Théorème 5.2 [LFGN <strong>POUR</strong> <strong>LES</strong> MARTINGA<strong>LES</strong>] Soit X = (X n ) n≥0 une martingale <strong>de</strong> carré intégrable.(i) Pour P-p.t. ω ∈ {〈X〉 ∞ < ∞}, la suite (X n (ω)) n≥0 converge.(ii) Soit f : R + → R + croissante telle que ∫ ∞0 (1 + f (x)) −2 dx < ∞. Pour P-p.t. ω ∈ {〈X〉 ∞ = ∞} :X n (ω)f (〈X〉 n (ω)) → 0.6. APPLICATION : UNE STRATEGIE DE DECISIONUne usine produit <strong>de</strong>s composants électroniques qui peuvent sortir défectueux <strong>de</strong> la chaîne <strong>de</strong> fabrication.Le nombre <strong>de</strong> pièces fabriquées étant gigantesque et l’examen <strong>de</strong> chaque pièce étant relativement coûteux,il est impensable d’évaluer la qualité <strong>de</strong> toute sa production. Dans la suite, p 0 désigne la probabilité, inconnue,qu’une pièce soit défectueuse.Un acheteur cherchera à n’accepter un stock <strong>de</strong> pièces tel que p 0 ≥ p a qu’avec une probabilité ≤ β etl’industriel cherchera à ne rejeter un stock tel que p 0 ≤ p i (avec 0 < p i < p a < 1) qu’avec une probabilité≤ α (α,β ∈]0,1[). Comment répondre à ces <strong>de</strong>ux exigences ?Il s’agit donc <strong>de</strong> construire une stratégie <strong>de</strong> décision respectant les consignes ci-<strong>de</strong>ssus. Dans la suite, x k = 1si le k-ième composant électronique est défectueux, et 0 sinon. Puis,z k = x k ln p ap i+ (1 − x k )ln 1 − p a1 − p i.Le test séquentiel du rapport <strong>de</strong> vraisemblance est la stratégie <strong>de</strong> décision suivante :On examine successivement <strong>de</strong>s pièces du stock. Après l’examen <strong>de</strong> la n-ième pièce, trois décisions doivent être envisagées :⊲ examiner la (n + 1)-ème pièce, si z 1 + ··· + z n ∈]lnβ,ln(1/α)[;⊲ rejeter le stock, si z 1 + ··· + z n ≥ ln(1/α) ;⊲ accepter le stock, si z 1 + ··· + z n ≤ lnβ.Vérifions maintenant que cette stratégie répond aux exigences. Pour p ∈]0,1[, soit P p la probabilité sur{0,1} N dont la restriction à {0,1} n vaut B(p) ⊗n pour tout n ≥ 1. On considère l’échantillon canonique(X 1 ,X 2 ,···) sur ({0,1} N ,P p ). Par analogie au cas où le nombre d’observations est fixé, on défini la vraisemblancedu sous-échantillon (X 1 ,··· ,X n ) <strong>de</strong> loi B(p) ⊗n parL n (p) = L n (X 1 ,··· ,X n ; p) = p ∑n i=1 X i(1 − p) n−∑n i=1 X i.En notant pour chaque k ≥ 1 :on a alorsZ k = X k ln p ap i+ (1 − X k )ln 1 − p a1 − p i,S n = ln L n(p a )L n (p i ) = Z 1 + ··· + Z n .La stratégie <strong>de</strong> décision consiste à arrêter l’examen <strong>de</strong>s pièces à partir <strong>de</strong> la ν-ème, où{ν = inf n ≥ 1 :L n (p a )L n (p i ) ≥ 1 α ou L n(p a )}L n (p i ) ≤ β = inf{n ≥ 1 : S n /∈]lnβ,ln 1 }α [ .4
Soit E p l’espérance sous la loi P p . Posons m p = EZ 1 et S 0 = 0. Comme (S n∧ν − n ∧ ν m p ) n≥0 est une P p -martingale et |S n∧ν | ≤ max(|lnα|,|lnβ|), on déduit que ν ∈ L 1 (P p ) si m p ≠ 0 (le cas m p = 0 est traité parun argument similaire). En particulier, ν est P p -p.s. fini pour tout p ∈]0,1[, donc l’algorithme <strong>de</strong> décision aune fin.De plus, la vraisemblance L ν (p) <strong>de</strong> l’observation (X 1 ,··· ,X ν ) a un sens. Pour toute fonction à valeurspositives φ, on a( Lν (p a ))E pa φ(X 1 ,··· ,X ν ) = E piL ν (p i ) φ(X 1,··· ,X ν ) .Par suite,(P pa Sν ≤ lnβ ) ( Lν (p a ))= E piL ν (p i ) 1 ({ L ν (pa)Lν (p i ) ≤β} ≤ β et P pi Sν ≥ ln(1/α) ) ( Lν (p i ))= E paL ν (p a ) 1 { L ν (p i ) ≤ α.Lν (pa) ≤α}Par ailleurs, on vérifie que :(P p0 Sν ≥ ln(1/α) ) (≤ P pi Sν ≥ ln(1/α) ) ≤ α si p 0 ≤ p( iet P p0 Sν ≤ lnβ ) (≤ P pa Sν ≤ lnβ ) ≤ β si p 0 ≥ p a .En conclusion, la stratégie <strong>de</strong> décision rempli les conditions imposées : si p 0 ≤ p i , la probabilité <strong>de</strong> rejeter lestock en adoptant cette stratégie est ≤ α et, si p 0 ≥ p a , la probabilité d’accepter le stock avec cette stratégieest ≤ β.REFERENCES• P. Billingsley, Probability and Measure, 3rd Edition, Wiley, 1995.• D. Dacunha-Castelle et M. Duflo, Probabilités et statistiques - Tome 2 : Problèmes à temps mobile (Courset Exercices), Masson, 1983.• R. Durrett, Probability : Theory and Examples, 4th Edition, Cambridge University Press, 2010.• D. Foata et A. Fuchs, Processus stochastiques - Processus <strong>de</strong> Poisson, chaînes <strong>de</strong> Markov et martingales,Dunod, 2002.• J. Neveu, Martingales à temps discret, Masson, 1972.• J.-Y. Ouvrard, Probabilités 2 : maîtrise agrégation, Cassini, 2001.• D. Williams, Probability with martingales, Cambridge University Press, 1991.5