11.07.2014 Vues

Modélisation stochastique, Chaînes de Markov continues

Modélisation stochastique, Chaînes de Markov continues

Modélisation stochastique, Chaînes de Markov continues

SHOW MORE
SHOW LESS

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>

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

Saved successfully!

Ooh no, something went wrong!