indépendane du mouvemen Brownien, e f s e g s son des foncionnelles nonanicipaives saisfaisan T P f s ds < = 1 T P Le processus (2.36) s écri égalemen sous forme différenielle Par exemple, la relaion (2.29) es équivalene à gs 2 ds < = 1. (2.37) dx = f d + g db. (2.38) d(b 2 ) = d + 2B db. (2.39) La formule d Iô perme de déerminer de manière générale l effe d un changemen de variables sur une différenielle sochasique. Lemme 2.6 (Formule d Iô). Soi u : [, ) R R, (, x) u(, x) une foncion coninûmen différeniable par rappor à e deux fois coninûmen différeniable par rappor à x. Alors le processus sochasique Y = u(, X ) saisfai l équaion Remarque 2.7. dy = u (, X ) d + u x (, X ) [ ] 1 f d + g db u x 2 (, X )g 2 d. (2.4) 1. Un moyen mnémoechnique pour rerouver la formule es de l écrire sous la forme dy = u u d + x dx u x 2 dx2, (2.41) où dx 2 se calcule en uilisan les règles 2. La formule se généralise à des foncions u(, X (1) définis par dx (i) où dx (i) dx (j) = f (i) dy = u d + i = g (i) g (j) d 2 = d db =, db 2 = d. (2.42) d + g (i) db, en d. u dx (i) + 1 x i 2 i,j,..., X (n) ), dépendan de n processus 2 u dx (i) x i x j dx (j), (2.43) 15
16 Exemple Si X = B e u(x) = x 2, on rerouve la relaion (2.39). 2. Si dx = g db 1 2 g2 d e u(x) = e x, on obien d(e X ) = g e X db. (2.44) Ainsi la maringale M = exp γb γ 2 2 de la proposiion 1.12 es la soluion de l équaion dm = γm db. Preuve du Lemme 2.6. Il suffi de prouver le résula pour des foncionnelles simples, e par l addiivié des inégrales, on peu se ramener au cas de foncionnelles consanes. Mais alors X = f + g B e Y = u(, f + g B ) peu s exprimer comme une foncion de (, B ). Il suffi en définiive de considérer le cas X = B. Or pour une pariion = < 1 < < n =, on a u(, B ) u(, ) = = n [ u(k, B k ) u( k 1, B k ) ] + [ u( k 1, B k ) u( k 1, B k 1 ) ] n u ( k 1, B k )( k k 1 ) + u x ( k 1, B k 1 )(B k B k 1 ) u 2 x 2 ( k 1, B k 1 )(B k B k 1 ) 2 + O( k k 1 ) + O((B k B k 1 ) 2 ) u = (s, B u s) ds + x (s, B s) db s u 2 x 2 (s, B s) ds n 1 2 u + 2 x 2 ( k 1, B k 1 ) [ (B k B k 1 ) 2 ( k k 1 ) ] + O(1). (2.45) Or la somme se raie comme M (n) dans la secion 2.3 lorsque k k 1, c.f. (2.32). 3 Equaions différenielles sochasiques 3.1 Soluions fores Nous avons mainenan ous les élémens en main pour définir la noion de soluion d une équaion différenielle sochasique (EDS), de la forme dx = f(x, ) d + g(x, ) db, (3.1) où f, g : R [, T ] R son des foncions déerminises mesurables. Définiion 3.1. Un processus sochasique x [,T ] es appelé une soluion fore de l EDS (3.1) avec condiion iniiale x si x es F -mesurable pour ou [, T ]; on a les condiions de régularié T T P f(x s, s) ds < = P g(x s, s) 2 ds < = 1; (3.2) 16
17 pour ou [, T ], on a avec probabilié 1. x = x + f(x s, s) ds + le processus iden- Une soluion fore se consrui par iéraions de Picard. Soi x () iquemen égal à x. On défini par récurence x (n+1) = x + f(x (n) s, s) ds + g(x s, s) db s (3.3) g(x (n) s, s) db s, (3.4) e l on examine sous quelles condiions cee suie converge presque sûremen vers un processus coninu. Remarquons que par consrucion, x (n) es auomaiquemen F -mesurable pour ou e ou n. Le résula es praiquemen le même que pour les équaions différenielles ordinaires: Théorème 3.2. Supposons que les foncions f e g saisfon les deux condiions suivanes: 1. Condiion de Lipschiz locale: Pour ou compac K R, il exise une consane K = K(K) elle que f(x, ) f(y, ) + g(x, ) g(y, ) K x y (3.5) pour x, y K e [, T ]. 2. Condiion de croissance: Il exise une consane L elle que pour ous x,. xf(x, ) + g(x, ) 2 L 2 (1 + x 2 ) (3.6) Alors l EDS (3.1) adme, pour oue condiion iniiale, une soluion fore x [,T ], presque sûremen coninue. Cee soluion es unique dans le sens que si x [,T ] e y [,T ] son deux soluions presque sûremen coninues, alors P sup x y > T =. (3.7) Le processus x [,T ] es appelé un processus de diffusion, ou simplemen une diffusion. On a couume de dénoer par P x la loi du processus avec condiion iniiale x, e par E x les espérances par rappor à P x. Plus généralemen, P,x désigne la loi d un processus de condiion iniiale x = x. La condiion de croissance (3.6) auorise une croissance linéaire, par exemple f(x, ) = x. Elle auorise égalemen une croissance surlinéaire du bon signe, comme f(x, ) = x 3. Par conre, f(x, ) = x 2 ne saisfai pas cee condiion. Dans ce cas, même en l absence de brui, les soluions peuven diverger après un emps fini. Exemple 3.3. L EDS linéaire dx = γx d + db (3.8) adme une soluion fore. La formule d Iô monre que cee soluion peu s écrire sous forme inégrale comme x = x e γ + e γ( s) db s. (3.9) Ce processus es connu sous le nom de processus d Ornsein Uhlenbeck. 17
18 Remarque 3.4. On défini de manière similaire la soluion fore d une EDS mulidimensionnelle, c es-à-dire qu on peu supposer que x R n, f(x, ) prend des valeurs dans R n, e, si B es un mouvemen Brownien de dimension k, g(x, ) prend des valeurs dans les marices n k. 3.2 Semi-groupes e généraeurs Considérons l EDS auonome dx = f(x ) d + g(x ) db, (3.1) admean une soluion fore x pour oue condiion iniiale x R. On peu lui associer une famille à un paramère T d opéraeurs linéaires, agissan sur les foncions mesurables bornées ϕ : R R, comme T ϕ(x) = E x ϕ(x ). (3.11) L homogénéié du emps e la propriéé de Markov impliquen T s ( T ϕ ) (x) = E x E xs ϕ(x ) = E x E s,xs ϕ(x +s ) = E x ϕ(x +s ) = T +s (x). (3.12) Par conséquen, T T s = T +s, donc les opéraeurs T formen un semi-groupe. Les propriéés suivanes son aisémen vérifiées: 1. T préserve la foncion consane 1(x) 1: 2. T préserve l ensemble des foncions non-négaives: T 1(x) = E x 1(x ) = 1 x. (3.13) ϕ(x) x T ϕ(x) x. (3.14) 3. T es une conracion par rappor à la norme sup: sup T ϕ(x) = sup E x ϕ(x ) sup ϕ(y) sup E x 1(x ) = sup ϕ(y) (3.15) x R x R y R x R y R De plus, les T jouissen de la propriéé faible de Feller, c es-à-dire qu ils préserven l ensemble des foncions bornées coninues. Sous des condiions addiionnelles, ils jouissen de la propriéé fore de Feller, en ransforman les foncions mesurables bornées en foncions coninues bornées. Le généraeur du semi-groupe es l opéraeur linéraire défini par la limie T ϕ(x) ϕ(x) Lϕ(x) = lim. (3.16) Son domaine es par définiion l ensemble des foncions ϕ : R R pour lesquelles cee limie exise en ou poin x. Proposiion 3.5. Le généraeur du semi-groupe es l opéraeur différeniel L = f(x) d dx + 1 d2 g(x)2 2 dx 2. (3.17) 18
19 Preuve: Par la formule d Iô, appliquée à u(, x) = ϕ(x), T ϕ(x) ϕ(x) = E x ϕ(x ) ϕ(x) ( = E x f(x s )ϕ (x s ) + 1 ) 2 g(x s) 2 ϕ (x s ) ds + g(x s )ϕ (x s ) db s = E x Lϕ(x s ) ds, (3.18) puisque l espérance de l inégrale sochasique es nulle. La dérivée en = de cee expression se rédui à E x Lϕ(x ) = Lϕ(x). Remarque 3.6. Dans le cas d une EDS mulidimensionnelle, le généraeur es donné par l opéraeur différeniel L = n i=1 f i (x) x i n 2 d ij (x), (3.19) x i x j i,j=1 où les d ij (x) son les élémens de marice de g(x)g(x) T. Remarquons qu il sui de la définiion du généraeur que la foncion u(x, ) = T ϕ(x) saisfai l équaion aux dérivées parielles u(x, ) = Lu(x, ), (3.2) appelée équaion de Kolmogorov rérograde. Sous des hypohèses de régularié appropriées, cee équaion adme, pour oue condiion iniiale u(x, ) = δ(x y), une soluion pariculière que nous noerons p(y, x, ) = T δ(x y). Par linéarié, nous avons alors, pour ou Borélien A R, P x x A = E x 1 x A = T 1 A (x) = T 1 A (y)δ(y x) dy R = 1 A (y)p(y, x, ) dy R = p(y, x, ) dy, (3.21) A ce qui veu dire que p(y, x, ) es la densié de la probabilié de ransiion du processus de Markov x x. Le semi-groupe T adme un semi-groupe dual S, agissan sur les mesures σ-finies par S µ(a) = P x x A µ(dx), (3.22) R cee dernière quanié éan souven dénoée P µ x A. Son généraeur es l adjoin formel de L, défini par Lu(x)µ(dx) = u(x)l µ(dx). (3.23) R R 19
20 Ceci découle des égaliés formelles d d S µ(a) = d P x x A µ(dx) d R = d p(y, x, ) dy µ(dx) d R A = Lp(y, x, ) dy µ(dx) R A = p(y, x, ) dy L µ(dx) R A = P x x A L µ(dx) R = S (L µ)(a). (3.24) Si la mesure µ adme une densié ρ, c es-à-dire µ(dx) = ρ(x) dx, deux inégraions par parie monren que L es l opéraeur différeniel L ρ(x) = d ( ) 1 d 2 ( f(x)ρ(x) + g(x) 2 dx 2 dx 2 ρ(x) ). (3.25) La densié au emps, ρ(y, ) = S ρ(y) = R p(y, x, )ρ(x) dx, saisfai l équaion de Kolmogorov progressive ou équaion de Fokker Planck ρ(y, ) = L ρ(y, ), (3.26) e il en es de même des densiés de ransiion (y, ) p(y, x, ). Si le processus adme une densié invariane ρ, elle doi êre soluion de l équaion L ρ =. 3.3 Exemples Exemple 3.7. Le généraeur du mouvemen Brownien B es l opéraeur auo-adjoin L = 1 2 d2 /dx 2. Ses densiés de ransiion p(y, x, ) son les densiés Gaussiennes p(y, x, ) = e (y x)2 /2 2π. (3.27) Il n y a pas de densié invariane. Le généraeur du mouvemen Brownien mulidimensionnel es L = 1 2. Exemple 3.8. Le processus d Ornsein-Uhlenbeck de l exemple 3.3 adme, pour γ = 1, les généraeurs L = x d dx + 1 d 2 ( 2 dx 2 e L = 1 + x d ) + 1 d 2 dx 2 dx 2. (3.28) Sa densié invariane es gaussienne, de la forme ρ (x) = cons e x2. (3.29) Par ailleurs, la subsiuion ρ(x) = ψ(x) e x2 /2 donne L ρ(x) = 1 [ (1 x 2 ) + ψ (x) ] ρ(x). (3.3) 2 ψ(x) 2
21 Par conséquen, l équaion aux valeurs propres L ρ(x) = λρ(x) es saisfaie si e seulemen si ψ es soluion de l équaion 1 2 ψ (x) + x2 2 ψ(x) = ( 1 2 λ ) ψ(x), (3.31) qui es l équaion de Schrödinger saionnaire de l oscillaeur harmonique quanique. On sai que ses valeurs propres son les demi-eniers posiifs, ce qui perme de conclure que les valeurs propres de L son les eniers non-posiifs. Par conséquen, si ρ(x, ) = k c k ρ k (x) (3.32) es la décomposiion de la densié iniiale sur la base des foncions propres de L (c es-àdire L ρ k (x) = kρ k (x)), on a ρ(x, ) = k c k e k ρ k (x) (3.33) Ceci implique la convergence exponeniellemen rapide de oue densié iniiale vers la densié invariane. Exemple 3.9. Plus généralemen, un sysème gradien de la forme dx = U(x ) d + σ db (3.34) adme une densié invariane proporionnelle à e 2U(x)/σ2, pourvu que U(x) croisse suffisammen vie à l infini. Si σ es pei, cee densié es foremen concenrée auour des minima du poeniel U(x). Considérons le cas du poeniel à double puis associé à l EDS U(x) = 1 4 x4 1 2 x2, (3.35) dx = ( x x 3 ) d + σ db. (3.36) La densié invariane ρ (x) es maximale au fond des puis, en x = ±1, e correspond à la valeur propre du généraeur. On peu monrer que le specre es puremen poncuel, e consise en une valeur propre λ 1 rès proche de, d ordre e 2(U(1) U())/σ2, e une infinié de valeurs propres oues plus peies qu une consane négaive a indépendane de σ. La foncion propre associée à λ 1 es impaire, avec des exrêma en ±1, e elle que ρ (x) ρ 1 (x). La densié du processus évolue selon ρ(x, ) = k c k e λ k ρ k (x) = c ρ (x) + c 1 e λ 1 ρ 1 (x) + O(e a ). (3.37) Si la condiion iniiale es concenrée dans le puis de gauche, on aura c c 1, e la densié rese concenrée dans ce puis pendan un emps rès long, d ordre 1/λ 1, avan d approcher ρ. C es ce qu on appelle un phénomène de méasabilié. La héorie des grandes déviaions perme de préciser ces résulas, en caracérisan noammen l espérance du emps nécessaire à aller d un puis à l aure, qui es aussi d ordre 1/λ 1. 21
22 Bibliographie [Fri75] [GS72] Avner Friedman, Sochasic differenial equaions and applicaions. Vol. 1, Academic Press [Harcour Brace Jovanovich Publishers], New York, 1975, Probabiliy and Mahemaical Saisics, Vol. 28. Ĭ. Ī. Gīhman and A. V. Skorohod, Sochasic differenial equaions, Springer-Verlag, New York, 1972, Translaed from he Russian by Kenneh Wickwire, Ergebnisse der Mahemaik und ihrer Grenzgebiee, Band 72. [McK69] H. P. McKean, Jr., Sochasic inegrals, Probabiliy and Mahemaical Saisics, No. 5, Academic Press, New York, [Øks95] [Res92] Bern Øksendal, Sochasic differenial equaions, fourh ed., Universiex, Springer- Verlag, Berlin, 1995, An inroducion wih applicaions. Sidney Resnick, Advenures in sochasic processes, Birkhäuser Boson Inc., Boson, MA, Nils Berglund FRUMAM, CPT CNRS Luminy Case 97, Marseille Cedex 9, France e PHYMAT, Universié de Toulon address: berglund@cp.univ-mrs.fr 22
Texte Ruine d une compagnie d assurance
Page n 1. Texe Ruine d une compagnie d assurance Une nouvelle compagnie d assurance veu enrer sur le marché. Elle souhaie évaluer sa probabilié de faillie en foncion du capial iniial invesi. On suppose
Plus en détail2. Quelle est la valeur de la prime de l option américaine correspondante? Utilisez pour cela la technique dite de remontée de l arbre.
1 Examen. 1.1 Prime d une opion sur un fuure On considère une opion à 85 jours sur un fuure de nominal 18 francs, e don le prix d exercice es 175 francs. Le aux d inérê (coninu) du marché monéaire es 6%
Plus en détailExemples de résolutions d équations différentielles
Exemples de résoluions d équaions différenielles Table des maières 1 Définiions 1 Sans second membre 1.1 Exemple.................................................. 1 3 Avec second membre 3.1 Exemple..................................................
Plus en détailCHAPITRE I : Cinématique du point matériel
I. 1 CHAPITRE I : Cinémaique du poin maériel I.1 : Inroducion La plupar des objes éudiés par les physiciens son en mouvemen : depuis les paricules élémenaires elles que les élecrons, les proons e les neurons
Plus en détailCalcul Stochastique 2 Annie Millet
M - Mahémaiques Appliquées à l Économie e à la Finance Universié Paris 1 Spécialié : Modélisaion e Méhodes Mahémaiques en Économie e Finance Calcul Sochasique Annie Mille 15 14 13 1 11 1 9 8 7 6 5 4 3
Plus en détailLes circuits électriques en régime transitoire
Les circuis élecriques en régime ransioire 1 Inroducion 1.1 Définiions 1.1.1 égime saionnaire Un régime saionnaire es caracérisé par des grandeurs indépendanes du emps. Un circui en couran coninu es donc
Plus en détailTD/TP : Taux d un emprunt (méthode de Newton)
TD/TP : Taux d un emprun (méhode de Newon) 1 On s inéresse à des calculs relaifs à des remboursemens d empruns 1. On noera C 0 la somme emprunée, M la somme remboursée chaque mois (mensualié), le aux mensuel
Plus en détailVA(1+r) = C 1. VA = C 1 v 1
Universié Libre de Bruxelles Solvay Business School La valeur acuelle André Farber Novembre 2005. Inroducion Supposons d abord que le emps soi limié à une période e que les cash flows fuurs (les flux monéaires)
Plus en détailFinance 1 Université d Evry Val d Essonne. Séance 2. Philippe PRIAULET
Finance 1 Universié d Evry Val d Essonne éance 2 Philippe PRIAULET Plan du cours Les opions Définiion e Caracérisiques Terminologie, convenion e coaion Les différens payoffs Le levier implicie Exemple
Plus en détailCaractéristiques des signaux électriques
Sie Inerne : www.gecif.ne Discipline : Génie Elecrique Caracérisiques des signaux élecriques Sommaire I Définiion d un signal analogique page 1 II Caracérisiques d un signal analogique page 2 II 1 Forme
Plus en détailMathématiques financières. Peter Tankov
Mahémaiques financières Peer ankov Maser ISIFAR Ediion 13-14 Preface Objecifs du cours L obje de ce cours es la modélisaion financière en emps coninu. L objecif es d un coé de comprendre les bases de
Plus en détailIntégration de Net2 avec un système d alarme intrusion
Ne2 AN35-F Inégraion de Ne2 avec un sysème d alarme inrusion Vue d'ensemble En uilisan l'inégraion d'alarme Ne2, Ne2 surveillera si l'alarme inrusion es armée ou désarmée. Si l'alarme es armée, Ne2 permera
Plus en détailMATHEMATIQUES FINANCIERES
MATHEMATIQUES FINANCIERES LES ANNUITES INTRODUCTION : Exemple 1 : Une personne veu acquérir une maison pour 60000000 DH, pour cela, elle place annuellemen au CIH une de 5000000 DH. Bu : Consiuer un capial
Plus en détailRappels théoriques. -TP- Modulations digitales ASK - FSK. Première partie 1 INTRODUCTION
2 IUT Blois Déparemen GTR J.M. Giraul, O. Bou Maar, D. Ceron M. Richard, P. Sevesre e M. Leberre. -TP- Modulaions digiales ASK - FSK IUT Blois Déparemen du Génie des Télécommunicaions e des Réseaux. Le
Plus en détailFonction dont la variable est borne d intégration
[hp://mp.cpgedpydelome.fr] édié le 1 jille 14 Enoncés 1 Foncion don la variable es borne d inégraion Eercice 1 [ 1987 ] [correcion] Soi f : R R ne foncion conine. Jsifier qe les foncions g : R R sivanes
Plus en détailF 2 = - T p K 0. ... F T = - T p K 0 - K 0
Correcion de l exercice 2 de l assisana pré-quiz final du cours Gesion financière : «chéancier e aux de renabilié inerne d empruns à long erme» Quesion : rappeler la formule donnan les flux à chaque échéance
Plus en détailCHAPITRE 13. EXERCICES 13.2 1.a) 20,32 ± 0,055 b) 97,75 ± 0,4535 c) 1953,125 ± 23,4375. 2.±0,36π cm 3
Chapire Eercices de snhèse 6 CHAPITRE EXERCICES..a), ±,55 b) 97,75 ±,455 c) 95,5 ±,475.±,6π cm.a) 44,, erreur absolue de,5 e erreur relaive de, % b) 5,56, erreur absolue de,5 e erreur relaive de,9 % 4.a)
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 détailLe mode de fonctionnement des régimes en annuités. Secrétariat général du Conseil d orientation des retraites
CONSEIL D ORIENTATION DES RETRAITES Séance plénière du 28 janvier 2009 9 h 30 «Les différens modes d acquisiion des drois à la reraie en répariion : descripion e analyse comparaive des echniques uilisées»
Plus en détailCours d électrocinétique :
Universié de Franche-Comé UFR des Sciences e Techniques STARTER 005-006 Cours d élecrocinéique : Régimes coninu e ransioire Elecrocinéique en régimes coninu e ransioire 1. INTRODUCTION 5 1.1. DÉFINITIONS
Plus en détailRecueil d'exercices de logique séquentielle
Recueil d'exercices de logique séquenielle Les bascules: / : Bascule JK Bascule D. Expliquez commen on peu modifier une bascule JK pour obenir une bascule D. 2/ Eude d un circui D Q Q Sorie A l aide d
Plus en détailFiltrage optimal. par Mohamed NAJIM Professeur à l École nationale supérieure d électronique et de radioélectricité de Bordeaux (ENSERB)
Filrage opimal par Mohamed NAJIM Professeur à l École naionale supérieure d élecronique e de radioélecricié de Bordeaux (ENSERB) Filre adapé Définiions Filre adapé dans le cas de brui blanc 3 3 Cas d un
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 détailRelation entre la Volatilité Implicite et la Volatilité Réalisée.
Relaion enre la Volailié Implicie e la Volailié Réalisée. Le cas des séries avec la coinégraion fracionnaire. Rappor de Recherche Présené par : Mario Vázquez Velasco Direceur de Recherche : Benoî Perron
Plus en détailEstimation des matrices de trafics
Cédric Foruny 1/5 Esimaion des marices de rafics Cedric FORTUNY Direceur(s) de hèse : Jean Marie GARCIA e Olivier BRUN Laboraoire d accueil : LAAS & QoSDesign 7, av du Colonel Roche 31077 TOULOUSE Cedex
Plus en détailLe mécanisme du multiplicateur (dit "multiplicateur keynésien") revisité
Le mécanisme du muliplicaeur (di "muliplicaeur kenésien") revisié Gabriel Galand (Ocobre 202) Résumé Le muliplicaeur kenésien remone à Kenes lui-même mais il es encore uilisé de nos jours, au moins par
Plus en détailDocumentation Technique de Référence Chapitre 8 Trames types Article 8.14-1
Documenaion Technique de Référence Chapire 8 Trames ypes Aricle 8.14-1 Trame de Rappor de conrôle de conformié des performances d une insallaion de producion Documen valide pour la période du 18 novembre
Plus en détail2009-01 EFFICIENCE INFORMATIONNELLE DES 1948-2008 UNE VERIFICATION ECONOMETRIQUE MARCHES DE L OR A PARIS ET A LONDRES, DE LA FORME FAIBLE
009-01 EFFICIENCE INFORMATIONNELLE DES MARCHES DE L OR A PARIS ET A LONDRES, 1948-008 UNE VERIFICATION ECONOMETRIQUE DE LA FORME FAIBLE Thi Hong Van HOANG Efficience informaionnelle des marchés de l or
Plus en détailLes solutions solides et les diagrammes d équilibre binaires. sssp1. sssp1 ssss1 ssss2 ssss3 sssp2
Les soluions solides e les diagrammes d équilibre binaires 1. Les soluions solides a. Descripion On peu mélanger des liquides par exemple l eau e l alcool en oue proporion, on peu solubiliser un solide
Plus en détailSciences Industrielles pour l Ingénieur
Sciences Indusrielles pour l Ingénieur Cenre d Inérê 6 : CONVERTIR l'énergie Compéences : MODELISER, RESOUDRE CONVERSION ELECTROMECANIQUE - Machine à couran coninu en régime dynamique Procédés de piloage
Plus en détailTHÈSE. Pour l obtention du grade de Docteur de l Université de Paris I Panthéon-Sorbonne Discipline : Sciences Économiques
Universié de Paris I Panhéon Sorbonne U.F.R. de Sciences Économiques Année 2011 Numéro aribué par la bibliohèque 2 0 1 1 P A 0 1 0 0 5 7 THÈSE Pour l obenion du grade de Doceur de l Universié de Paris
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 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 détailFiles d attente (1) F. Sur - ENSMN. Introduction. 1 Introduction. Vocabulaire Caractéristiques Notations de Kendall Loi de Little.
Cours de Tronc Commun Scienifique Recherche Opéraionnelle Les files d aene () Les files d aene () Frédéric Sur École des Mines de Nancy www.loria.fr/ sur/enseignemen/ro/ 5 /8 /8 Exemples de files d aene
Plus en détailLa rentabilité des investissements
La renabilié des invesissemens Inroducion Difficulé d évaluer des invesissemens TI : problème de l idenificaion des bénéfices, des coûs (absence de saisiques empiriques) problème des bénéfices Inangibles
Plus en détailCARACTERISTIQUES STATIQUES D'UN SYSTEME
CARACTERISTIQUES STATIQUES D'UN SYSTEE 1 SYSTEE STABLE, SYSTEE INSTABLE 1.1 Exemple 1: Soi un sysème composé d une cuve pour laquelle l écoulemen (perurbaion) es naurel au ravers d une vanne d ouverure
Plus en détailTB 352 TB 352. Entrée 1. Entrée 2
enrées série TB logiciel d applicaion 2 enrées à émission périodique famille : Inpu ype : Binary inpu, 2-fold TB 352 Environnemen Bouon-poussoir TB 352 Enrée 1 sories 230 V Inerrupeur Enrée 2 Câblage sur
Plus en détailEvaluation des Options avec Prime de Risque Variable
Evaluaion des Opions avec Prime de Risque Variable Lahouel NOUREDDINE Correspondance : LEGI-Ecole Polyechnique de Tunisie, BP : 743,078 La Marsa, Tunisie, Insiu Supérieur de Finance e de Fiscalié de Sousse.
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailSurface de Volatilité et Introduction au Risque de Crédit
Modèles de Taux, Surface de Volailié e Inroducion au Risque de Crédi Alexis Fauh Universié Lille I Maser 2 Mahémaiques e Finance Spécialiés Mahémaiques du Risque & Finance Compuaionelle 214/215 spread
Plus en détailOscillations forcées en régime sinusoïdal.
Conrôle des prérequis : Oscillaions forcées en régime sinusoïdal. - a- Rappeler l expression de la période en foncion de la pulsaion b- Donner l expression de la période propre d un circui RLC série -
Plus en détailUn modèle de projection pour des contrats de retraite dans le cadre de l ORSA
Un modèle de proecion pour des conras de reraie dans le cadre de l ORSA - François Bonnin (Hiram Finance) - Floren Combes (MNRA) - Frédéric lanche (Universié Lyon 1, Laboraoire SAF) - Monassar Tammar (rim
Plus en détailDE L'ÉVALUATION DU RISQUE DE CRÉDIT
DE L'ÉALUAION DU RISQUE DE CRÉDI François-Éric Racico * Déparemen des sciences adminisraives Universié du Québec, Ouaouais Raymond héore Déparemen Sraégie des Affaires Universié du Québec, Monréal RePAd
Plus en détailRisque associé au contrat d assurance-vie pour la compagnie d assurance. par Christophe BERTHELOT, Mireille BOSSY et Nathalie PISTRE
Ce aricle es disponible en ligne à l adresse : hp://www.cairn.info/aricle.php?id_revue=ecop&id_numpublie=ecop_149&id_article=ecop_149_0073 Risque associé au conra d assurance-vie pour la compagnie d assurance
Plus en détailNed s Expat L assurance des Néerlandais en France
[ LA MOBILITÉ ] PARTICULIERS Ned s Expa L assurance des Néerlandais en France 2015 Découvrez en vidéo pourquoi les expariés en France choisissen APRIL Inernaional pour leur assurance sané : Suivez-nous
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 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 détailEcole des HEC Université de Lausanne FINANCE EMPIRIQUE. Eric Jondeau
Ecole des HEC Universié de Lausanne FINANCE EMPIRIQUE Eric Jondeau FINANCE EMPIRIQUE La prévisibilié des rendemens Eric Jondeau L hypohèse d efficience des marchés Moivaion L idée de base de l hypohèse
Plus en détailCopules et dépendances : application pratique à la détermination du besoin en fonds propres d un assureur non vie
Copules e dépendances : applicaion praique à la déerminaion du besoin en fonds propres d un assureur non vie David Cadoux Insiu des Acuaires (IA) GE Insurance Soluions 07 rue Sain-Lazare, 75009 Paris FRANCE
Plus en détailMODÈLE BAYÉSIEN DE TARIFICATION DE L ASSURANCE DES FLOTTES DE VÉHICULES
Cahier de recherche 03-06 Sepembre 003 MODÈLE BAYÉSEN DE TARFCATON DE L ASSURANCE DES FLOTTES DE VÉHCULES Jean-François Angers, Universié de Monréal Denise Desardins, Universié de Monréal Georges Dionne,
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 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 détailCAHIER 13-2000 ANALYSE DES CHOCS D'OFFRE ET DE DEMANDE DANS LA ZONE CFA : UNE MÉTHODE STRUCTURELLE D'AUTORÉGRESSION VECTORIELLE
CAHIER 13- ANALYSE DES CHOCS D'OFFRE ET DE DEMANDE DANS LA ZONE CFA : UNE MÉTHODE STRUCTURELLE D'AUTORÉGRESSION VECTORIELLE Jean-Michel BOSCO N'GOMA CAHIER 13- ANALYSE DES CHOCS D'OFFRE ET DE DEMANDE DANS
Plus en détailSURVOL DE LA LITTÉRATURE SUR LES MODÈLES DE TAUX DE CHANGE D ÉQUILIBRE: ASPECTS THÉORIQUES ET DISCUSSIONS COMPARATIVES
Ankara Üniversiesi SBF Dergisi, Cil 66, No. 4, 2011, s. 125-152 SURVOL DE LA LITTÉRATURE SUR LES MODÈLES DE TAUX DE CHANGE D ÉQUILIBRE: ASPECTS THÉORIQUES ET DISCUSSIONS COMPARATIVES Dr. Akın Usupbeyli
Plus en détailImpact du vieillissement démographique sur l impôt prélevé sur les retraits des régimes privés de retraite
DOCUMENT DE TRAVAIL 2003-12 Impac du vieillissemen démographique sur l impô prélevé sur les rerais des régimes privés de reraie Séphane Girard Direcion de l analyse e du suivi des finances publiques Ce
Plus en détailSYSTÈME HYBRIDE SOLAIRE THERMODYNAMIQUE POUR L EAU CHAUDE SANITAIRE
SYSTÈME HYBRIDE SOLAIRE THERMODYNAMIQUE POUR L EAU CHAUDE SANITAIRE Le seul ballon hybride solaire-hermodynamique cerifié NF Elecricié Performance Ballon hermodynamique 223 lires inox 316L Plaque évaporarice
Plus en détailImpact des futures normes IFRS sur la tarification et le provisionnement des contrats d assurance vie : mise en oeuvre de méthodes par simulation
Impac des fuures normes IFRS sur la arificaion e le provisionnemen des conras d assurance vie : mise en oeuvre de méhodes par simulaion Pierre-Emmanuel Thérond To cie his version: Pierre-Emmanuel Thérond.
Plus en détailThème : Electricité Fiche 5 : Dipôle RC et dipôle RL
Fiche ors Thème : Elecricié Fiche 5 : Dipôle e dipôle Plan de la fiche Définiions ègles 3 Méhodologie I - Définiions oran élecriqe : déplacemen de charges élecriqes q a mesre d débi de charges donne l
Plus en détailDESSd ingéniérie mathématique Université d Evry Val d Essone Evaluations des produits nanciers
DESSd ingéniérie mahémaique Universié d Evry Val d Essone Evaluaions des produis nanciers Véronique Berger Cours Janvier-Mars 2003 version du 27 mars 2003 Conens I Présenaion du plan de cours 3 II Insrumens
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailChapitre 2 L investissement. . Les principales caractéristiques de l investissement
Chapire 2 L invesissemen. Les principales caracérisiques de l invesissemen.. Définiion de l invesissemen Définiion générale : ensemble des B&S acheés par les agens économiques au cours d une période donnée
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 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 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 détailAMPLIFICATEUR OPERATIONNEL EN REGIME NON LINEAIRE
AMPLIFICATEUR OPERATIONNEL EN REGIME NON LINEAIRE Dans e hapire l'amplifiaeur différeniel inégré sera oujours onsidéré omme parfai, mais la ension de sorie ne pourra prendre que deux valeurs : V sa e V
Plus en détailPouvoir de marché et transmission asymétrique des prix sur les marchés de produits vivriers au Bénin
C N R S U N I V E R S I T E D A U V E R G N E F A C U L T E D E S S C I E N C E S E C O N O M I Q U E S E T D E G E S T I O N CENTRE D ETUDES ET DE RECHERCHES SUR LE DEVELOPPEMENT INTER NATIONAL Pouvoir
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailNon-résonance entre les deux premières valeurs propres d un problème quasi-linéaire
Non-résonance enre les deux premières valeurs propres d un problème quasi-linéaire AREl Amrouss MMoussaoui Absrac We consider he quasilinear Dirichle boundary value problem (φ p (u )) = f(u)+h(x),u(a)=u(b)=0,
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailMIDI F-35. Canal MIDI 1 Mélodie Canal MIDI 2 Basse Canal MIDI 10 Batterie MIDI IN. Réception du canal MIDI = 1 Reproduit la mélodie.
/ VARIATION/ ACCOMP PLAY/PAUSE REW TUNE/MIDI 3- LESSON 1 2 3 MIDI Qu es-ce que MIDI? MIDI es l acronyme de Musical Insrumen Digial Inerface, une norme inernaionale pour l échange de données musicales enre
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 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 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 détailConstruction de l'intégrale de Lebesgue
Université d'artois Faculté des ciences Jean Perrin Mesure et Intégration (Licence 3 Mathématiques-Informatique) Daniel Li Construction de l'intégrale de Lebesgue 10 février 2011 La construction de l'intégrale
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 détail3 POLITIQUE D'ÉPARGNE
3 POLITIQUE D'ÉPARGNE 3. L épargne exogène e l'inefficience dynamique 3. Le modèle de Ramsey 3.3 L épargne opimale dans le modèle AK L'épargne des sociéés dépend largemen des goûs des agens, de faceurs
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 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 détailCOURS GESTION FINANCIERE A COURT TERME SEANCE 3 PLANS DE TRESORERIE. François LONGIN www.longin.fr
COURS GESTION FINANCIERE A COURT TERME SEANCE 3 PLANS DE TRESORERIE SEANCE 3 PLANS DE TRESORERIE Obje de la séance 3 : dans la séance 2, nous avons monré commen le besoin de financemen éai couver par des
Plus en détailMémoire présenté et soutenu en vue de l obtention
République du Cameroun Paix - Travail - Parie Universié de Yaoundé I Faculé des sciences Déparemen de Mahémaiques Maser de saisique Appliquée Republic of Cameroon Peace Wor Faherland The Universiy of Yaoundé
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 détailMesures gaussiennes et espaces de Fock
Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailCHELEM Commerce International
CHELEM Commerce Inernaional Méhodes de consrucion de la base de données du CEPII Alix de SAINT VAULRY Novembre 2013 1 Conenu de la base de données Flux croisés de commerce inernaional (exporaeur, imporaeur,
Plus en détailTRAVAUX PRATIQUES N 5 INSTALLATION ELECTRIQUE DE LA CAGE D'ESCALIER DU BATIMENT A
UIMBERTEAU UIMBERTEAU TRAVAUX PRATIQUES 5 ISTALLATIO ELECTRIQUE DE LA CAE D'ESCALIER DU BATIMET A ELECTROTECHIQUE Seconde B.E.P. méiers de l'elecroechnique ELECTROTECHIQUE HABITAT Ver.. UIMBERTEAU TRAVAUX
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 détailAnnuités. I Définition : II Capitalisation : ( Valeur acquise par une suite d annuités constantes ) V n = a t
Annuiés I Définiion : On appelle annuiés des sommes payables à inervalles de emps déerminés e fixes. Les annuiés peuven servir à : - consiuer un capial ( annuiés de placemen ) - rembourser une dee ( annuiés
Plus en détailSéquence 2. Pourcentages. Sommaire
Séquence 2 Pourcenages Sommaire Pré-requis Évoluions e pourcenages Évoluions successives, évoluion réciproque Complémen sur calcularices e ableur Synhèse du cours Exercices d approfondissemen 1 1 Pré-requis
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 détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailArticle. «Les effets à long terme des fonds de pension» Pascal Belan, Philippe Michel et Bertrand Wigniolle
Aricle «Les effes à long erme des fonds de pension» Pascal Belan, Philippe Michel e Berrand Wigniolle L'Acualié économique, vol 79, n 4, 003, p 457-480 Pour cier ce aricle, uiliser l'informaion suivane
Plus en détailExercices de révision
Exercices de révisio Exercice U ivesisseur souscri à l émissio d u bille de résorerie do les caracérisiques so les suivaes : - Nomial : 5 M - Taux facial : 3,2% - Durée de vie : 9 mois L ivesisseur doi
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 détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailSélection de portefeuilles et prédictibilité des rendements via la durée de l avantage concurrentiel 1
ASAC 008 Halifax, Nouvelle-Écosse Jacques Sain-Pierre (Professeur Tiulaire) Chawki Mouelhi (Éudian au Ph.D.) Faculé des sciences de l adminisraion Universié Laval Sélecion de porefeuilles e prédicibilié
Plus en détailPARTIAL DIFFERENTIAL EQUATIONS. On global discontinuous solutions of Hamilton-Jacobi equations.
EQUATIONS AUX DERIVEES PARTIELLES. Sur des soluions globales disconinues des équaions d Hamilon-Jacobi, par Gui-Qiang Chen e Bo Su Résumé. On éabli l unicié des soluions de viscosié semiconinues classiques
Plus en détailCHAPITRE 4 RÉPONSES AUX CHOCS D INFLATION : LES PAYS DU G7 DIFFÈRENT-ILS LES UNS DES AUTRES?
CHAPITRE RÉPONSES AUX CHOCS D INFLATION : LES PAYS DU G7 DIFFÈRENT-ILS LES UNS DES AUTRES? Les réponses de la poliique monéaire aux chocs d inflaion mondiaux on varié d un pays à l aure Le degré d exposiion
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailN d ordre Année 2008 THESE. présentée. devant l UNIVERSITE CLAUDE BERNARD - LYON 1. pour l obtention. du DIPLOME DE DOCTORAT. (arrêté du 7 août 2006)
N d ordre Année 28 HESE présenée devan l UNIVERSIE CLAUDE BERNARD - LYON pour l obenion du DILOME DE DOCORA (arrêé du 7 aoû 26) présenée e souenue publiquemen le par M. Mohamed HOUKARI IRE : Mesure du
Plus en détail