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

Documents pareils
Processus et martingales en temps continu

Etude de la fonction ζ de Riemann

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

Chapitre 3 : Fonctions d une variable réelle (1)

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

. (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

1 Mesure et intégrale

[ édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ ] [correction] Si n est un entier 2, le rationnel H n =

Limites des Suites numériques

Séries réelles ou complexes

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

Comportement d'une suite

CHAPITRE 2 SÉRIES ENTIÈRES

Les Nombres Parfaits.

Séquence 5. La fonction logarithme népérien. Sommaire

STATISTIQUE : TESTS D HYPOTHESES

Suites et séries de fonctions

14 Chapitre 14. Théorème du point fixe

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

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

Solutions particulières d une équation différentielle...

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

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

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

STATISTIQUE AVANCÉE : MÉTHODES

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre Quelques dénitions

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

4 Approximation des fonctions

Introduction : Mesures et espaces de probabilités

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

Statistique descriptive bidimensionnelle

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Cours 5 : ESTIMATION PONCTUELLE

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...

Cours de Statistiques inférentielles

Processus géométrique généralisé et applications en fiabilité

SÉRIES STATISTIQUES À DEUX VARIABLES

Dénombrement. Chapitre Enoncés des exercices

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

Formation d un ester à partir d un acide et d un alcool

EXERCICES : DÉNOMBREMENT

Probabilités et statistique pour le CAPES

c. Calcul pour une évolution d une proportion entre deux années non consécutives

Baccalauréat S Asie 19 juin 2014 Corrigé

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent machaven/

Module 3 : Inversion de matrices

Polynésie Septembre Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

Chaînes de Markov. Arthur Charpentier

20. Algorithmique & Mathématiques

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Des résultats d irrationalité pour deux fonctions particulières

Chap. 5 : Les intérêts (Les calculs financiers)

Contribution à la théorie des entiers friables

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Espérance conditionnelle

Une action! Un message!

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)

En général, il n y a pas d algorithme fini pour trouver une solution. On est donc obligé d utiliser

55 - EXEMPLES D UTILISATION DU TABLEUR.

Exercices de mathématiques

Séries numériques. Chap. 02 : cours complet.

3. Conditionnement P (B)

2 ième partie : MATHÉMATIQUES FINANCIÈRES

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

DETERMINANTS. a b et a'

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

Statistique Numérique et Analyse des Données

Gérer les applications

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Initiation à l analyse factorielle des correspondances

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.

Moments des variables aléatoires réelles

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

Terminale S. Terminale S 1 F. Laroche

Les nouveaux relevés de compte

UV SQ 20. Automne Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT

Chapitre 3 : Transistor bipolaire à jonction

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï

La tarification hospitalière : de l enveloppe globale à la concurrence par comparaison

Sommes de signaux : Décomposition de Fourier Spectre ondes stationnaires et résonance

Théorie de la Mesure et Intégration

S-PENSION. Constituez-vous un capital retraite complémentaire pour demain tout en bénéficiant d avantages fiscaux dès aujourd hui.

Probabilités III Introduction à l évaluation d options

Télé OPTIK. Plus spectaculaire que jamais.

4. Martingales à temps discret

La spirale de Théodore bis, et la suite «somme=produit».

Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles

MESURE DE L'INFORMATION

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS

Intégration et probabilités TD1 Espaces mesurés

Cours de Calcul stochastique Master 2IF EVRY. Monique Jeanblanc

TARIFS BANCAIRES. Opérations bancaires avec l étranger Extrait des conditions bancaires au 1 er juillet Opérations à destination de l étranger

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Transcription:

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 est ue famille (F ) 0 de sous-tribus de F telles que F F +1 pour tout 0. OposeF 1 = {, Ω} et F = σ(f, 0) (F est la plus petite tribu qui cotiee les F pour 0). Soit (X ) 0 u processus stochastique, sa filtratio aturelle (F X ) 0 est la filtratio défiie par F X = σ(x 0,,X ). Défiitio 2. Soit (X ) 0 u processus stochastique et (F ) 0 ue filtratio, o dit que (X ) 0 est adapté (à la filtratio (F ) 0 ) ssi X ˆF pour tout 0. Oditque(X ) 0 est prévisible (par rapport à la filtratio (F ) 0 ) ssi X ˆF 1 pour tout 0. La filtratio aturelle de X est la plus petite filtratio à laquelle X est adapté. Défiitio 3. U processus (X ) 0 réel, adapté et itégrable (c-à-d tel que E[ X ] < + pour tout 0) est i. ue martigale ssi E[X +1 F ]=X p.s. pour tout 0 ; ii. ue sur-martigale ssi E[X +1 F ] X p.s. pour tout 0 ; iii. ue sous-martigale ssi E[X +1 F ] X p.s. pour tout 0. Si o iterprète (X ) 0 comme les gais das u jeux d hasard et la filtratio (F ) 0 comme l iformatio à dispositio à chaque istat de temps, alors ue martigale est u jeux équitable, ue sur-martigale est u jeux défavorable et ue sous-martigale u jeux favorable. Remarque 4. Si X est ue martigale, alors par récurrece de la défiitio o a que E[X m F ]=X pour tout m 0. Ue propriété aalogue est valable pour les sous/sur-martigales. Si o ote X = X X 1 alors o a que la propriété de (sous-/sur-)martigale est équivalet à E[ X +1 F ]=0(ou, ou ) pour tout 0. Exemple 5. Soit Z ue v.a. réelle et itégrable. Alors X = E[Z F ] est ue martigale. Si (A ) 0 est u processus réel adapté et croissat (décroissat) alors il est aussi ue sous-(sur-) martigale. Propositio 6. ( Décompositio de Doob) Soit (X ) 0 ue suite adapté et itégrable, alors il existe u uique martigale (M ) 0 et u uique processus (I ) 0 prévisible, itégrable et tel que I 0 =0 tels que o a X = X 0 + M + I, 0. De plus a) I =0 pour tout 0 ssi (X ) 0 est ue martigale ; b) (I ) 0 est croissat ssi (X ) 0 est ue sous-martigale ; c) (I ) 0 est décroissat ssi (X ) 0 est ue sur-martigale.

2 Sectio 1 Démostratio. O démotre l uicité de la décompositio d abord: si M,Ĩ sot ue autre possible décompositio de X e partie martigale et processus prévisible itégrable, alors o doit avoir M + Ĩ = M + I = X X 0 et doc si o pose N = M M = I Ĩ o a que N est ue martigale et au même temps u processus prévisible itégrable, doc pour tout 0 N = E[N +1 F ]=N +1 car N +1 ˆF ce qu implique que N estcostate et doc que N = N 0 =0 car I 0 = Ĩ 0 =0. Doc I = Ĩ et M = M. Pour l existece o remarque que M = X I et e preat l espérace coditioelle o obtiet que 0=E[ M +1 F ]=E[ X +1 F ] E[ I +1 F ]=E[ X +1 F ] I +1 car par la prévisibilité de I o a I +1 ˆF. Doc o peut poser 1 I = E[ X i+1 F i ], I 0 =0 i=0 ce qui ous doe u processus prévisible et itégrable. Il est aussi évidet que si o pose M = X X 0 I alors (M ) 0 est ue martigale. La formule pour I doe directemet que si (X ) 0 est martigale alors I =0pour tout 0, l implicatio opposée est évidete. Si (X ) 0 est ue (sur-)sous-martigale alors pour tout : E[ X +1 F ] X (ou )etdocleprocessusi est (de-)croissat. Propositio 7. Soit (X ) 0 ue (sous-)martigale et Φ ue foctio covexe (covexe et croissate) et telle que E[ Φ(X ) ] < + pour tout 0, alors(φ(x )) 0 est ue sous-martigale. Démostratio. Par l iégalité de Jese o a que E[Φ(X +1 ) F ] Φ(E[X +1 F ]) = Φ(X ) ou la derière égalité est due à la propriété de martigale de X. Si X est sous-martigale o a que E[Φ(X +1 ) F ] Φ(E[X +1 F ]) Φ(X ) par le fait que o suppose Φ croissate. Propositio 8. Soit (X ) 0 ue martigale de carre itegrable (c-à-d E[X 2 ] < + pour tout 0). Alors la sous-martigale (X 2 ) 0 admet la décompositio avec X 2 = X 0 2 + N +[X] N =2 X i 1 X i, [X] = ( X i ) 2 où le processus (M ) 0 estumartigaleetleprocessus([x] ) 0 est u processus croissate appelé variatio quadratique de X. Démostratio. (exercice) Exercice 1. Soit (X ) 0 ue martigale. Détermier la décompositio de Doob de (X 2 ) 0 : X 2 = X 2 0 + M + X avec (M ) 0 martigale et ( X ) 0 processus prévisible (et croissate). Motrer que X = E[( X ) 2 F 1 ]=E[ [X] F 1 ].

Théorèmes de covergece 3 2 Théorèmes de covergece Théorème 9. ( Doob) Soit(X ) 0 ue sous-martigale positive et X = sup 0 i X i pour 0. Alors E[(X N ) 2 ] 4E[X 2 N ] pour tout N 0. Démostratio. O pose X 1 =0 par coveace. O a que (X +1 ) 2 (X ) 2 =(X +1 X )(X +1 + X ) 2X +1 (X +1 X ) pour tout 1 car si X +1 X > 0 alors X +1 = X +1 et X X +1.Doc E[(X +1 ) 2 ] E[(X ) 2 ] 2E[X +1 (X +1 X )] 2E[E[X N F +1 ](X +1 X )] = 2E[E[X N (X +1 X ) F +1 ]] =2E[X N (X +1 X )] où o a utilisé la propriété de sous-martigale de (X ) 0. Par sommatio sur etre 1 et N cela doe E[(X N ) 2 ] 2E[X N X N ] Théorème 10. Soit (M ) 0 ue martigale telle que α = sup 0 E[M 2 ] < +. Alors la suite M coverge das L 2 (Ω) et p.s. Démostratio. O décompose la martigale selo ses icrémets: M = M 0 + M k et o remarque que les icrémets sot orthogoaux: si >k: E[ M M k ]=E[E[ M M k F 1 ]] = E[E[ M F 1 ] M k ]=0 car M k ˆF k F 1.Doc et E[M 2 ]=E[M 2 0 ]+ E[( M k ) 2 ] E[M 2 0 ]+ E[( M k ) 2 ]=α ce que implique que la suite M k coverge das L 2 (Ω) et doc que M = lim M das L 2 :eeffetpourtoutk k E[ M k M k 2 ]= k E[( M l ) 2 ] E[( M l ) 2 ] 0 l=k+1 l=+1 quad +. Lasuite(M ) 0 estdocdecauchydasl 2 (Ω). O veut maiteat motrer la covergece presque sûre. Pour cela o cosidère la v.a. O a E[V 2 ]=E[ lim sup N i,j N V = sup M i M j. i,j M i M j 2 ]= lim E[ sup N i,j N M i M j 2 ] 4 lim E[ sup M i M 2 ] N i N

4 Sectio 2 car par iégalité triagulaire M i M j M i M + M j M et (a + b) 2 2a 2 +2b 2 pour a, b 0. Fixos 0 et soit Y k = M +k M et G k = F +k. Le processus (Y k ) k 0 est ue martigale de carré itégrable relative à la filtratio (G k ) k 0 et doc par l iégalité de Doob (car ( Y k ) k 0 est ue sous-martigale positive par rapport à la filtratio (G k ) k 0 )oaque ce que ous doe E[ sup Y 2 k ]=E[( sup Y k ) 2 ] 4E[Y 2 N ] 0 k N 0 k N E[V 2 ] 4 lim E[ sup Y 2 k ] 16 lim E[Y N 2 ]=16 lim E[ M N M 2 ]=16E[ M M 2 ] N 0 k N N N car la covergece de M vers M alieudasl 2. Maiteat si o preds la limite o obtiet par covergece mootoe (la suite V est décroissate) E[ lim V 2 ]= lim E[V 2 ]= lim 16E[ M M 2 ]=0 et doc lim V =0 presque sûremet. Mais cela implique que pour presque tout ω Ω la suite réelle (M (ω)) 0 coverge vers u limite M (ω). De la covergece L 2 de (M ) 0 vers M o peut déduire qu il existe ue sous-suite M k qui coverge p.s. vers M et doc o doit avoir M = M. Lemme 11. Soit (X ) 0 ue sur-martigale positive et borée par K. La martigale (M ) 0 de la décompositio de Doob est uiformémet de carré itégrable et E[M 2 ] 2 K E[X 0 ] E[X 0 2 ]. Démostratio. La martigale M est défiie par M = X X 0 + A où A est u processus prévisible, itégrable et positif croissate (car X est ue sur-martigale). Par costructio X, A et doc M sot de carré itégrable, e particulier E[M 2 ]= E[( M i ) 2 ]. O observe que E[( M i ) 2 ]=E[( X i E[ X i F i 1 ]) 2 ] E[( X i ) 2 ] compte teu des propriétés de la variace coditioelle. Observos que Par sommatio, il viet E[( X i ) 2 ]=E[X 2 2 i ] E[X i 1 ] 2E[X i 1 (X i X i 1 )] = E[X 2 2 i ] E[X i 1 ]+2E[X i 1 (A i A i 1 )]. E[M 2 ] E[X 2 ] E[X 2 0 ]+2 E[X i 1 (A i A i 1 )] E[X 2 ] E[X 2 0 ]+2K E[A i A i 1 ]=E[X 2 ] E[X 2 0 ]+2K E[A ] = E[X 2 2KX ] E[X 0 2 ]+2K E[A + X ] = E[X 2 2KX ] E[X 0 2 ]+2K E[X 0 ] 2K E[X 0 ] E[X 0 2 ] car X 2 2KX = X (X 2K) 0 et où o a utilisé la propriété de martigale de A + X. Lemme 12. Soit (X ) 0 uesous-martigaletellequesup E[(X ) + ]=K<+. AlorsX = Y Z où (Y ) 0 est ue martigale positive et (Z ) 0 est ue sur-martigale positive. Démostratio. Le processus ((X ) + ) 0 estuesous-martigalededécompositiodedoob (X ) + =(X 0 ) + + M + I où I est u processus croissat, positif, prévisible et itégrable tel que E[I ] E[ X 0 ]+E[(X ) + ] E[ X 0 ]+K.

Arrêt optioel 5 La v.a. I = lim I (qu existe car I est croissate) est doc aussi itégrable (par covergece mootoe E[I ]=lim E[I ]). Soit Y =(X 0 ) + + M + E[I F ], (Y ) 0 est ue martigale par costructio et elle est positive car Y (X 0 ) + + M + I =(X ) + 0 du fait que E[I F ] E[I F ]=I.AlorsZ = Y X (X ) + X =(X ) 0 est ue sur-martigale (car différece d ue martigale et d ue sous-martigale) positive, d où le résultat. Théorème 13. (Doob) Soit (X ) 0 ue sur-martigale positive. Alors (X ) 0 coverge p.s. vers ue v.a. X L 1 (Ω). Soit(X ) 0 ue sous-martigale telle que sup E[(X ) + ] <. Alors (X ) 0 coverge p.s. vers ue v.a. X L 1 (Ω). Démostratio. Supposos d abord que (X ) 0 soit ue sur-martigale (X ) 0 positive et borée par K. D après le lemme 11, elle admet ue décompositio e X = M A,oùlamartigale est borée das L 2 et doc coverge p.s. vers ue v.a. fiie M et comme la suite (X ) 0 est borée alors il existe aussi la limite fiie A = lim A (car A est croissat). La suite (X ) 0 coverge doc p.s.. Par chagemet de sige, il e est de même pour les sousmartigales borées. Cosidéros maiteat ue sur-martigale positive (Z ) 0 et soit X = e Z. Le processus (X ) 0 est ue sous-martigale positive et borée par 1. Pour ce que o viet de voir, elle coverge doc p.s. et e est de même pour la suite Z = log X à coditio d admettre + comme limite. Mais E[Z ]=E[limif Z ] limif E[Z ] E[Z 0 ]. La limite est itégrable et doc fiie p.s. Si (X ) 0 est ue sous-martigale borée das L 1 alors o peut utiliser le lemme 12 pour la décomposer e X = Y Z avec (Y ) 0 martigale positive et (Z ) 0 sur-martigale positive. Ce deux processus coverget p.s. vers des limites Y et Z fiis et itégrables. Doc o obtiet aussi le derier résultat. Remarque 14. Bie que la limite d ue sous-martigale borée das L 1 soit ue v.a. das L 1, cette covergece a pas a priori lieu e L 1. Voici u cotre exemple. Soit (Z ) 0 ue suite iid avec P(Z =+1)=1 P(Z = 1) = p. Soitu>1. OposeX 0 = x et X +1 = u Z+1 X. Supposos que p =1/(1+u) de telle sorte que E[u Z+1 ]=1. Alors il est facile de vérifier que (X ) 0 est ue martigale et doc E[X ]=E[X 0 ]=x. Par la loi forte des grads ombres o a d où 1 lim Z k = E[Z 1 ]=2p 1= 1 u 1+u < 0 ( ) 1/ X u 2p 1 < 1 p.s. x Aisi X 0 p.s., alors que so espérace est costate! (et doc X 0 das L 1 ). 3 Arrêt optioel Défiitio 15. ( Trasformatio de Martigale) Soit (X ) 0 u processus adapté et (C ) 1 u processus prévisible. O défiit le ouveau processus ((C X) ) 0 par (C X) 0 =0 et (C X) = C X pour tout 1. Alors (C X) = C i (X i X i 1 ). Lemme 16. Soit (C ) 1 u processus prévisible borée (c-à-d C K pour tout 1). i. Si (X ) 0 est ue martigale alors ((C X) ) 0 est ue martigale.

6 Sectio 3 ii. Si (X ) 0 est ue (sous-)sur-martigale et C 0 pour tout 1 alors ((C X) ) 0 est ue (sous-)sur-martigale. Ces propriétés sot aussi valables sas coditio de boritude si C L 2 pour tout 1 et X L 2 pour tout 0. Démostratio. L itegrabilité et l adaptatio de ((C X) ) 0 sot laisse e exercice. O a que, pour tout 1, E[ (C X) F 1 ]=E[C X F 1 ]=C E[ X F 1 ] par la prévisibilité de (C ) 1 et doc o peut coclure. Défiitio 17. Ue v.a. T :Ω N = N {+ } est u temps d arrêt si {T } F pour tout 0 +. DemaièreéquivaleteT est u t.a. ssi {T = } F pour tout 0 +. Exemple 18. Soit (X ) 0 u processus adapté et A u borelie de R, alors T A = if {>0:X A} (avec T A =+ si X A pour tout >0) est u temps d arrêt: pour tout 0 + o a {T } = 0<k {X k A} F. Si T est u t.a. et (X ) 0 u processus adapté alors le processus X T (ω) =X T (ω) (ω) est ecore adapté (exercice) et s appelle processus arrêté e T. Il est facile de motrer que si o pose C =1 T alors le processus (C ) 1 est prévisible et (C X) = X T doc o peut coclure que Théorème 19. Si T est u temps d arrêt et (X ) 0 est ue (sur-)martigale, alors (X T ) 0 est ue (sur-)martigale et e particulier E[X T ] E[X 0 ] das le cas des sur-martigales (avec égalité pour les martigales). Remarque 20. Soit (X ) 0 la marche aléatoire simple sur Z avec X 0 =0,alors(X ) 0 est ue martigale et pour tout t.a. T o a que Mais e gééral E[X T ]=E[X 0 ]=0 E[X T ] 0 e effet si T = if { >0: X =1} alors par récurrece o a que P(T <+ )=1 et X T =1qui doe E[X T ]=1. Doc la covergece L 1 de X T vers X T a pas toujours lieu. Théorème 21. ( théorème d arrêt optioel de Doob) SoitT u t.a. et (X ) 0 ue sur-martigale, alors X T est itegrable et E[X T ] E[X 0 ] das les cas suivates : i. T est boré ii. X est boré et T<+ p.s. iii. E[T ] < + et pour tout K>0 et tout 1 X X 1 K. iv. X 0 pour tout 0 et T<+ p.s. Démostratio. O sait que pour tout 1 E[X T X 0 ] 0.

Arrêt optioel 7 (i) Si T N il suffit de predre = N. (ii) O peut utiliser la covergece domiée pour motrer que 0 lim E[X T X 0 ]=E[lim (X T X 0 )] = E[X T X 0 ]. (iii) O a que T X T X 0 X k KT si X k K pour tout k 0. DufaitqueE[T ] < + o e déduit par covergece domiée que E[X T ] E[X 0 ]. (iv) La suite (X T ) 0 est positive et coverge p.s. à X T doc par le lemmedefatouoaque E[X 0 ] limif E[X T ] E[limif X T ]=E[X T ].