Modélisation stochastique, Chaînes de Markov continues
Modélisation stochastique, Chaînes de Markov continues
Modélisation stochastique, Chaînes de Markov continues
Transformez vos PDF en papier électronique et augmentez vos revenus !
Optimisez vos papiers électroniques pour le SEO, utilisez des backlinks puissants et du contenu multimédia pour maximiser votre visibilité et vos ventes.
Introduction<br />
Outline<br />
Probabilités<br />
<strong>de</strong> transition<br />
Générateur<br />
Probabilités<br />
d’état<br />
Comportement<br />
asymptotique<br />
Classification<br />
<strong>de</strong>s états<br />
{X n } : suite <strong>de</strong> variables aléatoires prenant <strong>de</strong>s valeurs<br />
dans E = {0, 1, 2, . . . , m}, E dénombrable.<br />
La probabilité <strong>de</strong> transition d’un état (i) à l’instant t à un<br />
autre état (j) à l’instant t + τ ne dépend que <strong>de</strong> la<br />
différence <strong>de</strong> temps τ :<br />
Processus homogène :<br />
P (X t+τ = j|X t = i) = p ij (τ)<br />
P (X t+τ = j|X(t) = i) = P (X τ = j|X 0 = i) = p ij (τ)<br />
4 / 29<br />
Stephan Robert, HEIG-Vd<br />
Modélisation <strong>stochastique</strong>, Chaînes <strong>de</strong> <strong>Markov</strong> <strong>continues</strong>