2 Marche aléatoire entre deux états
Étude de marches aléatoires. Terminale S Spécialité maths. 2 Marche aléatoire entre deux états. Définition : On considère un système qui peut se trouver
Promenades aléatoires : vers les chaînes de Markov
aléatoire introduite dans le nouveau programme de spécialité de Terminale S. L'étude de marches aléatoires simples à nombre d'états(1) fini constitue dans
SUITES DE MATRICES ET MARCHES ALEATOIRES
à. 2. 3 . Page 5. Yvan Monka – Académie de Strasbourg – www.maths-et-tiques.fr. 5. Un tel schéma est appelé un graphe. A B et C sont appelés les sommets du.
Marches aléatoires
Marches aléatoires. Terminale S spécialité - Lycée Saint-Charles. Patrice Jacquet - www.mathxy.fr - 2015-2016. 1 Présentation.
Douine – Terminale S – Activités – Chapitre 5 spé – Matrices
Douine – Terminale S – Activités – Chapitre 5 spé – Matrices suite. Page 1. Une marche aléatoire. Monsieur l'indécis a trois amis A B et C. A chaque étape
Chapitre 2 - Marches aléatoires
financiers une marche aléatoire est décrite par un processus stochastique en indiquent que le mouvement brownien ne s'arrête jamais et qu'il augmente ...
Marches aléatoires
Niveau : spécialité maths Première + Terminale. Marches aléatoires La marche aléatoire unidimensionnelle peut s'expliquer comme un.
Marches aléatoires
Niveau : spécialité maths Première + Terminale. Marches aléatoires La marche aléatoire unidimensionnelle peut s'expliquer comme un.
Contrôle de mathématiques
25 thg 5 2016 Marche aléatoire. (11 points) ... 1) Faire un graphe probabiliste illustrant cette marche aléatoire. ... terminale s spé ...
Mise en page 1
Terminale S(1) sous le titre « Matrices et suites » : Mais pour des élèves de terminale
Douine – Terminale S – Activités – Chapitre 5 spé – Matrices
Douine – Terminale S – Activités – Chapitre 5 spé – Matrices suite Page 1 Une marche aléatoire Monsieur l’indécis a trois amis A B et C A chaque étape de sa marche aléatoire : S’il est chez A il va chez B ou C avec une probabilité de 1/3 pour B S’il est chez B il va chez A ou C avec une probabilité de 3/4 pour A
Marches aléatoires Présentation et objectifs
La marche aléatoire unidimensionnelle peut s’expliquer comme un jeu On place un pion à l’origine d’un axe gradué et on le déplace avec cette règle : à chaque unité de temps le pion avance d’un pas (1 unité de longueur) soit à gauche soit à droite et de manière équi-probable
Searches related to marche aléatoire terminale s PDF
Repr´esenter les r´esultats avec en abcisse n et en ordonn´ee la valeur de S n avec S 0 = 0 Joindre les points par des segments de droite 2) Homog´en´eit´e spatiale Montrer que P(S n = jS 0 = a) = P(S n = j +bS 0 = a+b) (1 1) Indication : Montrer que les deux cot´es sont ´egaux a P(P n 1 X i = j ?a) 3) Homog´en´eit´e
A) Graphe et Matrice de Transition
On se déplace toujours d'un sommet à l'autre en suivant le sens des flèches la probabilitéchaque déplacement (ou non déplacement) sur une arrête se situe sur le sommet (cercle) sur lequel on arrive ? Il faut prendre en compte du sommet de départ Exemple d'un graphe de marche aléatoire avec 4 sommets:
B) Matrice de Transition
Les probabilités de transition du premier sommet vers les autre sommet se retrouvent sur la première lignede la matrice ? Celle du deuxièmes sommet vers les autres sommet se situe sur la 2ème ligne ? Il en va ainsi de suite pour chaque sommet ?Chaque ligne correspond au probabilités d'un sommet vers les autres La somme des coefficients d'une même l...
C) Marche Aléatoire à Deux États
Propriété: Toute matrice de transition d'une marche aléatoire à deux états est de la forme: () où a = p1,2 et b = p2,1
Qu'est-ce que la marche aléatoire?
La notion de « marche aléatoire » signifie, dans le cadre des marchés efficients, que la variation de prix d’un titre est décorrélée de son prix passé. Ce caractère aléatoire rend impossible de prévoir ces futures évolutions de prix.
Quels sont les États d'une marche aléatoire?
Dans une marche aléatoire, l'état du processus à l'étape n+ 1 ne dépend que de celui à l'état n, mais non de ses états antérieurs. Ainsi, la probabilité que l'attaquant C possède le ballon ne dépend que de la position précédente du ballon (en Aou en B) mais non de ses positions antérieures. 3) Probabilité de transition
Quelle est la matrice de transition d'une marche aléatoire?
Marches aléatoires Définition : La matrice de transitiond'une marche aléatoire est la matrice carrée dont le coefficient situé sur la ligne iet la colonne jest la probabilité de transition du sommet jvers le sommet i. Définition : La matrice colonne des états de la marche aléatoire après nétapes
Comment définir une marche aléatoire convergente?
Etude asymptotique d'une marche aléatoire Définition :Si la suite P n)des états d'une marche aléatoire convergente vérifient P n+1 =MP n alors la limite Pde cette suite définit un état stablesolution de l'équation P=MP. Propriété : On considère une marche aléatoire de matrice de transition Msur un graphe à deux sommets où 0
![Chapitre 2 - Marches aléatoires Chapitre 2 - Marches aléatoires](https://pdfprof.com/Listes/18/2336-18Chapitre2.pdf.pdf.jpg)
Chapitre 2Marches al´eatoires
De la marche au hasard de l"ivrogne "mod`ele" qui oublie `a chaque instant d"o`u il vient et o`u il veut aller, au mouvement brownien d"une particule collo¨ıdale en suspension dans un fluide mol´eculaire, en passant par l"´evolution d"actifs financiers, une marche al´eatoire est d´ecrite par un processus stochastique en termes de probabilit´e. La mod´elisation et la compr´ehension d"un tel proces- sus s"inscrivent pleinement dans le cadre de la physique mais sont ´egalement `a la base de la mod´elisation financi`ere depuis les travauxpr´ecurseurs de Louis Bachelier en 1900, cinq ans avant l"´etude du mouvement brownien par AlbertEinstein.
En effet, quel que soit l"actif financier (action, obligations, mati`erepremi`ere...) on observe la mˆeme forme d"´evolution erratique dans le temps. Cette r´egularit´e, qui r´esulte pourtant des actions innombrables d"individus dont les motivations propres ne sont pas forc´ement rationnelles, sugg`ere une possible mod´elisation. La question est alors : comment tirer de l"information de la "trajectoire" pass´ee.1 L"hypoth`ese d"efficience des march´es, qui implique que toute l"information sur un actif est refl´et´ee par sa valeur `a l"instantt, est assez bien v´erifi´ee dans la r´ealit´e (corr´elations temporelles faibles sur des temps courts). Mais comme en physique, la mod´elisation financi`ere repose sur une id´ealisation de la r´ealit´e... En partant d"un mod`ele simple sur r´eseau, comme le jeu de pile ou face, nous pr´esenterons des r´esultats non triviaux et contraires `a l"intuition qui nous permettrons, `a la limite continue, d"aborder les ph´enom`enes de diffusion en termes d"´equations stochastiques. Enfin, nous introduirons le mod`ele de Black- Scholes, pierre angulaire de la mod´elisation financi`ere.Mais pour commencer, int´eressons-nous `a un mod`ele ph´enom´enologique et historique : l"´equation deLangevin.
1On suppose ici que les m´ecanismes sous-jacents ne changentpas. En fait, en finance, les
param`etres comme la volatilit´e ´evoluent. La stabilit´eest donc faible et les pr´edictions ne sont
valables que pour un avenir proche. 4546CHAPITRE 2. MARCHES AL´EATOIRES
2.1 Mouvement Brownien et ´equation de Lan-
gevin Le mouvement brownien d´ecrit la dynamique macroscopique et al´eatoire d"une "grosse"2particule en suspension dans un fluide. Les collisions incessantes
des mol´ecules du fluide avec la particule mettent cette derni`ere en mouvement. L"origine microscopique du mouvement faisant intervenir un nombre gigantesque de mol´ecules on ne peut traiter la dynamique de la particulequ"en termes de probabilit´e. C"est le botaniste Robert Brown qui en 1827 a ´etudi´e syst´ematiquement le mouvement qui porte son nom en observant au microscope des particules de pollen.3Ce mouvement impr´evisible et erratique est repr´esent´e sur la figure 2.1
dans le cas d"une bille microscopique en suspension dans de l"eau. Fig.2.1 -En haut, trajectoire observ´ee par microscopie d"une billede po- lystyr`ene de diam`etred= 0,5μmen suspension dans de l"eau. En bas, d´eplacement moyen? ?x2?en fonction de⎷t. Dans V. Protasenko et al., The chemical Educator, Vol 10, No 4 (2005).2L"adjectif "grosse" est `a relativiser : typiquement de l"ordre du micron.
3Certains observateurs ont pens´e que les particules en mouvement ´etaient des organismes
vivants. L"utilisation de mat´eriaux min´eraux a ensuite ´ecart´e cette hypoth`ese. Les observations
indiquent que le mouvement brownien ne s"arrˆete jamais et qu"il augmente lorsque : i) la taille des particules diminue, ii) la viscosit´e du fluide diminue et iii) la temp´erature augmente.2.1. MOUVEMENT BROWNIEN ET´EQUATION DE LANGEVIN47
En 1905, Albert Einstein propose une th´eorie du mouvement brownien bas´ee sur une description hydrodynamique des fluides et sur la th´eorie cin´etique de la chaleur. Il obtient ainsi une ´equation de la diffusion donnant la densit´e de probabilit´e de trouver une particule brownienne en un point donn´e `a un instant donn´e. Par ailleurs, Marian von Smoluchowski d´eveloppe en 1906 un mod`ele de collisions al´eatoires qui repose sur une description discr`ete du mouvement.Equation de Langevin
En 1908, Paul Langevin
4propose un mod`ele ph´enom´enologiquedans le cadre
de la m´ecanique, et donc sur une base d´eterministe, mais enajoutant un ´el´ement probabiliste : une grosse particule de massemest soumise `a deux forces exerc´ees par l"ensemble des mol´ecules du fluide dans lequel elle est plong´ee : - un frottement fluide qui tend `a immobiliser la particule :?f(t) =-α?v(t), o`uαest un coefficient positif li´e `a la viscosit´e du fluide. - une force al´eatoireη(t), appel´ee bruit blanc gaussien, repr´esentant les chocs al´eatoires des mol´ecules du fluide sur la particule dont l"action est de maintenir en mouvement la particule. Elle change donc brutalement sur des temps tr`es courts, typiques des temps de collisions avec les mol´ecules du fluide. Et puisqu"il n"y a pas de direction privil´egi´ee,?η(t)?= 0. Il y a donc deux ´echelles de temps dans le mod`ele.5La force al´eatoireη(t) varie
tr`es rapidement alors que la vitesse de la particule est unevariable lente. En appliquant la relation fondamentale de la dynamique `a cesyst`eme (`a une dimension) on a m dv(t) dt=-αv(t) +η(t).(2.1) L"´equation de Langevin est une ´equation diff´erentiellestochastique(c"est mˆemela premi`erequi ait´et´epropos´ee), c"est-`a-dire qu"elle d´epend de variables al´eatoires.
A nouveau, puisqu"il n"y a pas de direction privil´egi´ee,?x?= 0. Bien sˆur, la par- ticule se d´eplace, et une fa¸con d"´evaluer sa position parrapport `a l"origine est de calculer sond´eplacement carr´e moyen?x2?.Calcul de?x2?
Puisquev= x, l"´equation (2.1) s"´ecrit en la multipliant parx: mx¨x=m(d(xx) dt-x2) =-αxx+xη Prenons la moyenne (moyenne d"ensemble, c"est `a dire sur ungrand nombre de particules identiques) des deux membres de cette ´equation. La particule ´etant en ´equilibre thermique avec le fluide, son ´energie cin´etique moyenne est connue : 12m?x2?=12kT, o`uTest la temp´erature du fluide etkla constante de Boltzmann
(th´eor`eme d"´equipartition de l"´energie). Par ailleurs, en n´egligeant les faibles4Paul Langevin (1872 - 1946) physicien fran¸cais. Il est l"auteur de travaux sur le
magn´etisme, la relativit´e et les ultrasons.5Ces deux ´echelles de temps sont bien sˆur associ´ees aux deux longueurs caract´eristiques du
probl`eme : la particule et les mol´ecules du fluide.48CHAPITRE 2. MARCHES AL´EATOIRES
corr´elations entre la positionxet la force al´eatoireη, on a ?xη?=?x??η?= 0 et finalement : m d?xx? dt=kT-α?xx?. Curieusement, la force al´eatoire n"intervient plus explicitement, mais elle est `a l"origine du termekT, c"est `a dire d"une ´energie cin´etique moyenne non nulle.On obtient donc :
?xx?=kTα+Ce-γt,
o`uγ-1=m αest le temps de relaxation de la vitesse de la particule. Le coefficient de frottementαpeut ˆetre ´evalu´e `a partir de la viscosit´e du fluide et on trouve typiquementγ-1?10-8s. Si `at= 0,x= 0, alors ?xx?=12d?x2?dt=kTα(1-e-γt)
Et finalement,
?x2?=2kTα[t-γ-1(1-e-γt)].
Selon l"´echelle de temps d"observation, on note deux comportements : ?x2? ?kT mt2sit << γ-1,(2.2) ?x2? ?2kTαtsit >> γ-1.(2.3)
L"´equation (2.2) d´ecrit ler´egime balistique, en?x2? ≂t2, o`u sur des temps courts la particule se d´eplace `a la vitesse constante≂? kT/m. En revanche, sur les temps longs, l"´equation (2.3) met en ´evidence lecomportement diffusif, en?x2? ≂t, illustr´e par la figure 2.1. Contrairement au mouvement balistique (mouvement d"un projectile) o`u la distance parcourue croˆıt proportionnellement au temps, le mouvement brownien est caract´eris´e par une distance qui croˆıt comme la racine carr´ee du temps. Asymptotiquement, la particule s"´eloigne ind´efiniment de l"origine, avec une vitesse qui tend vers 0 et avec une probabilit´e ´egale dans toutes les directions.2.2 Marche al´eatoire et retour `a l"origine
2.2.1 Premiers r´esultats
Une particule se d´eplace sur un axe (marche al´eatoire `a une dimension) en partant de l"origine. Sa dynamique al´eatoire est la suivante : `a chaque it´erationn (temps discr´etis´e),elle avance ou recule avec la mˆeme probabilit´e6d"une distance6Cette marche al´eatoire est donc sym´etrique, mais on pourrait imaginer une d´erive dans
une certaine direction.2.2. MARCHE AL´EATOIRE ET RETOUR`A L"ORIGINE49
donn´ee (une unit´e). Sa positionSn`a l"instantnne d´epend donc que de sa positionSn-1`a l"instantn-1 : S n=Sn-1+Xn, n≥1,(2.4) o`uXnest une variable al´eatoire valant±1 avec la mˆeme probabilit´e 1/2 et ?XiXj?=δij. La position de la particule `a l"instantnest donc S n=n? i=1X i. La variable al´eatoireSnpeut ´egalement ˆetre interpr´et´ee comme le gain (positif ou n´egatif) d"un joueur `a lanemepartie d"un jeu ´equitable (pile ou face) : pile, il gagne 1 ?, face il perd 1?. On ne peut bien sˆur pas d´eterminerlatrajectoire de la particule de fa¸con certaine, mais on peut esp´erer calculer des valeurs moyennes (moyennes sur des r´ep´etitions d"un grand nombre de trajectoires). Dans la suite, nous d´ecrirons la trajectoire de la particule dans le plan{n,sn}donnant la positionsnde la particule `a l"instantn(voir figure 2.2).Exercice 12: Distance parcourue I
Montrer que la valeur moyenne?Sn?= 0. Expliquer pourquoi, n´eanmoins, la particule s"´eloignera (en moyenne) de son point de d´epart.`A quelle vitesse? Peut-on g´en´eraliser `a deux et trois dimensions? Indication : La distance `a l"origine n"est pasSnmais|Sn|=? S2n. Sur un chemin donn´e denpas, appelonspetqle nombre de pas respective- ment vers l"avant et vers l"arri`ere.7Clairement on a?n=p+q
s n=p-q. SoitNn,snle nombre de chemins issus de l"origine allant au pointBde coor- donn´ees (n,sn), c"est-`a-dire le nombre de fa¸cons d"arriver `a la positionsn`aR´eponse:
Une somme de variables al´eatoires de moyenne nulle est encore une variable al´eatoire de moyenne nulle, donc?Sn?= 0. La distance `a l"origine n"est pasSn, mais|Sn|, soitpS2n. Or :
S 2n=X iX 2i+X i?=jX iXj. CommeX2i= 1 et?XiXj?=?Xi??Xj?= 0 (tirages ind´ependants), il vient?S2n?=n. La distance `a l"origine croˆıt donc comme⎷ n. La g´en´eralisation `a plusieurs dimensions est ´evidente: on ´ecrit vectoriellementSn=?X1+···+?Xn,
on calcule le produit scalaire et comme|?Xi|= 1 et que toutes les orientations de?Xsont´equiprobables (ceci est vrai aussi bien sur un r´eseau carr´e (4 orientations), cubique (6 orien-
tations) ou mˆeme dans le cas continu (?cosθ?= 0)), on a encore une valeur moyenne des produits scalaires nulle (??Xi.?Xj?=?cosθ?) et donc?|---→OMn|2?=n.7Attentionpetqne sont pas des probabilit´es, mais des nombres entiers donn´es.
50CHAPITRE 2. MARCHES AL´EATOIRES
l"instantn: N n,sn=Cpn=Cqn=Cn+sn2n.(2.5)
Le nombre total de chemins de longueurnest manifestement 2n. La probabilit´e p n,snque la particule ait la positionsn`a l"instantn(le pointB) est donc p n,sn=12nNn,sn=12nCn+sn
2n.(2.6)
7800 8000 8200n-15-10-50510
sn0 4000 8000-100-50050100
sn8000 8050 8100n-50510
7000 8000 9000-50-250
Fig.2.2 -Marche al´eatoire `a 1d. Zooms successifs sur diff´erentes portions de la trajectoire (voir les ´echelles).Retour `a l"origine
Le retour `a l"origine `a l"instantncorrespond `a l"´ev´enementsn= 0. Dans le cas du jeu de pile ou face, cet ´ev´enement est la ruine du joueur. Sachant que la particule part des0= 0 `a l"instantn= 0, la probabilit´e de retour `a l"origine (sn= 0) `a un instant n´ecessairement pair, 2n, est, pourn≥1 u 2n=122nCn2netu0= 1.(2.7)
Remarquons que l"historique de la trajectoire entre les instants 0 et 2n-1 n"intervient pas dans cette probabilit´e. On a ´evidementu2= 1/2. Puis,u4=2.2. MARCHE AL´EATOIRE ET RETOUR`A L"ORIGINE51
0.375,u6= 0.3125,u60?0.1... En utilisant la formule de Stirling (voir annexe
A.3) on a pourngrand :8
u 2n?1 ⎷πn.(2.8) Notons que si chaque position possible entre-2net 2n´etait ´equiprobable, la probabilit´e d"ˆetre en 0 `a l"instant 2nvarierait en 1/n(elle serait donc plus petite que dans le cas de la marche al´eatoire).2.2.2 Principe de r´eflexion
Ce principe sera tr`es utile dans la suite : SoitA(a,α) etB(b,β), avecb > a≥0,αetβstrictement positifs; le nombre de chemins deA`aBqui touchent ou
traversent l"axe des temps est ´egal au nombre de chemins quivont deA"(a,-α) `aB, o`uA"est le sym´etrique deApar rapport `a l"axe des temps (voir figure 2.3). A A'TB n 0 Fig.2.3 -Marche al´eatoire et sa sym´etrique (en pointill´es). Pourle chemin AB,Xi= +1pouri= 0,1,3,4,9,11,12,13,15,16et-1sinon. D´emonstration: SoitTle premier point atteint sur l"axe des temps. Par sym´etrie, il y a bijection entre les chemins deA`aTet ceux deA"`aT. Voyons une application du principe de r´eflexion.Th´eor`eme du vote
Supposons que lors d"une ´election,p´electeurs votent pour le candidatPet qpour son adversaireQ, avecp≥q. La probabilit´e pour que durant le vote (ou le d´epouillement) le candidatPaittoujoursplus de voix queQestPr=p-q
p+q. D´emonstration: En terme de marche al´eatoire, cela revient `a calculer le nombre de chemins,N+n,s n, entre l"origine et le pointB(n=p+q,sn=p-q), qui ne touchent pas l"axe des temps (c"est-`a-dire tels quesi>0, pouri= 1,...,n).8On notera que la formule de Stirling est une tr`es bonne approximation mˆeme pournpetit.
En effet, l"´equation (2.8) donneu2?0.56,u4?0.4 etu6= 0.33.52CHAPITRE 2. MARCHES AL´EATOIRES
Tous ces chemins passent par le pointA(1,1) que l"on peut prendre comme nouvelle origine. Le nombre total de chemins,Nt, entreA(1,1) etB(n,sn) est donc le mˆeme qu"entre l"origine et le point (n-1,sn-1), soitNt=Nn-1,sn-1.Par ailleurs,Nt=N+n,s
n+N-, o`uN-est le nombre de chemins entreAet Bqui touchent ou traversent l"axe des temps. D"apr`es le principe de r´eflexion, N -est le nombre de chemins entre (1,-1) etB. En changeant d"origine,N- est donc le nombre de chemins entre l"origine est le point (n-1,sn+ 1), soit N -=Nn-1,sn+1. On en d´eduit N +n,s n=Nt-N-=Nn-1,sn-1-Nn-1,sn+1, et d"apr`es la formule (2.5), N +n,s n=Cn+sn 2-1 n-1-Cn+sn2n-1=Cp-1 n-1-Cp n-1. Donc N +n,s n=Nn,snp-q n=Nn,snp-qp+q.En divisantN+n,s
npar le nombre total de cheminsNn,sn, on trouve la probabilit´e Prqu"un chemin allant de l"origine au pointBne touche pas l"axe des temps (la particule ne revient pas `a l"origine pendant un tempsn). On voit que dans le cas d"une marche al´eatoire on peut ´ecrirePr=sn/n. Si la marche est sym´etrique (en moyennep=q) et doncPr= 0 : la particule revient certainement `a l"origine, si on attend suffisammentlongtemps.2.2.3 Premier retour `a l"origine
A la section 2.2.1, nous avons calcul´e la probabilit´eu2nque la particule repasse par l"origine au temps 2n. Soitf2nla probabilit´e que la particule revienne pour lapremi`ere fois`a l"origine `a l"instant 2n. On a u En effet l"´ev`enement "la particule repasse `a l"origine autemps 2n" est la r´eunion den´ev`enements disjoints : soit elle repasse `a l"origine pour lapremi`ere foisau temps 2 et y retourne au temps 2napr`es une dur´ee 2n-2 (avec ´eventuellement d"autres passages en 0 entre temps), soit elle repasse `a l"origine pour lapremi`ere foisau temps 4, et y retourne au temps 2napr`es une dur´ee 2n-4 (avec ´eventuellement d"autres passages en 0 interm´ediaires),etc... Les probabilit´es respectives de ces ´ev´enements sontf2u2n-2,f4u2n-4,... On notera quef2=u2 et on prendraf0= 0.Th´eor`eme du retour `a l"origine
La probabilit´e qu"il n"y ait aucun retour `a l"origine jusqu"`a l"instant 2n(com- pris) est ´egale `a la probabilit´e de retour `a l"instant 2n. Soit P(S1?= 0,S2?= 0,···,S2n?= 0) =P(S2n= 0) =u2n.(2.10)2.2. MARCHE AL´EATOIRE ET RETOUR`A L"ORIGINE53
LesSi´etant tous positifs ou tous n´egatifs (avec la mˆeme probabilit´e), on aP(S1>0,S2>0,···,S2n>0) =1
2P(S2n= 0) =12u2n.(2.11)
Par exemple, contrairement `a l"intuition, la probabilit´e que partant de 0, un joueur `a pile ou face n"ait pas perdu au bout de 100 lanc´es (pas de retour `a l"origine) est 12u100?0.08!
D´emonstration: D´emontrons la relation (2.11). On aP(S1>0,S2>0,···,S2n>0) =∞?
r=1P(S1>0,S2>0,···,S2n= 2r). (Les termes de la somme avecr > nsont nuls). Le th´eor`eme du vote permet d"´ecrireP(S1>0,S2>0,···,S2n-1>0,S2n= 2r) =1
22n(N2n-1,2r-1-N2n-1,2r+1).
Quand on somme surr, il reste9
122nN2n-1,1=122nCn2n-1=12u2n.
Calcul def2n
Raisonnons entre les instants 2n-2 et 2n: d"apr`es le th´eor`eme du retour `a l"origine, la particule n"est pas retourn´ee `a l"origine jusqu"`a l"instant 2n-2 compris avec la probabilit´eu2n-2. Au temps 2n, soit elle revient `a l"origine (c"est donc pour la premi`ere fois) avec la probabilit´ef2n, soit elle n"y revient pas avec la probabilit´eu2n. Autrement dit, u2n-2=f2n+u2n, n≥1.(2.12)
En explicitant lesu2n, on obtient la probabilit´e du premier retour10au temps 2n: f 2n=122n12n-1Cn2n=12n-1u2n.
Puisqueu2nvarie en 1/⎷
n,f2nd´ecroˆıt plus rapidement, en 1/n32. Ainsi,f2=0.5,f4= 0.125,f6= 0.0625...
9En particulier, le termeN2n-1,2n+1= 0, car on ne peut pas atteindre la position 2n+ 1
en 2n-1 it´erations.10En sommant de 0 `anl"´equation (2.12) on obtient (Pnk=1f2k)+u2n= 1. A chaque instant
n, soit la particule est d´ej`a retourn´ee au moins une fois `al"origine, soit elle n"y est jamais
revenue.54CHAPITRE 2. MARCHES AL´EATOIRES
2.2.4 Loi de l"arcsinus
Au jeu de pile ou face, l"intuition sugg`ere que le gain d"un joueur (partant de0) oscille fr´equemment autour de 0. Ainsi, si on interromptune longue partie,
la probabilit´e que le dernier passage `a l"origine soit ancien devrait ˆetre faible. Comme nous allons le voir, ce n"est pas le cas. En particulier, nous verrons que la probabilit´e qu"il n"y ait pas eu de retour `a l"origine durant la seconde moiti´e du jeu est ´egale `a 50%, et ce quelle que soit sa dur´ee!Dernier passage `a l"origine
La probabilit´eα2k,2nque jusqu"au temps 2n(inclus) le dernier passage `a2k,2n=u2ku2n-2k,pourk= 0,1···n.
D´emonstration: L"´ev´enement "jusqu"au temps 2n(inclus) le dernier passage `a l"origine arrive au temps 2k" est l"intersection des ´ev´enements ind´ependants "S2k= 0" et "S2k+1?= 0···S2n?= 0". Le premier a, par d´efinition, la probabilit´e u2ket le secondu2n-2k. En effet, il n"y a qu"`a prendre le point (2k,0) comme
nouvelle origine et appliquer le th´eor`eme du retour `a l"origine. La probabilit´eα2k,2n, appel´ee distribution11(discr`ete) del"arcsinusd"ordre n, est sym´etrique par rapport `an:α2k,2n=α2n-2k,2n. Ainsi, en sommant de2k=n`a 2k= 2n, on trouve que la probabilit´e qu"il n"y ait pas eu de retour `a
l"origine durant la seconde moiti´e du jeu est ind´ependante denet vaut 50%. A l"aide de l"estimation donn´ee par la formule (2.8), on montre qu"asymptotique- ment (pourkpas trop proche de 0 et 2n),2k,2n=1
22nCk2kCn-k
2n-2k?1π1?k(n-k).
On voit que la probabilit´eα2k,2nest la plus grande pourkproche de 0 ounet qu"elle est minimale enk=n/2. Ce r´esultat est tr`es surprenant : contrairement `a ce que l"on pouvait attendre, la particule repasse rarement par l"origine. Elle se d´eplacera le plus clair de son temps du cot´e positif (ou n´egatif). De la mˆeme fa¸con, un joueur `a pile ou face restera gagnant (ou perdant) pendant longtemps.Si on pose
f(t) =1π?t(1-t)(2.13)
On voit que
2k,2n?1
nf(tk), avec tk=k/n A la limiten→ ∞,tkdevient une variable continue, 0< t <1. La figure 2.4 montre une comparaison entre la distributionα2k,2net la fonction (2.13).11En effet, on a bienPnk=0α2k,2n= 1, le dernier retour `a l"origine ayant eu lieu soit en
k= 0, soit enk= 1,... soit enk=n.2.3. PROBL`EME CLASSIQUE DE RUINE55
0 20 40 60 80 100
2k00.020.040.060.08
α2κ,2ν
Fig.2.4 -Probabilit´eα2k,2n: fr´equence ob- tenue pour106tirages (histogramme en trait plein) et pour103tirages (histogramme en ti- ret´e). La courbe en trait plein est la fonction f(t)donn´ee par l"´equation (2.13). 0 0.2 0.4 0.6 0.8 10 0.2 0.4 0.6 0.8 1
P(t) t=k/nFig.2.5 -Loi de l"arcsinus donnant la proba-
bilit´e que le dernier passage `a l"origine ait eu lieu avant l"instantt=k/n(voir l"´equation (2.14)). En int´egrantf(t), on obtient la probabilit´eP(t) pour que ledernierpassage `a l"origine ait lieuavantle temps (relatif)t=k/n, pourn→ ∞:P(t) =?
k n2.3 Probl`eme classique de ruine
On consid`ere deux joueurs. Le capital total des deux joueurs est fix´e `aaetz est le capital initial du premier joueur. A chaque essai ce joueur a une probabilit´e pde gagner 1 ?etqde le perdre (et r´eciproquement pour son adversaire). Le jeu consiste en une s´erie d"essais qui se termine quand le capital du joueur est devenu 0 (ruine) oua(victoire). Nous allons calculer la probabilit´e de ruine et le temps moyen de jeu. En terme de marche al´eatoire, on reconnaˆıt unemarche avec barri`eres absor- bantesenx= 0 etx=a. Si la marche est sym´etrique (p=q) et le capital infini (a→ ∞), on retrouve le probl`eme d´ej`a trait´e du premier passage `a l"origine. Soitqzla probabilit´e de ruine du premier joueur de capital initialz(et ce sur un nombre fini, mais "grand" d"essais) etpzsa probabilit´e de victoire. On56CHAPITRE 2. MARCHES AL´EATOIRES
verra que12pz+qz= 1.
2.3.1 Calcul deqz
Apr`es le premier essai, le nouveau capital du joueur est soitz+ 1 avec la probabilit´ep, soitz-1 avec la probabilit´eq, on a donc en g´en´eral q en imposant les conditions aux limites ´evidentes 13: qquotesdbs_dbs30.pdfusesText_36[PDF] matrice puissance 2
[PDF] matrice nulle
[PDF] tableau entrée sortie exercice corrigé
[PDF] matrice nilpotente exemple
[PDF] matrice nilpotente propriété
[PDF] on ne badine pas avec l'amour
[PDF] cours graphes tes pdf
[PDF] exercice matrice spe maths es
[PDF] cours graphes probabilistes
[PDF] le mystère de la chambre jaune questionnaire lecture
[PDF] le mystère de la chambre jaune reponse
[PDF] le mystère de la chambre jaune audio
[PDF] qu'est qu'un diviseur
[PDF] exemple de diviseur