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. 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)
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
MAP-PRB201 Université Paris-Saclay
Examen "Chaînes de Markov"
Mercredi 23 Octobre 2020 de 9h00 à 12h00
Les résultats serontencadrés, et toute réponse devra être justifiée (sauf exception). Les exercices sont indépendants les uns des autres. Le barème est donné à titre indicatif, pour vous permettre de proportionner vos efforts. Il pourra être marginalement modifié. Noter que la somme excède 20.Le sujet comporte4pages.
Le devoir dure 3h00.
Les téléphones sont rangés éteints dans les sacs; en guise d"aide mémoire, vous avez droit au recto d"une feuille manuscrite (par vos soins, pas de photocopie) sur la table.Exercice 1.[Renversement du temps, 8 points] SoitPune matrice de transition irréductible sur , etson unique mesure de probabilité sta- tionnaire. On définit une matrice^Ppar : 8x;y2 ;^P(x;y) =(y)P(y;x)(x) 1.Mon trerque
^Pest bien définie et qu"il s"agit d"une matrice stochastique. 2.Que v aut
^PsiPest réversible par rapport à? En déduire l"unique mesure de probabilité stationnaire de^Pdans ce cas. Vérifier que cette mesure de probabilité est encore l"unique mesure de probabilité stationnaire de^Psi l"on ne suppose pas la réversibilité deP.Dans toute la suite on choisit
=f0;:::;ng, et, avec la notationx^y= minfx;yg:P(x;y) =12
1fy=(x+1)^ng+1fy=0g;
3. Calculer l"unique mesure de probabilité stationnaire deP. 4.Donner la matrice de transition
^P. (On pourra faire un dessin des transitions possibles sur un graphe). 5.Mon trerque
^P(0;) =. 6.Calculer
^Pt(x;)pour tout0txn1. 7.Déduire sans calcul de ce qui précède
^Pt(x;)pourt > x,0xn1. 8. Soit ^Xla chaîne de Markov de matrice de transition^P. On note n1(^X) = minft0 :^Xt=n1g le temps d"atteinte den1par cette chaîne, calculerPn(n1(^X) =k)et reconnaître cette loi. 19.Soit tn. En déduire^Pt(n;n1)puis plus généralement^Pt(n;). Reconnaître en parti-
culier la mesure de probabilité^Pn(n;). 10.Déduire sans calcul de ce qui précède
^Pt(n;)pour toutt > n. Commenter ce résultat.Correction.Pbien définie car l"irréductibilité implique que l"unique mesure stationnaire est
strictement positive en tout pointx; le fait quePsoit stochastique découle alors du fait queest stationnaire pourP: ceci assure en effet que la somme sur les lignes vaut1, (et les coefficients sont positifs ou nuls). SiPest réversible par rapport àP, alors(x)^P(x;y) =(y)P(y;x)implique^P=P, dontestl"unique mesure stationnaire. De façon plus générale, on vérifie sans peine queest une mesure
de proba stationnaire de^P, puisque : X x(x)^P(x;y) =X x(x)(y)P(y;x)(x)=(y)X xP(y;x) =(y) Ensuite, pour l"unicité de cette mesure stationnaire il suffit de noter que ^Pest encore irréductible.Soitx;y2
. Alors il existet2Ntel quePt(y;x)>0de l"irréductibilité dePet ceci implique que ^Pt(x;y)>0, par exemple parce que^Pt(x;y) =(y)Pt(x;y)(x). On commence maintenant la partie avec la forme explicite deP, et d"abord le calcul de. On commence par observer que(x+ 1) =(x)1=2pour toutx2 f0;:::;n2get(n) =(n1). Ainsi(x) = (1=2)x^(n1)(0)pour toutx2 f0;:::;ng. Puis 1 = X0xn(x) =(0)X
0xn1(1=2)x^n1=(0)1(1=2)n11=2+ (1=2)n1
= 2(0): Donc (x) = (1=2)(1+x)^n:Ensuite, on calcule :
P(x;y) =1x=0(y) +10 (1y=n1+1y=n): On souligne que
^P(0;)est égal à On voit que
^Pt(x;) =xt()pour tout0txn1(évolution déterministe). Aussi^Px+1(x;) =puis commeest encore une mesure stationnaire pour^P,^Pt(x;) =pour tout
t > x. Pour comprendre^P(n;), on note quePn(n1=k) = (1=2)kpour toutk1, on reconnait une loi géométrique issue de1de paramètre de succès1=2. Ainsi pourx1,^Pt(n;nx) = P(n1=t(x1)) = (1=2)tx+1d"où, pourxn1,^Pn(n;x) = (1=2)n(nx1)= (1=2)x+1), et donc puisque^Pnest une mesure de proba qui coincide avecsurf0;:::;n1g, nécessairement,^Pn(n;) =. Puisqueest stationnaire pour^P, on en tire^Px(n;) =pour toutx > n. Ainsi la
chaîne atteint sa mesure stationnaire en temps fini. Exercice 2.[Marche aléatoire biaisée : temps d"atteinte, 10 points] Soit deux réelsp;q2]0;1[tels quep+q= 1, avecp6=q. On considère sur =f0;1;:::;ng la marche aléatoire(Xt)t2Nbiaisée avec des conditions au bord de type réflexion, de matrice de
transition :( P(x;y) =p1fy=x+1g+q1fy=x1gsix2 f1;:::;n1g;y2 f0;:::;ng P(0;1) =P(n;n1) = 1
2 On rappelle quex= minft0 :Xt=xg 2N[ f1gdésigne le temps d"atteinte dex. On pose f(x) =Ex[n]2[0;1]pourx2 f0;:::;ng. 1. Construire un réseau fG;cgdont la marche aléatoire associée est la chaîne de Markov (Xt)t2N 2. À l"aide de l"iden titédu temps de transp ort,c alculerla v aleurdu temps de transp ort t 0$n:=E0[n] +En[0]:
On note que le temps de transport donne une borne supérieure surE0[n]. Les questions qui suivent visent à établir une borne inférieure. 3. Justifier l"iden titéen loi suiv ante:
nsousP0=G1X i=1T i+R; où -Gest une variable Géométrique (surN?) de paramètrep=P0(+0> n) -T1;T2;:::dont des variables i.i.d. de loiP0(+02 j+0< n) -Rsuit la loiP0(n2 j+0> n), ces variables étant toutes indépendantes. (SiG= 1, on convient que la première somme est nulle). On ne demande pas une démonstration rigoureuse. On sera concis et on pourra faire un dessin. 4. En déduire :
E 0[n] =1P
0(+0> n)1
E 0[+0j+0< n] +E0[nj+0> n]
5. Calculer E0[+0]etP0(+0> n)à l"aide de relations vue en cours. 6. On admet que E0[+0j+0< n]!E0[+0]quandn! 1. Déduire de ce qui précède un équivalent simple deE0[n]dans le casp < q(cet équivalent ne nécessite pas de calculer E 0[nj+0> n]).
La suite de l"exercice est indépendante de ce qui précède. Elle vise à calculer de façon exacte
f:f0;:::;ng ![0;1]; k7!f(k) =Ek[n] à l"aide de la méthode à un pas.
7. Soit k2 f1;:::;n1g. Donner un lien entren(X)etn(X)sousPkla loi de la chaîne issue dek1, et en déduire à l"aide de la propriété de Markov une expression def(k)en fonction def(k1)etf(k+ 1). 8. Exprimer f(0)en fonction def(1). Donner aussif(n). 9. On p ose`(k) =f(k+1)f(k)pour0kn1. Montrer que`(k)satisfait une équation de récurrence du type`(k) =`(k1) +,1kn1, pour des paramètreset que l"on précisera.1. on rappelle queest l"opérateur de translation :(X)t=Xt+1, et plus généralement,s(X)t=Xt+s;t;s2N
3 10.O nrapp elleque la solution de la récurrence affine précéden teest de la forme
`(k) =1+k `(0)1 ;0kn1: Calculer la fonction`dans notre cas et en déduire la fonctionf. 11. Do nnerdes équiv alentsde E0[n]quandn! 1dans les deux cas suivants : (i)p > q (ii)p < q oùp;qsont indépendants den. 12. O np ose,p our2Rnf0gfixé,qn= 1pn=12
+n . Montrer qu"il existe alors':R!R+ que l"on précisera, tel que, quandn! 1: E 0[n]n2'():
Correction.Le réseau associé est donné par le grapheGspécifié avec les conductances : c(x;x+ 1) = (pq )x etc(x;x) = 0: pas de boucles. Il suffit en effet de vérifier que ce réseau donne les bonnes transi-
tions : Pourx2 f1;:::;n1g, P(x;x+ 1) =(pq
)x( pq )x+ (pq )x1=(pq pq ) + 1=p P(x;x1) =(pq
)x1( pq )x1+ (pq )x=11 + pq =q tandis queP(n;n1)etP(0;1)valent bien1. On fera en sorte dans les écritures suivantes que les quantités qui interviennent soient positives quandq > pet c"est dans ce régime qu"on prendra
nos équivalents. Notons quer(x;x+ 1) = (qp )xet partant R(0$n) =(qp
)n1q p 1;C(0$n) =qp
1( qp )n1 Il faut aussi calculer le coefficient
c G= 2X xX yc(x;y) = 2Xc(e) = 2(pq )n1p q 1 On peut aussi désormais calculer le temps de transport t 0$n= 2(pq
)n1p q 11(qp )n1qp 2pq(pq)2(qp
)nsiq > p Le tenps de transport donne une borne pour
E 0[n]t0$n2pq(pq)2(qp
)n 4 Il suffit pour justifier la décomposition demandée de noter que les différentes excursions de la
trajectoire en dehors de0sont indépendantes : le nombre de telles excursions jusquà la première
qui atteintnsuit une loi GeométriqueGde paramètrep=P0(n< +0), et conditionnellement à cette valeur,G, lesG1premières excursions sont indépendantes de loi celle de+0sachant +0< net laG-ième excursion est de loi celle de+0sachant+0> n.En prenant les espérances on a bien : 1P 0(+0> n)1
E 0[+0j+0< n] +E0[nj+0> n] =E0[n]
Ensuite :
P 0(+0< n) =c(0)P0(+0< n) =C(0$n) =C(0$n) =qp
1( qp )n1 Aussi,
quotesdbs_dbs4.pdfusesText_7
On souligne que
^P(0;)est égal àOn voit que
^Pt(x;) =xt()pour tout0txn1(évolution déterministe). Aussi^Px+1(x;) =puis commeest encore une mesure stationnaire pour^P,^Pt(x;) =pour tout
t > x. Pour comprendre^P(n;), on note quePn(n1=k) = (1=2)kpour toutk1, on reconnait une loi géométrique issue de1de paramètre de succès1=2. Ainsi pourx1,^Pt(n;nx) = P(n1=t(x1)) = (1=2)tx+1d"où, pourxn1,^Pn(n;x) = (1=2)n(nx1)= (1=2)x+1), etdonc puisque^Pnest une mesure de proba qui coincide avecsurf0;:::;n1g, nécessairement,^Pn(n;) =. Puisqueest stationnaire pour^P, on en tire^Px(n;) =pour toutx > n. Ainsi la
chaîne atteint sa mesure stationnaire en temps fini. Exercice 2.[Marche aléatoire biaisée : temps d"atteinte, 10 points] Soit deux réelsp;q2]0;1[tels quep+q= 1, avecp6=q. On considère sur =f0;1;:::;ngla marche aléatoire(Xt)t2Nbiaisée avec des conditions au bord de type réflexion, de matrice de
transition :( P(x;y) =p1fy=x+1g+q1fy=x1gsix2 f1;:::;n1g;y2 f0;:::;ngP(0;1) =P(n;n1) = 1
2 On rappelle quex= minft0 :Xt=xg 2N[ f1gdésigne le temps d"atteinte dex. On pose f(x) =Ex[n]2[0;1]pourx2 f0;:::;ng. 1. Construire un réseau fG;cgdont la marche aléatoire associée est la chaîne de Markov (Xt)t2N 2. À l"aide de l"iden titédu temps de transp ort,c alculerla v aleurdu temps de transp ort t0$n:=E0[n] +En[0]:
On note que le temps de transport donne une borne supérieure surE0[n]. Les questions qui suivent visent à établir une borne inférieure. 3.Justifier l"iden titéen loi suiv ante:
nsousP0=G1X i=1T i+R; où -Gest une variable Géométrique (surN?) de paramètrep=P0(+0> n) -T1;T2;:::dont des variables i.i.d. de loiP0(+02 j+0< n) -Rsuit la loiP0(n2 j+0> n), ces variables étant toutes indépendantes. (SiG= 1, on convient que la première somme est nulle). On ne demande pas une démonstration rigoureuse. On sera concis et on pourra faire un dessin. 4.En déduire :
E0[n] =1P
0(+0> n)1
E0[+0j+0< n] +E0[nj+0> n]
5. Calculer E0[+0]etP0(+0> n)à l"aide de relations vue en cours. 6. On admet que E0[+0j+0< n]!E0[+0]quandn! 1. Déduire de ce qui précède un équivalent simple deE0[n]dans le casp < q(cet équivalent ne nécessite pas de calculer E0[nj+0> n]).
La suite de l"exercice est indépendante de ce qui précède. Elle vise à calculer de façon exacte
f:f0;:::;ng ![0;1]; k7!f(k) =Ek[n]à l"aide de la méthode à un pas.
7. Soit k2 f1;:::;n1g. Donner un lien entren(X)etn(X)sousPkla loi de la chaîne issue dek1, et en déduire à l"aide de la propriété de Markov une expression def(k)en fonction def(k1)etf(k+ 1). 8. Exprimer f(0)en fonction def(1). Donner aussif(n). 9. On p ose`(k) =f(k+1)f(k)pour0kn1. Montrer que`(k)satisfait une équation de récurrence du type`(k) =`(k1) +,1kn1, pour des paramètresetque l"on précisera.1. on rappelle queest l"opérateur de translation :(X)t=Xt+1, et plus généralement,s(X)t=Xt+s;t;s2N
310.O nrapp elleque la solution de la récurrence affine précéden teest de la forme
`(k) =1+k `(0)1 ;0kn1: Calculer la fonction`dans notre cas et en déduire la fonctionf. 11. Do nnerdes équiv alentsde E0[n]quandn! 1dans les deux cas suivants : (i)p > q (ii)p < q oùp;qsont indépendants den. 12.O np ose,p our2Rnf0gfixé,qn= 1pn=12
+n . Montrer qu"il existe alors':R!R+ que l"on précisera, tel que, quandn! 1: E0[n]n2'():
Correction.Le réseau associé est donné par le grapheGspécifié avec les conductances : c(x;x+ 1) = (pq )xetc(x;x) = 0: pas de boucles. Il suffit en effet de vérifier que ce réseau donne les bonnes transi-
tions : Pourx2 f1;:::;n1g,P(x;x+ 1) =(pq
)x( pq )x+ (pq )x1=(pq pq ) + 1=pP(x;x1) =(pq
)x1( pq )x1+ (pq )x=11 + pq =q tandis queP(n;n1)etP(0;1)valent bien1. On fera en sorte dans les écritures suivantes queles quantités qui interviennent soient positives quandq > pet c"est dans ce régime qu"on prendra
nos équivalents. Notons quer(x;x+ 1) = (qp )xet partantR(0$n) =(qp
)n1q p1;C(0$n) =qp
1( qp )n1Il faut aussi calculer le coefficient
c G= 2X xX yc(x;y) = 2Xc(e) = 2(pq )n1p q 1 On peut aussi désormais calculer le temps de transport t0$n= 2(pq
)n1p q 11(qp )n1qp2pq(pq)2(qp
)nsiq > pLe tenps de transport donne une borne pour
E0[n]t0$n2pq(pq)2(qp
)n 4Il suffit pour justifier la décomposition demandée de noter que les différentes excursions de la
trajectoire en dehors de0sont indépendantes : le nombre de telles excursions jusquà la première
qui atteintnsuit une loi GeométriqueGde paramètrep=P0(n< +0), et conditionnellement à cette valeur,G, lesG1premières excursions sont indépendantes de loi celle de+0sachant +0< net laG-ième excursion est de loi celle de+0sachant+0> n.En prenant les espérances on a bien : 1P0(+0> n)1
E0[+0j+0< n] +E0[nj+0> n] =E0[n]
Ensuite :
P0(+0< n) =c(0)P0(+0< n) =C(0$n) =C(0$n) =qp
1( qp )n1Aussi,
quotesdbs_dbs4.pdfusesText_7[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