temps d'arrêt par rapport à une filtration constante ? Solution : 1 Non, si Ω = {1 en étant en plus centré, et l'exercice revient à montrer que Zn := Y 2 n − E(Y 2
Previous PDF | Next PDF |
[PDF] TD 7 : Martingales, théorème darrêt Corrigé
Exercice 1 (Vrai ou faux) Soit (Sn) une marche aléatoire simple symétrique sur Z et Fn = σ(S0,S1, ,Sn) Lesquelles des variables suivantes sont des temps
[PDF] TD 6 : Conditionnement, martingales, théorème darrêt Corrigé
17 oct 2018 · T = min{n ∈ N,Sn = −a ou Sn = b} On pourra admettre dans un premier temps que T < +∞ p s (c'est une conséquence de l'exercice 6)
[PDF] TD Processus Stochastiques 1 : Temps darrêt
Université d'Angers 2010-11 TD Processus Stochastiques 1 : Temps d'arrêt Exercice 1 Aujourd'hui lundi, vous avez un dollar dans votre tirelire `A partir de
[PDF] ISFA Vincent Lerouvillois Processus stochastiques - M1 Actuariat
Le processus stochastique (Yn)n∈N est donc une martingale Exercice 3 : Propriétés des temps d'arrêt Soit (Fn)n∈N une filtration et soient S et T deux temps d
[PDF] Processus stochastiques et temps darrêt Exercices
Processus stochastiques et temps d'arrêt Exercices Geneviève Gauthier Dernière mise à jour : 13 mars 2004 Exercice 2 1 Aujourd'hui lundi, vous avez un
[PDF] Examen : correction
des questions Exercice 1 Les questions de cet exercice sont indépendantes est la martingale Mλ arrêtée au temps d'arrêt T, et qui est donc également une
[PDF] TD Master 2 – Martingales et calcul stochastique
Corrigé des exercices du chapitre 5 – Temps d'arrêt Exercice 5 1 Démontrer la Proposition 5 3 1 : 1 Si N et M sont des temps d'arrêt, alors N ∧ M et N ∨ M
[PDF] Temps darrêt et martingales
2 Etant donné un F-temps d'arrêt τ, on peut définir la tribu Fτ = {A ∈ A : A ∩ {τ ≤ t}∈Ft,t ≥ 0} Par définition, une variable aléatoire Z est Fτ -mesurable si et
[PDF] TD 3 et 4 : Processus à temps discret et Martingales - CMAP
temps d'arrêt par rapport à une filtration constante ? Solution : 1 Non, si Ω = {1 en étant en plus centré, et l'exercice revient à montrer que Zn := Y 2 n − E(Y 2
[PDF] Feuilles dexercices
Le but de l'exercice est d'étudier la loi de T 1 Montrer que (Xn) est une martingale et que T est un temps d'arrêt relativement à In 2
[PDF] exercices texte argumentatif
[PDF] exercices théâtre mimes
[PDF] exercices théorème de rolle accroissements finis
[PDF] exercices théorème des valeurs intermédiaires pdf
[PDF] exercices théorème des valeurs intermédiaires terminale s pdf
[PDF] exercices thérapie cognitivo comportementale pdf
[PDF] exercices torseurs terminale
[PDF] exercices traitement de données 4ème
[PDF] exercices traitement de texte cycle 3
[PDF] exercices traitement du signal aléatoire
[PDF] exercices transformée de fourier+correction
[PDF] exercices triangles 6ème à imprimer
[PDF] exercices triangles semblables brevet
[PDF] exercices trigonométrie seconde pdf
2009 - Université Paris VI
Master 1 : Introduction au calcul stochastique pour la finance (MM054) TD 3 et 4 : Processus à temps discret et Martingales1. Questions basiques sur les filtrations1. Une union de tribus est-elle toujours une
tribu?2. Soit(Fn)une filtration (suite croissante de tribus) d"un ensemble
.[n2NFnest-elle toujours une tribu?3. Que dire d"une martingale (resp. d"une sous-martingale, d"une sur-martingale) par
rapport à une filtration constante (i.e. telle queFn=F0pour toutn)? Que dire d"un temps d"arrêt par rapport à une filtration constante?Solution :1. Non, si
=f1;2;3g, alorsF=f;; ;f1g;f2;3gg,G=f;; ;f1;2g;f3gg sont des tribus, mais pasF[Gcarf2g=f2;3g \ f1;2g=2F[G.2. Non, si l"on prend
= [0;1[, et pour toutn,Fn=([(i1)=2n;i=2n[;i= 1;;2n), alors[n2NFnest l"ensemble des unions finies d"intervalles du type[(i1)=2n;i=2n[, avec n0,i= 1;;2n. Cet ensemble n"est pas une tribu, sinon, il serait égal à la tribu qu"il engendre, et la tribu qu"il engendre est l"ensemble des boréliens de , par densité des nombres dyiadiques dans3. C"est une suite p.s. constante (resp. p.s. croissante, décroissante) d"éléments de
L1mesurables par rapport à cette tribu. Un temps d"arrêt par rapport à une filtration
constante est une v.a. à valeurs dansNmesurable par rapport à cette tribu.2. Conditionnement et indépendance1. SoientXetYdeux variables aléatoires
indépendantes de lois de Bernoulli de paramètresp;q2]0;1[. On poseZ=?fX+Y=0getG=(Z). CalculerE(Xj G)etE(Yj G).
2. Ces deux variables aléatoires sont-elles indépendantes?
3. SoientZ;Tdes variables aléatoires définies sur un même espace de probabilité
;A;P)à valeurs dans des espaces mesurables quelconques(0;A0),(
00;A00)telles que
pour toute sous-tribuBdeA, pour toutes fonctions numériques mesurables bornées f;gdéfinies respectivement sur(0;A0),(
00;A00),E(f(Z)jB)etE(g(T)jB)sont indé-
pendantes. Montrer queZouTest p.s. constante. Solution :1. Les ensemblesfZ= 0getfZ= 1gforment une partition de qui engendreG. Ainsi,E(XjG) =E(XjZ= 0)?fZ=0g+E(XjZ= 1)?fZ=1g:
SurfZ= 0g,X= 0p.s et doncE(XjZ= 0) = 0. De plus,
E(XjZ= 1) =P(X= 1)P(X+Y1)
P(X= 1)1P(X+Y= 0)
p1(1p)(1q)=pp+qpq: 1Ainsi,
E(XjG) =pp+qpq?fZ1g:
Les rôles deXetYétant symétriques,
E(YjG) =qp+qpq?fZ=1g:
2. Les variables aléatoiresE(XjG)etE(YjG)sont donc proportionnelles p.s et non
constantes, elles ne sont donc pas indépendantes.3. Supposons que niZ, niTne soient p.s. constantes. Alors il existe les ensembles
mesurablesA;Bdes espaces d"arrivée respectifs deZ;Ttels queX:= 1A(Z);Y:= 1B(T) soient des v.a. de loi de Bernouilli de paramètresp;q2]0;1[.XetYsont indépendantes(par hypothèse en conditionnant avec la tribuA). Par ce qui précède, l"hypothèse est mise
en défaut.3. Rappels : Martingales et sur-martingales.
On se place sur une espace de probabilité(
;F;P)muni de la filtrationF= (Fn)n0.1. SoitY2L1. On définit le processusX= (Xn)n0parXn=E(Yj Fn). Montrer
queXest uneF-martingale.2. Soit(Xn)une sous-martingale et une fonction convexe croissante':R7!Rtelle
que pour toutn,'(Xn)2L1. Montrer que('(Xn))n0est une sous-martingale pourF.3. Soit(Xn)une sous-martingale etK2R. Montrer que(Xn_K)n0est une sous-
martingale pourF.4. On suppose queY2L1estFNmesurable et on définitZ= (Zn)nNparZN=Y
etZn=n_E[Zn+1j Fn]pournN1où= (n)n0estFadapté et borné. Montrer queZest une sur-martingale.5. Soit(Xn)une martingale etH= (Hn)n0un processusF-prévisible borné. On
définitV= (Vn)n0parVn=Pn k=1Hk(XkXk1)pourn0. Montrer queVest une martingale pourF.6. Montrer qu"un processus prévisible intégrable est une martingale ssi il est p.s.
constant.7. Soit(Xn)une martingaleL2et telle queXn+1Xnest indépendant deFnpour
toutn0. Montrer queW= (Wn)n0défini parWn= (XnE[Xn])2Var(Xn)pour n0est une martingale. Solution :1. C"est simplement une application de la transitivité de l"espérance condi- tionnelle : siB Asont des tribus, alors pour toutX2L1,E(XjB) =E(E(XjA)jB).2. On a, pour toutn,
E('(Xn+1)jFn)'(E(Xn+1jFn))'(Xn)
car'est convexe et croissante et(Xn)une sous-martingale.3. C"est une application de la question précédente pour'(x) =x^K.
4. a)Znest clairement adapté et on montre par récurrence décroissante queZn, su-
premum de deux fonctions intégrables, est intégrable. b) Pour toutn,ZnE[Zn+1j Fn]. 25. Tout d"abord, comme somme de produit de v.a.Fn-mes,VnestFn-mes. Ensuite,
V nest clairementL1car lesHksont bornés et lesXksontL1. Enfin, E(Vn+1jFn) =Vn+E(Hn+1(Xn+1Xn)jFn) =Vn+Hn+1E(Xn+1XnjFn) =Vn:6. Tout processus p.s. constant est une martingale et réciproquement, siH= (Hn)n0
un processusF-prévisible et uneF-martingale, on a pour toutn, p.s. H n=E(Hn+1jFn) =Hn+1:7. PosonsYn=XnE[Xn]. Ce processus satisfait les mêmes hypothèses queXn
en étant en plus centré, et l"exercice revient à montrer queZn:=Y2nE(Y2n)est une martingale. Notons que l"on a alorsE(Yn+1Yn) =E(Y2n)(commencer par conditionner par F n). Par ailleurs, par indépendance, on aE((Yn+1Yn)2jFn) =E((Yn+1Yn)2):Il en résulte, en écrivant Z n+1Zn=Y2n+1Y2nE(Y2n+1)+E(Y2n) = (Yn+1Yn)2+2Yn+1Yn2Y2nE(Y2n+1)+E(Y2n); que l"on aE(Zn+1ZnjFn) = 0:4. Une application du théorème d"arrêt.
On considère une suiteXn=nX
i=1 i, avec(i)i1v.a.i.i.d. de loi12 (1+1). On introduit la filtrationFn=(1;:::;n). Soita <0< bentiers. On définitTa;b= inffn1;Xn= aoubg.1. Que peut-on dire de(Xn)et deTa;b?
2. Montrer queTa;best presque sûrement fini (on pourra considérer, pourp2N,
l"événementAp=fp(ba)+1==p(ba)+(ba)= 1g).3. Donner la loi deXTa;b.
Solution :1. Lesiétant indépendants et centrés,Xnest une martingale par rapportà la filtrationFn.Ta;best un temps d"arrêt.
2. Les événementsApsont indépendants, de probabilité>0, donc on est presque sûr
que l"un d"entre eux se produira. Mais pour toutp, surAp,Ta;bp(ba)+(ba). Donc T a;best presque sûrement fini.3. Appliquons le théorème d"arrêt : on sait que pour toutn2N,E(XTa;b^n) =E(X0) =
0. Par convergence dominée, en faisant tendrenvers l"infini, par convergence dominée
(car pour toutn,aXTa;b^nb), on obtient, commeTa;best presque sûrement fini :E(XTa;b) = 0, soit
aP(XTa;b=a) +bP(XTa;b=b) = 0; ce qui permet de conclure, avecP(XTa;b=a) +P(XTa;b=b) = 1:
5. Martingales exponentielles.
On reprend l"exercice précédent et on définit le processusZ= (Zn)n0parZn=eXn pourn0. 31. Montrer queZest une sous-martingale pourF.
2. Trouver un processusF-prévisibleB= (Bn)n0issu de1en0tel queU= (Un)n0
défini parUn=BnZnpour chaquen0soit une martingale.3. DonnerE[Zn]pour toutn0.
Solution :1. Il suffit de remarquer queexpest croissante et convexe.2. On aXn+1=Xn+n, donc
E(Zn+1jFn) =ZnE(en+1jFn) =Zncosh(1)
par indépendance. DoncBn= cosh(1)nconvient.3.E(Un)est constante égale à un, doncE(Zn) = 1=Bn.
6. Jeu de pile ou face et temps d"arrêts.
On considère deux joueurs qui jouent à pile ou face. Le joueur 1 donne (resp. reçoit) 1euro si face apparaît (resp. si pile apparaît). Le jeu est répété plusieurs fois. On modélise
le jeux comme suit. SoitX= (Xn)n1une suite de variables aléatoires i.i.d. de loi de BernouilliB(1=2)définie sur un espace de probabilité( ;F;P). L"évènementfXn= 1g signifie que pile est apparu aun-eme tirage. On définit la suiteY= (Yn)n0parYn=Pn i=1(2Xi1)pourn0. Le processusYcorrespond à la richesse du joueur 1 après les différents tirages. Après chaque tirage, les joueurs connaissent la valeur obtenue auxtirages précédents, leur information peut donc être modélisée par la filtrationF= (Fn)n0
oùFn=(Xk; kn).