Introduction à la commande stochastique v.0.9 - Jean-Pierre ...
Introduction à la commande stochastique v.0.9 - Jean-Pierre ...
Introduction à la commande stochastique v.0.9 - Jean-Pierre ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
12 1. CHAÎNES DE MARKOV<br />
• Y2<br />
n une v.a. <strong>à</strong> valeurs dans {0, 1} indiquant <strong>la</strong> naissance d’un chat<br />
entre i et i + 1:<br />
{<br />
P(Y n 2 = 1|X n 2 ) = ρ3 X2 n sur X2 n < E 2 ,<br />
0 ailleurs ,<br />
• Z1 n une v.a. <strong>à</strong> valeurs dans {0, 1} indiquant <strong>la</strong> mort d’une souris entre<br />
i et i + 1,<br />
P(Z n 1 = 1|X n 1 , X n 2 ) = ρ 2 X n 1 X n 2 ;<br />
• Z2 n une v.a. <strong>à</strong> valeurs dans {0, 1} représentant <strong>la</strong> mort d’un chat entre<br />
i et i + 1,<br />
P(Z n 2 = 1|X n 1 , X n 2 ) = ρ 4<br />
1 + X1<br />
n .<br />
La popu<strong>la</strong>tion de souris est alors comprise entre 0 et E 1 et évolue selon :<br />
X n+1<br />
1<br />
= X n 1 + Y n 1 − Z n 1 .<br />
La popu<strong>la</strong>tion de chats est comprise entre 0 et E 2 et évolue selon :<br />
EXERCICE 2.1.<br />
X n 2<br />
X n+1<br />
2<br />
= X n 2 + Y n 2 − Z n 2 .<br />
1. Quelles sont les variables aléatoires <strong>à</strong>mémoriser<br />
pour rendre le processus markovien?<br />
2. Quelle est <strong>la</strong> matrice de transtion correspondante?<br />
3. Si l’on désigne par c n X<br />
<strong>la</strong> consommation de grains des souris entre<br />
1<br />
n<br />
les instants n et n+1, quelle est l’espérance mathématique de <strong>la</strong> perte<br />
totale de grains c.a.d. quelle est <strong>la</strong> valeur de :<br />
{ }<br />
∑ N−1<br />
E c n X |X 0 1 n 1 = x 0 1 , X 0 2 = x 0 2 ?<br />
n=0<br />
3. EQUATION DE KOLMOGOROV<br />
3.1. EQUATION DE KOLMOGOROV EN AVANT<br />
PROPOSITION 3.1. Si P désigne <strong>la</strong> mesure de probabilité d’une chaîne de<br />
Markov de matrice de transition M et de loi d’entrée p 0 alors <strong>la</strong> loi marginale<br />
p n x définie par P(Xn = x) est solution de :<br />
{<br />
p n = p n−1 M n−1 ,<br />
p 0 (3.1)<br />
donné.<br />
PREUVE. Pardéfinition d’une loi marginale on a :<br />
d’oùlerésultat.<br />
p n x = ( p0 M 0 M 1 ...M n−1 ) x ,