martingales discrètes, chaines de Markov, processus de Poisson
martingales discrètes, chaines de Markov, processus de Poisson
martingales discrètes, chaines de Markov, processus de Poisson
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
3.2 Premières propriétés<br />
1. Exercice : Si N est un <strong>processus</strong> <strong>de</strong> <strong>Poisson</strong>, t ↦→ M t = N t − N 0 est aussi un <strong>processus</strong><br />
<strong>de</strong> <strong>Poisson</strong> issu <strong>de</strong> 0 : M 0 = 0. en effet, on peut vérifier que les trois propriétés sont<br />
préservées car M t+s − M t = N t+s − N t .<br />
A partir <strong>de</strong> maintenant, on prendra en général N 0<br />
<strong>Poisson</strong> issu <strong>de</strong> 0.<br />
= 0, c’est à dire un <strong>processus</strong> <strong>de</strong><br />
2. Exercice : ∀n, ∀t 1 ≤, · · · , t n , la loi <strong>de</strong> (N t1 , · · · , N tn ) est l’image <strong>de</strong> µ t1 ⊗· · ·⊗µ tn−tn−1<br />
par l’application f : x ↦→ (x 1 , x 1 + x 2 , · · · , x 1 + · · · + x n ).<br />
C’est une conséquence du fait que (N t1 , · · · , N t1 ) = f(N ti −t i−1<br />
) où les N ti −t i−1<br />
sont <strong>de</strong>s<br />
variables aléatoires indépendantes <strong>de</strong> loi ⊗ i µ ti −t i−1<br />
.<br />
3.<br />
Lemme 3.3 QC 8<br />
Soit N un <strong>processus</strong> <strong>de</strong> <strong>Poisson</strong> (au sens <strong>de</strong> la définition 3.2) issu <strong>de</strong> 0 vérifiant l’hypothèse<br />
H et soit G t (u) = E(u Nt ) la fonction génératrice <strong>de</strong> N t . Alors<br />
1. ∀u ∈]0, 1[, t ↦→ G t (u) est càd et il existe une fonction C strictement positive sur<br />
]0, 1[ telle que G t (u) = e −C(u).t .<br />
2. Si N 0 = 0, il existe λ > 0 : P(N t − N 0 = 0) = e −λt .<br />
Preuve : (i) l’application t ↦→ N t est continue à droite presque sûrement ; puis 0 < u < 1<br />
implique 0 < u Nt < 1 et t ↦→ u Nt est continue à droite presque sûrement et bornée ; le<br />
théorème <strong>de</strong> Lebesgue montre alors que t ↦→ G t (u) est continue à droite.<br />
(ii) G t+s (u) = E[u N t+s−N s<br />
u Ns = G t (u)G s (u) par (ii) et (iii) <strong>de</strong> la définition 3.2. De<br />
plus N est issu <strong>de</strong> 0 montre que G 0 (u) = 1.<br />
(iii) Par un théorème classique d’analyse, les trois faits : continuité à doite, G 0 (u) = 1<br />
et G t+s = G t G s montre l’existence d’une constante positive C(u) telle que g t (u) = e −C(u)t .<br />
L’application f : t ↦→ P(N t = 0) vérifie f(0) = 1 et f(s + t) = f(s)f(t) par le même<br />
argument que pour 1. De plus elle est continue à droite : en effet, puisque N est croissant,<br />
si une suite s n décroit vers t, la suite f(s n ) est croissante vers P(∪ n {N sn ) = 0}). Mais N<br />
est à valeurs entière et càd : qd s n tend vers t, sur lévénement (N t = 0), il existe n à<br />
partir duquel N sn = 0, et donc {N t = 0} = ∪ n {N sn ) = 0}, d’où la continuité à droite. •<br />
Corollaire 3.4 H implique P(lim(N t = 0)) = 0.<br />
Preuve : ∀k ≥ 0, P(N k = 0) = e −λk , ∑ k e −λk < ∞ et le lemme <strong>de</strong> Borel-Cantelli permettent<br />
<strong>de</strong> conclure.<br />
•<br />
Avant <strong>de</strong> donner la loi <strong>de</strong> N t , on va s’occuper <strong>de</strong>s temps <strong>de</strong> saut et <strong>de</strong>s temps d’arrêt.<br />
53