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.
9<br />
CHAPITRE 1<br />
CHAÎNES DE MARKOV<br />
1. DÉFINITIONS<br />
Une chaînedeMarkovestdéfinie <strong>à</strong> partir du quadruplet (T , E, M n , p 0 )<br />
où:<br />
• E ={1, 2, ··· , E} désigne l’espace des états qui sera fini;<br />
• n ∈ N = T le temps;<br />
• M n , n ∈ T une famille de matrices E × E appelées matrices de<br />
transition vérifiant :<br />
M n xy<br />
∑<br />
M n xy<br />
y∈E<br />
≥ 0, ∀n ∈ T , ∀x, y ∈ E ,<br />
= 1, ∀n ∈ T , ∀x ∈ E ;<br />
• p 0 une probabilitésurE appelée loi initiale .<br />
On appelle alors :<br />
• = E T l’espace des trajectoires, ω ∈ ; X n (ω) = ω n les applications<br />
coordonnées;<br />
• F n = { P(E n ) ×{E, ∅} N} , n ∈ T <strong>la</strong> famille de tribus croissantes sur<br />
rendant { les applications } coordonnées X j , j ≤ n mesurables;<br />
⋃ ∞<br />
• F = σ F n <strong>la</strong> tribu engendrée par les F n .<br />
n=1<br />
Sur (, F) une loi de probabilité sera dite markovienne si :<br />
P(X n+1 = x n+1 |X n = x n , X n−1 = x n−1 , ..., X 0 = x 0 ) = M n x n x n+1 .<br />
Si M n = M, ∀n ∈ T , on dira que <strong>la</strong> chaîne est homogène en temps. La<br />
loi de probabilité sur l’espace des trajectoires est définie de façon unique<br />
(grâce <strong>à</strong>unthéorème de Kolmogorov) par ses lois marginales de dimension<br />
finie :<br />
n∏<br />
P(X n+1 = x n+1 , ··· , X 0 = x 0 ) = p 0 x<br />
M k 0 x k x<br />
. k+1<br />
k=0<br />
Pour illustrer ces définitions donnons quelques exemples.<br />
2. EXEMPLES