Vous êtes sur la page 1sur 23

ENS de Lyon - M1

28 janvier 2014

TD 1 de processus stochastiques et mouvement brownien

Dans cette premi`ere feuille de TD, on emploiera mouvement brownien comme abreviation de mouvement brownien unidimensionnel issu de 0.
Exercice 1 Sur la construction de Levy.
` un element (k, n) de I on associe deux
On pose I := {(k, n) N2 : k < 2n }. A
fonctions definies sur [0, 1] : sa fonction de Haar

hk,n := 2n/2 1[2k/2n+1 ,(2k+1)/2n+1 ] 1[(2k+1)/2n+1 ,(2k+2)/2n+1 ]
et sa fonction de Schauder

Z
gk,n : t 7

hk,n (t)dt.
0

1. Dessiner les graphes de ces fonctions.


Soit (Nk,n ) une suite de variables aleatoires gaussiennes centrees reduites independantes
indexee par I. Soit N0 une variable aleatoire gaussienne centree reduite independante de
cette suite. Pour m entier et t [0, 1], on definit
n

(m)
Bt

:= N0 t +

m 2X
1
X

Nk,n gk,n (t).

n=0 k=0
(m)

2. Constater que si t est de la forme 2kn , la suite (Bt )m0 stationne a` partir du rang
n. On notera Bt la valeur sur laquelle cette suite stationne.
3. Soit X et Y deux variables aleatoires gaussiennes centrees (unidimensionnelles)
reduites independantes. Demontrer que




X X + Y (loi) X + Y
,
=
,X .
2
2
2
4. Montrer que, pour tous t1 < < tn dyadiques, le vecteur aleatoire (Bt1 , . . . , Btn )
a la loi attendue de la part dun mouvement brownien.
Exercice 2 Un mouvement brownien en donne plusieurs.
Soit (Bt )t0 un mouvement brownien.
1. Montrer que, si R?+ , le processus (1/2 Bt )t0 est un mouvement brownien.
2. Demontrer que B1 B1t definit un mouvement brownien sur [0, 1].
1


3. Etablir
que (tB1/t )t0 definit un mouvement brownien, la valeur en 0 de ce processus
etant definie comme egale `a 0.
Exercice 3 Plusieurs mouvements browniens en forment un.
Soit (B (n) ) une suite de mouvements browniens independants definis sur [0, 1]. On
definit sur R+ le processus
btc
X
(btc)
(i)
B : t 7 Btbtc +
B1 .
i=1

Montrer que B est un mouvement brownien.


Exercice 4 Une version discontinue du mouvement brownien.
Construire un espace probabilise et, pour tout t R?+ , une variable aleatoire Bt definie
sur cet espace de telle sorte que
pour tout , la fonction t 7 Bt () ne soit continue en aucun point ;
pour tous t1 < . . . < tn , le vecteur (Bt1 , . . . , Btn ) ait la loi attendue de la part dun
mouvement brownien.
Exercice 5 Nulle part monotone.
Soit B un mouvement brownien. Montrer que, presque s
urement, la fonction t 7 Bt
nest monotone sur aucun intervalle dinterieur non-vide.

ENS de Lyon - M1

4 f
evrier 2014

TD 2 de processus stochastiques et mouvement brownien

Soit B un mouvement brownien unidimensionnel standard.


Exercice 1 Maximum local.
1. Soit x R+ . Demontrer que, presque s
urement, B natteint pas de maximum local
en x.
2. En deduire que, presque s
urement, lensemble des points x o`
u B atteint un maximum
local est de mesure de Lebesgue nulle.
3. Demontrer que, presque s
urement, cet ensemble est dense.
Exercice 2 Processus dOrnstein-Uhlenbeck.
Definissons sur R le processus U : t 7 et B(e2t ).
1. Montrer que U est stationnaire, dans le sens o`
u pour tout t0 reel, U et t 7 U (t + t0 )
ont meme loi (comme variables `a valeurs dans C 0 (R, R)).
2. Montrer que U verifie la propriete de Markov faible, cest-`a-dire que pour tout t0
reel, la loi de (U (t))tt0 conditionnellement a` (U (t))tt0 ne depend que de U (t0 ).
Exercice 3 Somme de mouvements browniens independants.
Soit B 0 un mouvement brownien unidimensionnel independant de B. Montrer que
est un mouvement brownien.

0
B+B

Exercice 4 Pont brownien.


On definit sur [0, 1] le processus Q : t 7 Bt tB1 .
1. Verifier que Q et t 7 Q1t ont meme loi.
2. Pour t0 ]0, 1[, montrer que les processus (Qt )tt0 et (Bt )tt0 sont absolument continus lun par rapport `a lautre.
3. Interpreter le comportement de la derivee de Radon-Nikodym quand t0 tend vers 1.
Exercice 5 Surjectivite du mouvement brownien.
1. Montrer quen dimension 1, le mouvement brownien standard est presque s
urement
surjectif.
2. Montrer quen dimension 3 et plus, le mouvement brownien standard est presque
s
urement non-surjectif.

ENS de Lyon - M1

11 f
evrier 2014

TD 3 de processus stochastiques et mouvement brownien

Exercice 1 Mesurabilite.
Soient B un mouvement brownien et T un temps darret pour la filtration F 0 . Demontrer
que (T, Bmin(t,T ) )t0 est FT -mesurable.
Exercice 2 Temps darret ?
Soit O un ouvert non-trivial de Rd . Le temps datteinte de O est-il un F 0 -temps
darret ?
Exercice 3 Temps datteinte.
Soit B un mouvement brownien unidimensionnel standard. Soit O un ouvert de R.
Montrer que, presque s
urement, les temps datteinte de O et de son adherence sont egaux.
Demontrer que cet enonce nest plus correct (en general) si on autorise louvert O a`
dependre de .
Exercice 4 Des heros et des huns.
Soit E une partie mesurable de lespace de Wiener sur Rd . On suppose que lappartenance dune fonction f a` E ne depend que de sa restriction a` [T, [, et ce quelle que
soit la valeur de T . Par loi du 0 -1, un mouvement brownien de dimension d issu de x
appartient `a E avec probabilite p(x) {0, 1}. On va montrer de deux facons differentes
que la fonction p est en fait constante.
1. Soient B et B 0 deux mouvements browniens sur Rd issus de points a priori differents.
Demontrer que les processus (Bt )t1 et (Bt0 )t1 sont absolument continus lun par
rapport `a lautre. En deduire la constance de p.
2. Par un argument de couplage, redemontrer que p est constante.
Exercice 5 Le dernier point du cercle.
Soit B un mouvement brownien sur R. Par projection sur R/Z, ce processus definit
une trajectoire aleatoire sur le cercle. Demontrer que le dernier point `a etre decouvert par
ce processus est presque s
urement bien defini et que sa loi est uniforme sur le cercle.

ENS de Lyon - M1

18 f
evrier 2014

TD 4 de processus stochastiques et mouvement brownien

Exercice 1 Indecision.
Soit B un mouvement brownien unidimensionnel standard. Demontrer que la probabilite de levenement suivant est nulle : pour  suffisamment petit, B atteint  avant
datteindre .
Exercice 2 Temps darret.
Soit B un mouvement brownien. Soient S et T des F 0 -temps darret tels que, presque
s
urement, S T < . Est-il vrai que 1T < (BT BS ) est necessairement independant
de FS0 ?
Exercice 3 Les proprietes de Markov.
Soit B un mouvement brownien unidimensionnel issu de 1. Soit X une variable de
Bernoulli de param`etre 1/2 independante de B. Demontrer que le processus XB a la
propriete de Markov faible mais pas la propriete de Markov forte.
Exercice 4 Un espace de Cantor aleatoire.
Soit B un mouvement brownien standard unidimensionnel defini sur [0, 1]. Demontrer
que, presque s
urement, son lieu dannulation est homeomorphe a` lespace de Cantor
N
{0, 1} .

ENS de Lyon - M1

25 f
evrier 2014

TD 5 de processus stochastiques et mouvement brownien

Exercice 1 Contre-exemple.
Soit B un mouvement brownien unidimensionnel standard. Trouver deux F 0 -temps
darret S et T tels que les trois conditions suivantes soient satisfaites :
S T < ,
E[S] < ,
E[BS2 ] > E[BT2 ].
Exercice 2 Dautre martingales issues du brownien.
Soit B un mouvement brownien unidimensionnel standard.
1. Demontrer que Bt3 3tBt est une martingale.
2. Demontrer que Bt4 6tBt2 + 3t2 est une martingale.
Soit (Ft ) une filtration. On appelle martingale locale tout processus adapte 1 X tel
quil existe une suite croissante de temps darret Tn verifiant les proprietes suivantes :
presque s
urement, Tn tend vers linfini
et, pour tout n, (Xmin(t,Tn ) )t est une martingale.
Exercice 3 Martingale locale positive.
Demontrer que toute martingale locale positive est une surmartingale.
Exercice 4 Un exemple de martingale vraiment locale.
Soit X le processus defini comme suit. Soit (Yi ) une suite de variables ind
ependantes
P
1
de loi de Bernoulli de param`etre 2 . On definit Z comme egal `a n + 1 2 ni=1 Yi sur
lintervalle [1 2n , 1 2(n+1) [ et a` 0 sur [1, [. Enfin, on pose Xt := Zt 1min{Zs ;st}>0 .
1. Demontrer que X nest pas une martingale.
2. En considerant, pour chaque n N? , le temps datteinte de n, demontrer que X est
une martingale locale.
Exercice 5 Processus de Cauchy.
Soit B = (B (1) , B (2) ) un mouvement brownien bidimensionnel. Pour a 0, on pose
V (a) := {a} R et note T (a) le temps datteinte de V (a). On definit le processus X par
(2)
Xa := BT (a) . Demontrer 2 quil sagit dun processus de Markov de noyau de transition
a
p(a, x, dy) =
dy.
2
(a + (x y)2 )
1. Pour tout t, Xt est Ft -mesurable.
2. On pourra commencer par expliciter la densite de la loi de T (a).

ENS de Lyon - M1

pour le 11 mars 2014

DM de processus stochastiques et mouvement brownien

Exercice 1 Du mouvement dans le pont.


Soit B un mouvement brownien standard unidimensionnel. Soit Q le pont brownien
associe, a` savoir le processus defini sur [0, 1] par Qt := Bt tB1 .
1. Montrer que Q et B1 sont independants.

2. Demontrer que le processus (1 + t)Qt/(1+t) t0 est un mouvement brownien standard.
Exercice 2 Maximum du pont brownien.
Soient B et Q comme dans lexercice precedent. Soit b R?+ . On va demontrer que la
2
probabilite de levenement {max Q > b} vaut e2b .
1. Verifier que {max Q > b} est bien un evenement. On notera q(b) sa probabilite.
2. Soit  ]0, b[. On note p(b, ) la probabilite que B depasse strictement b sur [0, 1]
conditionnellement a` |B1 | < . Montrer que p(b + , ) q(b) p(b , ).
3. Par un argument de reflexion, demontrer que p(b, ) = P[|B1 2b| < ]/P[|B1 | < ].
4. Conclure.
Exercice 3 Crit`ere de Kolmogorov.
Soit, pour chaque t [0, 1], une variable aleatoire reelle Xt . On suppose quil existe
trois constantes strictement positives a, b et c telles que
s, t [0, 1], E[|Xt Xs |a ] c|t s|1+b .
Il sagit de de demontrer quil existe une modification continue de X, cest-`a-dire une
famille (Yt ) de variables aleatoires telle que, pour tout t [0, 1], presque s
urement, Xt = Yt
et, pour tout , lapplication t 7 Yt () soit continue.
2
1. Pour m N, on note Dm := (2m Z) [0, 1] et m := {(x, y) Dm
: |x y| = 2m }.
Enfin, on pose Km := max(s,t)m |Xt Xs |. Demontrer que
a
m, E[Km
] c2mb .

2. Soit ]0, ab [. Montrer que, pour tout entier naturel m, pour tous s et t elements
distincts de Dm , les inegalites suivantes sont presque s
urement valables :

X
|Xt Xs |
+1

2
2k Kk < .
|t s|
k=0

3. Conclure proprement.
4. Demontrer que si une autre modification continue (Zt ) convient, alors, sur un
evenement de mesure pleine, Y et Z sont partout egales.
5. Retrouver le fait que, presque s
urement, pour tout ]0, 21 [, le mouvement brownien
unidimensionnel standard est -holderien sur [0, 1].

ENS de Lyon - M1

11 mars 2014

TD 6 de processus stochastiques et mouvement brownien

On rappelle que si B designe un mouvement brownien unidimensionnel, alors les processus suivants sont des martingales :
1. exp(Bt 2 t/2), (pour > 0)
2. Bt2 t,
3. Bt3 3tBt ,
4. Bt4 6tBt2 + 3t2 .
Exercice 1 Uniforme cachee.
Soit B un mouvement brownien unidimensionnel issu de 1. Soit T le temps datteinte
de 0 et X la valeur maximale de B sur [0, T ]. Demontrer que la variable aleatoire 1/X
est de loi uniforme sur [0, 1].
Exercice 2 Croiser une droite.
Soient a et b deux reels strictement positifs. Soit B un mouvement brownien unidimensionnel issu de 0. Demontrer que P[t R, Bt = a + bt] = exp(2ab).
Exercice 3 Loi de Cauchy.
Dans cet exercice, on identifie le plan reel a` la droite complexe. Soit donc B un mouvement brownien a` valeurs dans C et issu de i.
1. Soit R. Montrer que exp(iBt ) est une martingale.
2. Soit T le temps datteinte de laxe reel. Montrer que T est fini presque s
urement et
que R, E[exp(iBT )] = exp(||).
3. En deduire la loi de BT .
Exercice 4 Moment dun temps.
Soit B un mouvement brownien unidimensionnel issu de 0. On note T le temps datteinte de {1, 1}. Calculer E[T 2 ]. (Les plus temeraires pourront egalement calculer E[T 2 ] pour
T le temps datteinte de {a, b}, o`
u a < 0 et b > 0.)

Exercice 5 Un theor`eme darret.


Soit B
un mouvement brownien unidimensionnel issu de 0. Soit T un F 0 -temps darret
tel que E[ T ] < . On va demontrer que BT est integrable desperance nulle.

1. On definit := min{k : 4k T }. On introduit egalement M (t) := max[0,t] B et


Xk := M (4k ) 2k+2 . Demontrer que le processus a` temps discret (Xk ) est une
surmartingale pour sa filtration naturelle et que est un temps darret pour cette
meme filtration.
2. Demontrer que E[M (4 )] < .
3. Conclure.
Exercice 6 Optimalite du theor`eme precedent.
Soit B un mouvement brownien unidimensionnel issu de 0. Soit T le temps datteinte
de 1. Demontrer que, pour tout ]0, 1/2[, E[T ] < . En deduire que le theor`eme
demontre dans lexercice 5 est en un certain sens optimal.

ENS de Lyon - M1

1er avril 2014

TD 7 de processus stochastiques et mouvement brownien

Exercice 1 Loi de Cauchy.


Dans cet exercice, on identifie le plan reel a` la droite complexe. Soit donc B un mouvement brownien a` valeurs dans C et issu de i.
1. Soit R. Montrer que exp(iBt ) est une martingale.
2. Soit T le temps datteinte de laxe reel. Montrer que T est fini presque s
urement et
que R, E[exp(iBT )] = exp(||).
3. En deduire la loi de BT .
Exercice 2 Un theor`eme darret.
Soit B
un mouvement brownien unidimensionnel issu de 0. Soit T un F 0 -temps darret
tel que E[ T ] < . On va demontrer que BT est integrable desperance nulle.
1. On definit := min{k : 4k T }. On introduit egalement M (t) := max[0,t] B et
Xk := M (4k ) 2k+2 . Demontrer que le processus a` temps discret (Xk ) est une
surmartingale pour sa filtration naturelle et que est un temps darret pour cette
meme filtration.
2. Demontrer que E[M (4 )] < .
3. Conclure.
Exercice 3 Optimalite du theor`eme precedent.
Soit B un mouvement brownien unidimensionnel issu de 0. Soit T le temps datteinte
de 1. Demontrer que, pour tout ]0, 1/2[, E[T ] < . En deduire que le theor`eme
demontre dans lexercice 2 est en un certain sens optimal.
Exercice 4 Le dernier point du cercle.
Soit B un mouvement brownien sur R. Par projection sur R/Z, ce processus definit
une trajectoire aleatoire sur le cercle. Demontrer que le dernier point `a etre decouvert par
ce processus est presque s
urement bien defini et que sa loi est uniforme sur le cercle.
Exercice 5 Le mouvement brownien plan a une aire nulle.
Soit B un mouvement brownien bidimensionnel. On va demontrer que son image est
presque s
urement de mesure de Lebesgue nulle.
1. Pour s < t, on note As,t laire balayee par B sur lintervalle de temps [s, t]. Demontrer
que la variable aleatoire As,t est integrable et que E[As,t ] peut secrire sous la forme
(t s).

2. Demontrer que, presque s


urement, laire de B([0, 1]) B([2, 3]) est nulle. Pour ce
faire, on pourra utiliser la question precedente et etudier le cas degalite dans
A0,3 A0,1 + A1,2 + A2,3 .
3. Montrer que, presque s
urement, pour Lebesgue-presque tout x R2 , lintersection
de B([0, 1]) et x + (B([2, 3]) B(2) + B(1)) est de mesure de Lebesgue nulle. En
deduire que, presque s
urement, lun des ensembles B([0, 1]) et B([2, 3])B(2)+B(1)
est de mesure de Lebesgue nulle.
4. Conclure.

ENS de Lyon - M1

8 avril 2014

TD 8 de processus stochastiques et mouvement brownien

Exercice 1 Principe de Donsker


1. Soit (Bt )t[0,1] un mouvement brownien reel standard, et D := sup{t [0, 1], Bt = 0}
le dernier instant de passage en 0. Montrer que le processus reflechi a` linstant D,
defini par
At := Bt 1t<D Bt 1tD ,
0t1
est un mouvement brownien. Montrer quil en est de meme du processus reflechi a`
linstant E := inf{t [0, 1], Bt = B1 }.
2. Soit (Sn )n0 une marche aleatoire reelle de pas centres et de carre integrable. Pour
n 1, on note
Tn := inf{k n, Sk = max Si }.
0in

Montrer que Tn /n converge en loi vers la loi de larcsinus.


Exercice 2 Temps passe dans la demi-droite
Soit (Sn )n0 la marche aleatoire simple sur Z partant de 0 et (Xn )n1 = (Sn Sn1 )n1
la suite des sauts de la marche (i.i.d et de loi 12 1 + 21 1 ).
1. On fixe n 1, et on definit (Y1 , . . . , Yn ) le rearrangement de (X1 , . . . , Xn ) obtenu
en placant dabord, par ordre decroissant de k, les Xk pour lesquels Sk > 0, puis,
par ordre croissant de k, les Xk pour lesquels Sk 0. Montrer que (Y1 , . . . , Yn ) suit
la meme loi que (X1 , . . . , Xn )
2. On introduit Tn et Un definis par
Tn := inf{k n, Sk = max Si },
0in

Un := Card{k n, Sk > 0}.

Montrer quils ont meme loi, et en deduire que Un /n converge en loi vers la loi de
larcsinus.
3. Si (Bt )t[0,1] est un mouvement brownien reel standard, montrer que la mesure de
Lebesgue de lensemble des instants t (0, 1) tels que Bt > 0, est une variable
aleatoire qui suit la loi de larcsinus.
Exercice 3 Excursion brownienne
Soit (Bt )t0 un mouvement brownien reel standard. Pour a > 0, on introduit les temps
darret Ta := inf{t 0, Bt = a} et Ua := inf{t Ta , Bt = 0}, ainsi que Sa := sup{t
Ta , Bt = 0}. La loi du processus
Ea (t) := BSa +t ,

0 t Ua Sa

est appelee loi de lexcursion brownienne conditionnee a` atteindre le niveau le niveau a.


Le temps a := Ua Sa est appele le temps de vie de lexcursion.
1. Pour 0 < b < a, soit b := inf{t 0, Ea (t) = b}. Montrer que le processus
(Ea (t + b ))0ta b
est un mouvement brownien issu de b, conditionne `a toucher le niveau a avant le
niveau 0, et tue en son premier temps de retour en 0.
2. Montrer que la loi de lexcursion brownienne est invariante par retournement du
temps, cest-`a-dire que les processus Ea et (Ea (a t))0ta ont meme loi.
3. Pour c > a, montrer que lexcursion Ea conditionnee a` atteindre le niveau c, a la
meme loi que Ec .
4. Montrer que la famille de variables aleatoires (a )a>0 est stochastiquement croissante.
5. Soit (Xt )0t un processus aleatoire tue a` linstant aleatoire > 0. On suppose que
le processus X a` trajectoires continues et prend des valeurs strictement positives
aux instants t (0, ), et verifie de plus la propriete de la question 1 pour tout
0 < b < a. Montrer que X est une excursion brownienne conditionnee a` atteindre le
niveau a.

ENS de Lyon - M1

15 avril 2014

TD 9 de processus stochastiques et mouvement brownien

Exercice 1 Principe de Donsker


1. Soit (Bt )t[0,1] un mouvement brownien reel standard, et D := sup{t [0, 1], Bt = 0}
le dernier instant de passage en 0. Montrer que le processus reflechi a` linstant D,
defini par
At := Bt 1t<D Bt 1tD ,
0t1
est un mouvement brownien. Montrer quil en est de meme du processus reflechi a`
linstant E := inf{t [0, 1], Bt = B1 }.
2. Soit (Sn )n0 une marche aleatoire reelle de pas centres et de carre integrable. Pour
n 1, on note
Tn := inf{k n, Sk = max Si }.
0in

Montrer que Tn /n converge en loi vers la loi de larcsinus.


Exercice 2 Donsker via Skorokhod
Dans cet exercice, on deduit le principe de Donsker du theor`eme de Skorokhod.
1. Soient B un mouvement brownien reel standard et X une variable aleatoire centree
de variance 1. En utilisant le theor`eme de Skorokhod, demontrer quil existe une
suite croissante de temps darret integrables (Tk ) telle que les B(Tk+1 ) B(Tk )
forment une suite de variables i.i.d. de meme loi que X.
2. On definit Sn? par Sn? (t) = Sntn , o`
u Snt = B(Tbntc )+(ntbntc)(B(Tbntc+1 )B(Tbntc )).


n
o


Soit > 0. Montrer que la probabilite de levenement sup0t1 Bntn Sn? (t) >
tend vers 0 quand n tend vers linfini.
3. Soit K un ferme de C([0, 1], R). En ecrivant K comme lintersection de ses voisinages, demontrer que lim sup P[Sn? K] P[B K]. Conclure.
Exercice 3 Excursion brownienne
Soit (Bt )t0 un mouvement brownien reel standard. Pour a > 0, on introduit les temps
darret Ta := inf{t 0, Bt = a} et Ua := inf{t Ta , Bt = 0}, ainsi que Sa := sup{t
Ta , Bt = 0}. La loi du processus
Ea (t) := BSa +t ,

0 t Ua Sa

est appelee loi de lexcursion brownienne conditionnee a` atteindre le niveau le niveau a.


Le temps a := Ua Sa est appele le temps de vie de lexcursion.

1. Pour 0 < b < a, soit b := inf{t 0, Ea (t) = b}. Montrer que le processus
(Ea (t + b ))0ta b
est un mouvement brownien issu de b, conditionne `a toucher le niveau a avant le
niveau 0, et tue en son premier temps de retour en 0.
2. Montrer que la loi de lexcursion brownienne est invariante par retournement du
temps, cest-`a-dire que les processus Ea et (Ea (a t))0ta ont meme loi.
3. Pour c > a, montrer que lexcursion Ea conditionnee a` atteindre le niveau c, a la
meme loi que Ec .
4. Montrer que la famille de variables aleatoires (a )a>0 est stochastiquement croissante.
5. Soit (Xt )0t un processus aleatoire tue a` linstant aleatoire > 0. On suppose que
le processus X a` trajectoires continues et prend des valeurs strictement positives
aux instants t (0, ), et verifie de plus la propriete de la question 1 pour tout
0 < b < a. Montrer que X est une excursion brownienne conditionnee a` atteindre le
niveau a.

Exercice 4 Temps passe dans la demi-droite


Soit (Sn )n0 la marche aleatoire simple sur Z partant de 0 et (Xn )n1 = (Sn Sn1 )n1
la suite des sauts de la marche (i.i.d et de loi 21 1 + 21 1 ).
1. On fixe n 1, et on definit (Y1 , . . . , Yn ) le rearrangement de (X1 , . . . , Xn ) obtenu
en placant dabord, par ordre decroissant de k, les Xk pour lesquels Sk > 0, puis,
par ordre croissant de k, les Xk pour lesquels Sk 0. Montrer que (Y1 , . . . , Yn ) suit
la meme loi que (X1 , . . . , Xn )
2. On introduit Tn et Un definis par
Tn := inf{k n, Sk = max Si },
0in

Un := Card{k n, Sk > 0}.

Montrer quils ont meme loi, et en deduire que Un /n converge en loi vers la loi de
larcsinus.
3. Si (Bt )t[0,1] est un mouvement brownien reel standard, montrer que la mesure de
Lebesgue de lensemble des instants t (0, 1) tels que Bt > 0, est une variable
aleatoire qui suit la loi de larcsinus.

ENS de Lyon - M1

22 avril 2014

TD 10 de processus stochastiques et mouvement brownien

Exercice 1 Donsker via Skorokhod


Dans cet exercice, on deduit le principe de Donsker du theor`eme de Skorokhod.
1. Soient B un mouvement brownien reel standard et X une variable aleatoire centree
de variance 1. En utilisant le theor`eme de Skorokhod, demontrer quil existe une
suite croissante de temps darret integrables (Tk ) telle que les B(Tk+1 ) B(Tk )
forment une suite de variables i.i.d. de meme loi que X.
2. On definit Sn? par Sn? (t) =

S
nt ,
n

o`
u Snt = B(Tbntc )+(ntbntc)(B(Tbntc+1 )B(Tbntc )).


n
o

Bnt
?
Soit > 0. Montrer que la probabilite de levenement sup0t1 n Sn (t) >
tend vers 0 quand n tend vers linfini.

3. Soit K un ferme de C([0, 1], R). En ecrivant K comme lintersection de ses voisinages, demontrer que lim sup P[Sn? K] P[B K]. Conclure.

Exercice 2 Excursion brownienne


Soit (Bt )t0 un mouvement brownien reel standard. Pour a > 0, on introduit les temps
darret Ta := inf{t 0, Bt = a} et Ua := inf{t Ta , Bt = 0}, ainsi que Sa := sup{t
Ta , Bt = 0}. La loi du processus
Ea (t) := BSa +t ,

0 t Ua Sa

est appelee loi de lexcursion brownienne conditionnee a` atteindre le niveau le niveau a.


Le temps a := Ua Sa est appele le temps de vie de lexcursion.
1. Pour 0 < b < a, soit b := inf{t 0, Ea (t) = b}. Montrer que le processus
(Ea (t + b ))0ta b
est un mouvement brownien issu de b, conditionne `a toucher le niveau a avant le
niveau 0, et tue en son premier temps de retour en 0.
2. Montrer que la loi de lexcursion brownienne est invariante par retournement du
temps, cest-`a-dire que les processus Ea et (Ea (a t))0ta ont meme loi.
3. Pour c > a, montrer que lexcursion Ea conditionnee a` atteindre le niveau c, a la
meme loi que Ec .
4. Montrer que la famille de variables aleatoires (a )a>0 est stochastiquement croissante.

5. Soit (Xt )0t un processus aleatoire tue a` linstant aleatoire > 0. On suppose
que le processus X est a` trajectoires continues, sannule en 0, prend des valeurs
strictement positives aux instants t (0, ), et verifie de plus la propriete de la
question 1 pour tout 0 < b < a. Montrer que X est une excursion brownienne
conditionnee a` atteindre le niveau a.
Exercice 3 Temps passe dans la demi-droite
Soit (Sn )n0 la marche aleatoire simple sur Z partant de 0 et (Xn )n1 = (Sn Sn1 )n1
la suite des sauts de la marche (i.i.d et de loi 12 1 + 21 1 ).
1. On fixe n 1, et on definit (Y1 , . . . , Yn ) le rearrangement de (X1 , . . . , Xn ) obtenu
en placant dabord, par ordre decroissant de k, les Xk pour lesquels Sk > 0, puis,
par ordre croissant de k, les Xk pour lesquels Sk 0. Montrer que (Y1 , . . . , Yn ) suit
la meme loi que (X1 , . . . , Xn )
2. On introduit Tn et Un definis par
Tn := inf{k n, Sk = max Si },
0in

Un := Card{k n, Sk > 0}.

Montrer quils ont meme loi, et en deduire que Un /n converge en loi vers la loi de
larcsinus.
3. Si (Bt )t[0,1] est un mouvement brownien reel standard, montrer que la mesure de
Lebesgue de lensemble des instants t (0, 1) tels que Bt > 0, est une variable
aleatoire qui suit la loi de larcsinus.
Exercice 4 Plongement dAzema-Yor
Soit X une variable aleatoire reelle centree de carre integrable. On definit : R R
par (x) := E[X|X x] si P[X x] > 0 et (x) = 0 sinon. Soit aussi B un mouvement
brownien standard unidimensionnel. On pose
Mt := max Bs

et

0st

:= inf{t 0 : Mt (Bt )}.

Le but de cet exercice est de demontrer que est un temps darret, que son esperance
vaut E[X 2 ] et que B a meme loi que X.
P
1. On suppose que la loi de X est de la forme ni=1 pi xi avec p1 . . . pn > 0 ainsi que
x1 < < xn . On note yi := (xi+1 ). On pose
T0 := 0

et

Ti := inf{t Ti1 : Bt 6]xi , yi [}.

Montrer que T := Tn1 est un temps darret desperance E[X 2 ] et que BT a meme
loi que X.
2. Dans le cadre de la question precedente, montrer que = T .
3. Par un argument dapproximation, deduire le cas general du cas traite.

ENS de Lyon - M1

5 mai 2014

TD 11 de processus stochastiques et mouvement brownien

Exercice 1 Retour aux sources


Soit d 2. Soit B un mouvement brownien de dimension d issu de 0. Montrer que,
presque s
urement, B ne touche x = 0 qu`a linstant t = 0. On pourra utiliser le resultat
analogue pour x 6= 0.

Exercice 2 La theorie des ensembles est contradictoire.


On a vu, a` lexercice precedent, que le mouvement brownien plan standard evitait
presque s
urement de revenir a` lorigine. On sait par ailleurs que la marche aleatoire simple
sur Z2 revient presque s
urement une infinite de fois en 0. Le theor`eme de Donsker met
ces deux enonces en contradiction.
Sauver la theorie des ensembles en decelant lerreur cachee dans le paragraphe precedent.

Exercice 3 Le brownien plan est daire nulle.


Montrer que le mouvement brownien plan est presque s
urement daire nulle.

Exercice 4 Condition du cone de Poincare


Lobjectif de cet exercice est de voir pourquoi, sans la condition du cone de Poincare,
lexistence dune solution au probl`eme de Dirichlet ne peut pas etre garantie.
Soit D := {z C : 0 < |z| < 1} le disque unite epointe. On sinterroge quant `a
lexistence dune fonction continue f : D R qui soit harmonique sur D, nulle en 0 et
constante egale a` 1 sur le cercle unite.
1. Soit g lapplication de D vers R qui vaut 1 sur le cercle unite, 0 en lorigine, et qui
associe `a x D la probabilite quun brownien issu de x quitte D par le cercle plutot
que par le centre. Montrer que g nest pas une solution du probl`eme pose.
2. Montrer que le probl`eme pose nadmet pas de solution.
Rappel. Soit g une application C 2 definie sur un ouvert U de R?+ R et `a valeurs reelles.
On suppose que f verifie (r, ) U, f (rei ) = g(r, ). Alors, pour tout (r, ) U , la
fonction f est C 2 au voisinage de rei et
f (rei ) =

1 g
1 2g
2g
(r,
)
+
(r,
)
+
(r, ).
r2
r r
r2 2

Exercice 5 Fonctions harmoniques et martingales


Soit h une fonction continue definie sur un ouvert U de Rd et a` valeurs reelles. Montrer
que h est harmonique si et seulement si, pour toute boule ouverte B dadherence incluse
(x)
dans U , pour tout x dans B, le processus (h(Bmin(t,TB ) ))t0 est une martingale.
Ci-dessus, B (x) designe un mouvement brownien issu de x et TB linstant o`
u il quitte B.

ENS de Lyon - M1

6 mai 2014

TD 12 de processus stochastiques et mouvement brownien

Le thorme 2M-B de Pitman


Le but de ce TD est de dfinir le processus de Bessel de dimension 3 et de le mettre en
lien avec le mouvement brownien unidimensionnel. Ds quun point nest pas dtaill, cest un
exercice : rien dans cette feuille na vocation tre admis.
On commence par considrer la marche alatoire simple sur Z initialise un point entre 1
et n 1 et conditionne toucher n avant 0 ; une fois que la marche est arrive n, on pose
par convention toutes les positions ultrieures de la marche qui nous intresse gales n. Cette
nouvelle marche alatoire est bien markovienne et ses probabilits de transition sont donnes,
pour k {1, . . . , n 1}, par
p(k, k + 1) =

k+1
2k

et

p(k, k 1) =

k1
.
2k

Cette formule ayant le bon got de ne pas faire intervenir n, si ce nest pour dire o k est pris,
on dfinit la marche alatoire sur N conditionne ne jamais sannuler comme la chane de
Markov sur N de noyau de transition p.
Lemme 1. Soit (x0 , . . . , x` ) un (` + 1)-uplet dentiers naturels non-nuls. On note la marche
alatoire conditionne ne jamais sannuler et S la marche alatoire simple sur Z ; le point de
dpart x sera spcifi par la notation usuelle Px . On a
x0 Px0 [i `, (i) = xi ] = x` Px0 [i `, S(i) = xi ].

On dfinit le processus de Bessel de dimension 3 en prenant W un mouvement brownien


dans R3 et en posant (t) := |W (t)|, o | | dsigne la norme euclidienne. Noter que ce processus
nest pas uniquement dfini en loi, le point de dpart de W nayant pas t spcifi.
Soit h > 0. On suppose le mouvement brownien initialis un point de norme h. On dfinit
(h)
(h)
(h)
(h)
(h)
les j par 0 = 0 et j+1 := min{t > j : |(t) (j )| = h}. Si on prend h = 1, on
sautorise ne pas se trimbaler les exposants (1) . Le processus temps discret ((j ))jN est
une marche alatoire sur N conditionne ne jamais sannuler ; pour vrifier que les probabilits
de transition sont les bonnes, on peut sappuyer sur le fait que le laplacien dune fonction radiale
d2
2 d
f (x) = g(|x|) dfinie sur un ouvert de R3 \{0} est de la forme dr
2 g(r) + r dr g(r).
Lemme 2. Le processus temps discret (n n)nN est une martingale et la variance de n n
est en O(n).

Dmonstration. En appliquant proprement un thorme darrt la martingale (t)2 t, on


montre que le processus temps discret (n n)nN est une martingale. Pour obtenir la borne
sur la variance, on pose
D

W (t)
Z := W (t + 1), |W
(t)| |W (t)| |W (t + 1)| |W (t)|,
0
o t est un rel positif quelconque, h, i le produit scalaire usuel sur R3 et |0|
un vecteur unitaire
3
arbitraire fix de R . La notation Z ne fait pas intervenir t car la loi de Z conditionnellement
(W (s))0st est gaussienne centre rduite. Comme
k
[

{|W (n1 + j)| |W (n1 + j 1)| > 2} {n n1 k},

j=1

la variable alatoire n n1 est majore stochastiquement par une variable alatoire gomtrique de paramtre p := P[Z > 2] ; cela signifie quon peut les coupler de telle sorte que la
gomtrique soit presque srement plus grande que la premire variable. On en dduit que la
variance de n n1 1 vaut au plus 2/p. On conclut par orthogonalit des accroissements de
martingale.

On utilisera dsormais les notations S et pour se rfrer aux marches prcdemment voques initialises 0. On pose, pour j N,
M (j) := max S(k)

:= min (k).
I(j)

et

0kj

kj

Enfin, pour t rel positif, on pose I(t) := inf st (s), o est toujours un processus de Bessel
de dimension 3.
Proposition 3. On prolonge I et par interpolation affine, rendant ainsi ces variables valeurs dans C(R+ , R). On a les convergences en loi suivantes dans lespace de Wiener C([0, 1], R) :
(h
(t/h2 ))0t1 ((t))0t1 ,
h0+

2 ))

(hI(t/h
0t1 (I(t))0t1 .
h0+

Dmonstration. Grce au lemme 2 et lingalit maximale de Doob L2 rappele en fin de feuille,


on a E[max{(j j)2 : 0 j n}] = O(n). De cela et linvariance par changement dchelle du
brownien, on dduit que


E max
En particulier, max



(h)
bh2 tc



(h)
bh2 tc

2

2



: t [0, 1]

= O(h2 ).

: t [0, 1]

vers 0. Par uniforme continuit, max

 

converge en probabilit vers 0 lorsque h tend

(h)
bh2 tc

2

(t)

: t [0, 1]

converge galement en
(h)

probabilit vers 0 quand h tend vers 0. Le processus temps discret ((j ))jN ayant mme
loi que (h
(j))jN , la preuve est termine en ce qui concerne , et un raisonnement analogue
traite la convergence en loi des renormalisations de I vers I.


Thorme 4. Soit B un mouvement brownien unidimensionnel standard. On dfinit le processus M par M (t) := max0st B(s). Soit un processus de Bessel de dimension 3 initialis
en 0. On rappelle que I est dfini par I(t) := inf st (s). On a lgalit en loi des processus
(2M B, M ) et (, I). En particulier, M 2B a mme loi quun processus de Bessel de dimension 3.
Remarque. Le processus M 2B est un mouvement brownien qui, chaque instant, est rflchi
par rapport la plus grande valeur quil ait atteinte jusqualors.
S, M
) et (
sont gaux en
Dmonstration. On va montrer que les processus discrets (2M
, I)
loi. Avec le thorme de Donsker et la proposition 3, ceci suffit tablir le thorme.
) et (2I , I).

Lgalit en loi quon cherche tablir revient celle des processus (S, M
On tablit cette dernire en montrant que les deux processus considrs sont markoviens de
), le caractre markovien est facile obtenir et les
mmes probabilits de transition. Pour (S, M
probabilits de transition aisment calcules.
Mme si cest moins facile voir que dans le cas
On cherche maintenant dsosser (2I , I).
prcdent, on est de nouveau face un processus markovien. On peut faire les deux observations
suivantes :


= maxkj 2I(k)
(k) ,
pour tout entier j positif, I(j)
i|
daprs le lemme 1, ds que j k i > 0, on a P[I(j)
(j) = k] = i/k.
et de
Ces deux remarques permettent de calculer les probabilits de transition de (2I , I),
constater quelles sont gales celle du premier processus.


Ingalit maximale de Doob.


Soit (Xn ) une martingale. Posant Mn := max{Xk2 : k n}, on a E[Mn ] 4E[Xn2 ].

Dmonstration. Il suffit de prouver les deux noncs suivants.


n := max{Yk : k n}, alors, pour tout
Si (Yn ) dsigne une sous-martingale et si on pose M
n ] E[Yn 1
rel strictement positif, on a P[M
Mn ].
Si X et Y sont deux variables alatoires positives vrifiant, pour tout > 0, lingalit
P[Y ] E[X1Y ], alors elles vrifient E[Y 2 ] 4E[X 2 ].