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 ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
7. FILTRAGE ET COMMANDE EN OBSERVATION INCOMPLÈTE 143<br />
dans l’ensemble d’états<br />
{(1, p 1 ), (1, p 2 )}<br />
et vaut 2 si <strong>la</strong> chaîne est dans l’ensemble<br />
{(2, p 1 ), (2, p 2 )} .<br />
La matrice de transition de sauter d’un état dans un autre et d’observer<br />
1 vaut<br />
⎛<br />
⎞<br />
1 − p 1 0 0 0<br />
M 1 = ⎜ p 1 0 0 0<br />
⎟<br />
⎝ 0 0 1− p 2 0 ⎠ ,<br />
0 0 p 2 0<br />
celle d’observer 2 vaut<br />
⎛<br />
M 2 =<br />
⎜<br />
⎝<br />
⎞<br />
0 p 1 0 0<br />
0 1− p 1 0 0<br />
⎟<br />
0 0 0 p 2 ⎠ .<br />
0 0 0 1− p 2<br />
On vérifie que M 1 + M 2 est une matrice <strong>stochastique</strong>.<br />
2. La loi initiale q 0 est donnée par <strong>la</strong> matrice<br />
( )<br />
1/2 0 1/2 0<br />
q 0 =<br />
,<br />
0 0 0 0<br />
où<strong>la</strong>première ligne correspond <strong>à</strong> l’observation y = 1 et <strong>la</strong> deuxième<br />
<strong>à</strong> y = 2.<br />
Pour obtenir <strong>la</strong> probabilité conditionnelle (notée q 3 ) que p = p 1<br />
ou p = p 2 aprés les observations (1,2,1,1) il faut faire les produits<br />
matricielles<br />
q 01 M 2 M 1 M 1<br />
et renormaliser le résultat pour en faire une probabilitésoit<br />
q 3 = 1 ( ( p 1 ) 2 (1 − p 1 ) 0 ( p 2 ) 2 (1 − p 2 ) 0 ) ,<br />
c<br />
avec c = ( p 1 ) 2 (1 − p 1 ) + ( p 2 ) 2 (1 − p 2 ) et donc <strong>la</strong> probabilité pour<br />
que p = p 1 est <strong>la</strong> probabilité pour que <strong>la</strong> chaîne étendu soit dans un<br />
des 2 premiers états c.a.d.<br />
( p 1 ) 2 (1 − p 1 )/c .<br />
3. Les formules précédentes se généralisent au k changements d’états<br />
pour N observations. La probabilité conditionnelle pour que p = p 1<br />
vaut<br />
( p 1 ) k (1 − p 1 ) N−k<br />
( p 1 ) k (1 − p 1 ) N−k + ( p 2 ) k (1 − p 2 ) N−k .<br />
On appellera α N cette probabilité.