16.07.2014 Views

martingales discrètes, chaines de Markov, processus de Poisson

martingales discrètes, chaines de Markov, processus de Poisson

martingales discrètes, chaines de Markov, processus de Poisson

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Proposition 3.13 Soit sur un espace <strong>de</strong> probabilité filtré (Ω, F t ; t ∈ R + , P) un <strong>processus</strong><br />

stochastique càd F-adapté (X t , t ∈ R + ) à valeurs dans E sous ensemble discret <strong>de</strong> réels ;<br />

T un F X -temps d’arrêt presque sûrement fini. Alors ω ↦→ X T (ω) (ω) est F T -mesurable.<br />

Preuve : On utilise le lemme d’approximation précé<strong>de</strong>nt. Comme X est càd, et que T n<br />

décroit vers T, la suite X Tn tend presque sûrement vers X T . Or, X est à valeurs <strong>discrètes</strong> :<br />

∀ω ∈ Ω, ∃N(ω), ∀n ≥ N(ω), X Tn (ω) = X T (ω).<br />

Le but est démontrer que pour tout x <strong>de</strong> E et tout réel positif t,<br />

{X T = x} ∩ {T ≤ t} ∈ F t . Or :<br />

. {T ≤ t} = {T < t} ∪ {T = t} ; {T = t} = {T ≤ t} ∩ n>0 {T > t − 1/n} ∈ F t .<br />

. {X T = x} ∩ {T = t} = {X t = x} ∩ {T = t} ∈ F t .<br />

.{X T = x} ∩ {T = t} = ∪ k≥0 ∩ p≥k {X Tp = x} ∩ {T p = t} car T p décroit vers T et pour<br />

p assez grand, X Tp = X T .<br />

a) si p < t, T p ≤ p < t et<br />

{X Tp = x} = ∪ p2p −1<br />

k=0 {X 2 −p (k+1) = x}∩{2 −p k ≤ T < 2 −p (k+1)}∪{X p = x}∩{T ≥ p} ∈ F t .<br />

b) si p ≥ t,<br />

{X Tp = x} ∩ {T < t} = ∪ t>(k+1)2 −p{X 2 −p (k+1) = x} ∩ {2 −p k ≤ T < 2 −p (k + 1)} ∈ F t<br />

car aucun indice ne dépasse t. Ainsi X T est-il F T mesurable.<br />

•<br />

3.4 Processus <strong>de</strong> <strong>Markov</strong>, <strong>processus</strong> à accroissements indépendants<br />

Définition 3.14 Un <strong>processus</strong> à accroissements indépendants (PAI) est un <strong>processus</strong><br />

stochastique qui vérifie la propriété (ii) <strong>de</strong> la définition 3.2.<br />

Un <strong>processus</strong> à accroissements stationnaires (PAS) est un <strong>processus</strong> stochastique<br />

qui vérifie la propriété (iii) <strong>de</strong> la définition 3.2.<br />

On note PAIS un <strong>processus</strong> qui vérifie les <strong>de</strong>ux propriétés.<br />

On appelle <strong>processus</strong> <strong>de</strong> <strong>Markov</strong> sur l’espace <strong>de</strong> probabilité filitré (Ω, F t , P), un<br />

<strong>processus</strong> (X t , t ∈ R + ) à valeurs réelles tel que pour tout borélien B, et tout couple <strong>de</strong><br />

réels positifs (t, s),<br />

P(X t+s ∈ B/F t ) = P(X t+s ∈ B/X t ) noté P Xt (X s ∈ B).<br />

On dit qu’il est homogène si <strong>de</strong> plus cette loi conditionnelle ne dépend pas <strong>de</strong> t.<br />

Exemple : un <strong>processus</strong> <strong>de</strong> <strong>Poisson</strong> est un PAIS.<br />

Proposition 3.15 (i) Un PAI est un <strong>processus</strong> <strong>de</strong> <strong>Markov</strong>.<br />

(ii) Un PAIS est <strong>de</strong> plus homogène.<br />

56

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!