martingales discrètes, chaines de Markov, processus de Poisson
martingales discrètes, chaines de Markov, processus de Poisson
martingales discrètes, chaines de Markov, processus de Poisson
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
∃x tel que µ(x) = 0 implique µ(y) = 0, ∀y.<br />
∃x tel que µ(x) < ∞ implique µ(y) < ∞, ∀y.<br />
∃x tel que µ(x) > 0 implique µ(y) > 0, ∀y.<br />
Preuve : Puisque la chaîne est irréductible, U(y, x) > 0 pour x ≠ y : ∃n, Q n (y, x) > 0.<br />
Comme µ ≥ µQ n , µ(x) ≥ ∑ z µ(z)Q n (z, x) ≥ µ(y)Q ⊗n (y, x).<br />
Ainsi, µ(x) = 0 ⇒ µ(y) = 0, µ(x) < ∞ ⇒ µ(y) < ∞.<br />
S’il existe x avec µ(x) > 0, supposons qu’il existe y, µ(y) = 0. Alors tous les points sont<br />
<strong>de</strong> mesure nulle, d’où la contradiction : ou ils sont tous <strong>de</strong> mesure > 0 ou tous <strong>de</strong> mesure<br />
nulle.<br />
•<br />
Théorème 2.38 QC7<br />
Soit X une chaîne irréductible récurrente. Alors X possè<strong>de</strong> une mesure invariante unique<br />
à un coefficient multiplicatif près.<br />
Cette mesure vérifie ∀y ∈ E, µ(y) ∈ R + ∗ et pour x ∈ E, la mesure unique µ x telle que<br />
µ x (x) = 1 est donnée par<br />
T∑<br />
x−1<br />
µ x (y) = E x [ 1 {y} (X k )].<br />
k=0<br />
De plus, µ x est telle que µ x (E) = E x (T x ) ∈ R + .<br />
Preuve : (i) On définit une mesure ν x (y) = E x [ ∑ T x<br />
k=1 1 {y}(X k )] et pour f mesurable<br />
positive, µ x (f) = E x [ ∑ T x−1<br />
k=0 f(X k)] et ν x (f) = E x [ ∑ T x<br />
k=1 f(X k)]. Par ailleurs, µ x (x) =<br />
ν x (x) = 1, µ x (E) = E x (T x ) = ν x (E). De fait, µ x = ν x .<br />
. µ x est invariante<br />
T∑<br />
x−1<br />
µ x Q(f) = µ x (Qf) = E x [ Qf(X k )] = ∑ E x [1 k