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.
42 2. CHAÎNES DE BELLMAN<br />
plus précisemment on a<br />
M p m,σ ⋆ M p¯m, ¯σ = M p avec 1/p + 1/p ′ = 1 .<br />
m+¯m,[σ p′ +¯σ p′ ] 1/ p′<br />
3.4. LES THÉOREMES LIMITES POUR LES VARIABLES DE DÉCISION<br />
On étudie le comportement asymptotique de sommes de variables de<br />
décision indépendantes lorsque le nombre de termes tend vers l’infini. Pour<br />
ce<strong>la</strong> on doit définir les topologies utilisées. Nous ne considérons ici que les<br />
deux types de convergence les plus importants.<br />
DÉFINITION 3.10. Pour une suite de variable de décisions {X m , m ∈ N} on<br />
dit que<br />
1. X m converge faiblement vers X, que l’on note par X m → w X, si pour<br />
tout f dans C b (E) (où C b (E) désigne l’ensemble des fonctions continues<br />
bornées inférieurement de E dans R min ),<br />
lim M[ f (X m )] = M[ f (X)] .<br />
m<br />
2. X m ∈ D p converge en p-sensibilité vers X ∈ D p , notée X m D p<br />
−→ X,<br />
si lim m ‖X m − X‖ p = 0 .<br />
On peut montrer le théorème suivant<br />
THÉORÈME 3.11. La convergence en sensibilité entraine<strong>la</strong>convergence<br />
faible et <strong>la</strong> réciproque est fausse.<br />
On peut alors énoncer l’analogue de <strong>la</strong> loi des grands nombres et du<br />
théorème de <strong>la</strong> limite centrale.<br />
THÉORÈME 3.12 (des grands nombres et de <strong>la</strong> limite centrale). Etant donnée<br />
<strong>la</strong> suite {X m , m ∈ N} de variables de décision indépendantes et de<br />
coûts identiques (i.c.i.) appartenant D p , ∞ > p ≥ 1, on a<br />
lim<br />
N→∞<br />
1<br />
N<br />
∑N−1<br />
m=0<br />
X m = O(X 0 ),<br />
où <strong>la</strong> limite est prise au sens de <strong>la</strong> convergence en p-sensibilité.<br />
De plus si les X m sont centrées<br />
N−1<br />
1<br />
w − lim<br />
N N<br />
1/ p′<br />
∑<br />
m=0<br />
X m = X, avec 1/p + 1/p ′ = 1 ,<br />
où X est une variable de décision de coût égal <strong>à</strong> M p 0,σ p (X 0 ) .<br />
3.5. TRANSFORMÉE DE CRAMER<br />
La transformée de Cramer définie par (C def<br />
= F ◦ log ◦L,où L désigne <strong>la</strong><br />
transformée de Lap<strong>la</strong>ce) transforme les mesures de probabilités en fonction<br />
convexes et les convolutions en inf-convolutions :<br />
C( f ∗ g) = C( f )⋆C(g).