[PDF] Examen de Probabilités: Chaˆ?nes de Markov 13h30-15h30





Previous PDF Next PDF



Feuille de TD no 1 4

May 25 2022 1. Une chaine de Markov homog`ene de matrice de transition P est. — absorbante si p = 0 ou q = 0. — irréductible non ...



TD 14 : Convergence de chaînes de Markov Corrigé TD 14 : Convergence de chaînes de Markov Corrigé

TD 14 : Convergence de chaînes de Markov. Corrigé. Mercredi 20 Décembre. Exercice 1 (Une suite de flips). Soit n ≥ 4. On considère un polygone régulier Pn à n 



Corrigé dexamen module Sûreté de Fonctionnement (GI 712) Corrigé dexamen module Sûreté de Fonctionnement (GI 712)

3. Pour une chaine de Markov la durée moyenne d'occupation d'un état peut être définie en quoi: La probabilité d'occuper 



U.F.R. de Mathématiques Master 2 ISN 2015-2016 Chaînes de

Chaînes de Markov. Corrigé de l'examen du 3 décembre 2015. Les processus de naissance et de mort sont utilisés pour modéliser l'évolution de la taille d'une 



DS: Chaˆınes de Markov: Corrigé succint durée 1h30 Exercice 1. (5

Nov 12 2013 Justifier (en une phrase) que (Xn)n≥0 est une chaıne de Markov homog`ene. Donner son espace d'états et calculer sa matrice de transition P.



Corrigé type dExamen du module SdF (GI712)

Réponse : Non l'établissement d'une chaine de Markov pour un certain système nécessite non seulement la connaissance des ses composants



Corrigé de lexamen du 18 avril 2013 (durée 2h)

Apr 18 2013 a) Pour quelle valeur de α



Examen : Chaînes de Markov

Jan 5 2009 Exercice 1. On considère une chaîne de Markov sur les sommets d'un triangle ABC. Cette chaîne est définie par les règles suivantes : chaque ...



Corrigé de lexamen du 26 avril 2012 (durée 2h)

Apr 26 2012 Les trois parties sont indépendantes. Exercice 1 : On considère une chaîne de Markov (Xn)n≥0 sur {1



Examen de Probabilités: Chaˆınes de Markov 13h30-15h30

Nov 12 2013 Tracer le graphe orienté associé `a P. (Voir annexe). 2. Montrer que la chaıne de Markov est irréductible et apériodique.



Examen de Probabilités: Chaˆ?nes de Markov 13h30-15h30

12 nov. 2013 Tracer le graphe orienté associé `a P. (Voir annexe). 2. Montrer que la cha?ne de Markov est irréductible et apériodique.



Corrigé de lexamen du 26 avril 2012 (durée 2h)

26 avr. 2012 Les trois parties sont indépendantes. Exercice 1 : On considère une chaîne de Markov (Xn)n?0 sur {1...



U.F.R. de Mathématiques Master 2 ISN 2014-2015 Chaînes de

Corrigé de l'examen du 4 décembre 2014. Ex 1. [15 points]. Soit (Xn)n?0 la chaîne de Markov homogène à valeurs dans N de matrice de transition.



U.F.R. de Mathématiques Master 2 ISN 2015-2016 Chaînes de

Chaînes de Markov. Corrigé de l'examen du 3 décembre 2015. Les processus de naissance et de mort sont utilisés pour modéliser l'évolution de.



Corrigé type dExamen du module SdF (GI712)

Est-ce que l'établissement d'une chaine de Markov pour un certain système nécessite uniquement la connaissance de ses composants ? Expliquer.



Questions de cours Exercices A S B C D

Examen partiel du 19 novembre 2013. Éléments de correction Donner l'énoncé du théorème ergodique pour les chaînes de Markov récurrentes positives.



Chaˆ?nes de Markov avancées

21 déc. 2012 Corrigé Examen de Chaˆ?nes de Markov. Avancées. Partie I : compréhension du processus et simula- tion. 1.(a) Entre 9h00 et 9h08 ...



DS: Chaˆ?nes de Markov: Corrigé succint durée 1h30

12 nov. 2013 Justifier (en une phrase) que (Xn)n?0 est une cha?ne de Markov homog`ene. Donner son espace d'états et calculer sa matrice de transition P.



Mary - TD 12 – Chaînes de Markov (distributions invariantes) (corrigé)

TD 12 – Chaînes de Markov (distributions invariantes) (corrigé). Exercice 1. Proposition utiles. Le but de cet exercice est de démontrer les propriétés 



TD 11 : Chaînes de Markov Corrigé

Corrigé. Mercredi 29 Novembre. 1 Chaînes de Markov. Exercice 1 (Markov ou pas Markov ?) Soit (Sn) une marche aléatoire simple sur Z. Lesquels des processus 



[PDF] Examen de Probabilités: Chaˆ?nes de Markov 13h30-15h30

12 nov 2013 · Examen de Probabilités: Chaˆ?nes de Markov 13h30-15h30 Exercice 1 (5 points environ) On consid`ere une cha?ne de Markov (Xn)n?0 sur 



[PDF] Processus-M1-2012-Examenpdf

26 avr 2012 · Corrigé de l'examen du 26 avril 2012 (durée 2h) Exercice 1 : On considère une chaîne de Markov (Xn)n?0 sur {1 7} de matrice de 



[PDF] Examen : Chaînes de Markov

5 jan 2009 · Exercice 1 On considère une chaîne de Markov sur les sommets d'un triangle ABC Cette chaîne est définie par les règles suivantes : chaque 



[PDF] CHAÎNES DE MARKOV - ceremade

CHAÎNES DE MARKOV Spécialité : INGENIEUR 1ère année Béatrice de Tilière La partie “Rappels de probabilités” est basée sur des notes écrites en 



[PDF] Chaînes de Markov Corrigé de lexamen du 3 décembre 2015

U F R de Mathématiques Master 2 ISN 2015-2016 Chaînes de Markov Corrigé de l'examen du 3 décembre 2015 Les processus de naissance et de mort sont 



[PDF] TD 11 – Chaînes de Markov (récurrence/transience) (corrigé) - CNRS

Exercice 2 Chaines de Markov ? Soit (Xn)n?N une chaîne de Markov associée à une matrice de transition P 



[PDF] TD 12 – Chaînes de Markov (distributions invariantes) (corrigé)

TD 12 – Chaînes de Markov (distributions invariantes) (corrigé) Exercice 1 Proposition utiles Le but de cet exercice est de démontrer les propriétés 



[PDF] CORRIGÉ

Donner la matrice de transition P de la cha?ne de Markov d'ensemble d'états S = {IMR} modélisant la population `a laquelle appartient cet individu



[PDF] Examen Chaînes de Markov - Université Paris-Saclay

Correction P bien définie car l'irréductibilité implique que l'unique mesure stationnaire est strictement positive en tout point x ; le fait que P soit 



[PDF] TD 7 : Chaînes de Markov - Dimitri Watel

Écrivez la matrice de transition et le graphe associé ? Correction S = 1Pierre Feuille Ciseau Lézard Spockl dans cet ordre

:

Master MIMSE specialite 2

mercredi 12 novembre 2013

Examen de Probabilites:

Cha^nes de Markov

13h30-15h30

Exercice 1.(5 points environ)

On considere une cha^ne de Markov (Xn)n0sur l'espace d'etatsE=f1;2;3g de matrice de transitionPavec P:=0 @12 14 14 12 012 012 12 1 A

On notera0la loi initiale de la cha^ne.

1. Tracer le graphe oriente associe aP. (Voir annexe)

2. Montrer que la cha^ne de Markov est irreductible et aperiodique.

On a 1!3!2!1 donc il n'y a qu'une classe communiquante. La cha^ne est irreductible.P1;1>0, donc la periode de 1 est 1. La periode est une propriete de classe donc la cha^ne est aperiodique.

3. On verie que

(2;2;3)P= (2;2;3);

2;(p22);p2

P=p2 4

2;(p22);p2

2;(p22);p2

P=p2 4

2;(p22);p2

4. On considere que la loi initiale est donnee par0=27

;27 ;37 :Donner la loi de la cha^ne au tempsn.

On a0=17

(2;2;3). On en deduit que0P=0et par recurrence immediate:0Pn=0. La loi de la cha^ne au tempsnest donc encore

0. On dit que la mesure0est invariante.

5. On considere que la loi initiale est donnee par0=47

;0;37 :En remarquant que 47
;0;37 =27 ;27 ;37 +114

2;(p22);p2

+114

2;(p22);p2

1 donner la loi de la cha^ne au tempsn. Quelle est la limite de cette loi quandn!+1? En utilisant la question 3, on trouve que la loi de la cha^ne au temps nest donnee par:

0Pn=27

;27 ;37 P n+114

2;(p22);p2

Pn+114

2;(p22);p2

Pn 27
;27 ;37 +114
p2 4 n

2;(p22);p2

+114
p2 4 n

2;(p22);p2

p2 4 <1 donc0Pnconverge quandn! 1vers la mesure de proba- bilite invaraiante:27 ;27 ;37

Exercice 2.(7,5 points environ)

Un robot Google parcourt internet de la maniere suivante: quand il est sur une page web, il regarde tous les liens internet presents sur cette page et choisit un de ces liens avec probabilite uniforme.

Ici les pages web presentent les liens suivant:

Sur la page 1, on trouve un lien vers les pages 2 et 4. Sur la page 2, on trouve un lien vers les pages 3 et 6.

Sur la page 3, on trouve un lien vers la page 6.

Sur la page 4, on trouve un lien vers la page 5.

Sur la page 5, on trouve un lien vers la page 4.

Sur la page 6, on trouve un lien vers la page 1.

1.Question de cours:Donner la denition d'une cha^ne de Markov.

Soit (

;F;P) un espace probabilise et (Xn)n2Nune suite variables aleatoires denie sur ( ;F;P) a valeurs dansE. On dit que (Xn)n2N est unecha^ne de Markovsi, pour tout (n+1)-uplet (x0;x1;:::;xn) de points deEtel queP(\

0jn1fXj=xjg)>0 on a

P(Xn=xnjXn1=xn1;Xn2=xn2;:::;X0=x0) =P(Xn=xnjXn1=xn1):

2. Justier en une phrase que la position du robot Google au cours du

temps est une cha^ne de Markov homogene. 2 La position du robot au tempsn+ 1 ne depend pas de toute la tra- jectoire mais juste de la position du robot a l'instantn. La position du robot peut donc bien ^etre modelisee par une cha^ne de Markov. De plus les transitions du robot ne dependent pas de l'instant de saut, la cha^ne de Markov est donc homogene. Donner sa matrice de transition et tracer le graphe oriente associe.

Voir annexe.

3. Preciser les classes communiquantes. On a 1!2!3!6!1

et 4!5!4. On voit facilement (sur le graphe) que les classes communiquantes sont bienf1;2;3;6getf4;5g.

4.Question de cours:Donner la denition d'un etat recurrent et d'un

etat transient. Soiti2Eun etat. On noteNi=Ni(X) = cardfn

0;Xn=iglenombre de passagesde la cha^ne eni. L'etatiest dit

recurrentsiPi(Ni=1) = 1. Il est dittransientsiPi(Ni=1) = 0.

5. Preciser les etats recurrents et transients de la cha^ne de Markov. La

classef1;2;3;6gn'est pas fermee(car 1!4). Elle est donc tran- siente. La classef4;5gestfermee et nie. Elle est donc recurrente.

6.Question de cours:Donner la denition de la periode d'un etat. Soit

i2Eun etat. Laperioded(i) deiest denie par d(i) := PGCDfn1;Pni;i>0g (avec la convention PGCD(;) =1).

7. Donner la periode de chaque etat.

Pour le point 1, on a les chemins: 1!2!6!1 et 1!2!3!

6!1. La periode de l'etat 1 d(1) divise donc le PGCD de 3 et de 4.

Or PGCD(3;4) = 1 doncd(1) = 1. La periode est une propriete de classe, d'oud(2) =d(3) =d(6) = 1. L'ensemble des longueurs des chemins partant de 4 et revenant en 4 est:f2;4;6;:::g. La periode de 4 (et de 5) est donc 2.

8. Le robot part (au temps 0) de la page 4. Que se passe-t-il? Donner la

loi de la position du robot au tempsn. Au temps 1 necessairement il sera en 5. Puis au temps 2, il sera necessairement en 4. On voit donc que sinest pair,Xnsera presque s^urement en 4 et sinest impairXnsera presque s^urement en 5. Rq: On aurait pu calculer: (0;0;0;1;0;0)P;(0;0;0;1;0;0)P2;:::. 3

9. Le robot part (au temps 0) maintenant de la page 2. Donner la loi

de la position du robot au temps 1,2 et 3. On notenla loi de la cha^ne au tempsn. On peut calculer,1= (0;1;0;0;0;0)Ppuis

2=1Ppuis3=2P:On trouve1= (0;0;1=2;0;0;1=2),2=

(1=2;0;0;0;0;1=2) et3= (1=2;1=4;0;1=4;0;0). Rq: On aurait pu aussi suivre ce qui se passe sur le graphe.

Exercice 3.(7,5 points environ)

On considere l'espace d'etatsE:=N=f1;2;3;:::g. On considerePla matrice denie surEpar: P(k;1) =pk; P(k;k+ 1) =qketP(k;j) = 0 sinon; pourk1: ou les nombrespketqkverient 0< pk<1 etqk= 1pk.

1.Question de cours:Donner la denition d'une matrice stochastique.

Une matriceP= (Pi;j)i;j2Eest unematrice stochastiquesi elle verie: (a)8i;j2E;Pi;j0 (b)8i2E;X j2EP i;j= 1

2. Montrer quePest une matrice stochastique.

On a bienPi;j0 pouri;j2Eet pouri2E,

quotesdbs_dbs4.pdfusesText_7
[PDF] processus de markov pour les nuls

[PDF] temperature pdf

[PDF] la chambre des officiers résumé film

[PDF] la chambre des officiers questionnaire reponse

[PDF] la chambre des officiers contexte historique

[PDF] la chambre des officiers clemence

[PDF] procédure de délogement d'un client

[PDF] comment satisfaire un client ayant été délogé subitement

[PDF] délogement interne ou externe

[PDF] overbooking hotel definition

[PDF] lancement d'une entreprise module 1

[PDF] lancement d'une entreprise module 7

[PDF] lancement d une entreprise module 4

[PDF] présenter une entreprise dans un mémoire

[PDF] exemple de présentation d'entreprise pour rapport de stage