Vous êtes sur la page 1sur 4

UNIVERSIT2 DES SCIENCES ET DE LA TECHNOLOGIE HOUARI BOUMEDIENE

FACULTÉ DE MATHÉMATIQUES
Département de Recherche Opérationnelle

Processus Stochastique C haı̂ne de M arkov Licence 3/RO

DÉBUT
EXERCICE 1
1. Une escadrille composée de 4 avions est • S2 : est détruit un seul appareil ;
chargée de missions quotidiennes au dessus du • S3 : est détruit deux appareils ;
territoire ennemi et y subit des pertes. On sup- — S4 :sont détruit trois appareils ;
pose que chaque avion a indépendemment des — S5 :sont détruit les quatres appareils ;
autres, une probabilité 0.4 d’être abattu. Elle Le graphe du système est donné ci-dessous.
n’effectue toutefois sa mission que si son effec-
tif au début de la journée s’élève au moins à
2 appareils. Un appareil est reçu en renfort le
soir s’il y a au moins un avion abattu dans la
journée.
¶ Montrer qu’il s’agit d’une chaı̂ne de Mar-
kov homogène.
¶ Donner son graphe et classer les états.
· Donner l’état du système au début de la
quatrième journée.
2. Au cours de la première mission les quatres
avions ont été une cible d’une suite de trois — Donner la matrice des probabilités de tran-
frappes de missiles sol-air ; les possibles états sition.
du système S sont : — Trouver les probabilités d’état des appareils
• S1 : tous les objectifs sont saufs ; après les trois frappes.

EXERCICE 2 (La sentinelle de la tour carrée)

Lors d’une ronde, une méthode simple pour l’instant n, montrer que l’évolution peut se modéliser
“tromper l’ennemi” est d’avancer ou reculer de à l’aide d’une chaı̂ne de Markov.
manière aléatoire, en tirant à pile ou face. Comme
précédemment, si Xn désigne la position du garde à Remarque 1. Nous considérons les quatre directions
universelles.

EXERCICE 3 (Le système bonus-malus en assurance auto)

A Hong Kong, il existe 6 classes de tarification, de de i à 6. Si p est la probabilité de ne pas avoir


1 (fort bonus) à 6 (fort malus) de sinistre, modéliser en chaı̂ne de Markov en
— si un assuré n’a pas eu de sinistre, il passe de précisant l’ensemble des états et la matrice des
i à max (1, i − 1), probabilités de transition.
— si l’assuré a eu au moins un sinistre, il passe
EXERCICE 4
On considère une chaı̂ne de Markov de matrice de ¶ Déssiner le grapge de la chaı̂ne de Markov as-
probabilités de transition P et ensemble des états sociées ainsi que le graphe réduit.
E = {1, · · · , 7} · Donner les ensembles fermées.
  ¸ Est-ce-que la chaı̂ne de Markov est
1 1 1
 2 4
0 4
0 0 0  irréductible ? Justifiez ?
 

 1 0 0

1 
¹ Calculer les probabilités suivantes en utilisant
 2 0 0 0 2  les relations de récurrence.
 

 0 0 1 7
 (a) La probabilité que le système ne retourne
 8
0 8
0 0 
 jamais à l’état i = 5.
 
  (b) La probabilité d’aller de l’état i = 3 vers
P= 1
 4 0 0 0 0 0 34 


 l’état j = 5 pour la première fois.
º Classer les états.
 
 0 1 7 0 0 93 0 
 9 9 



 » Calculer les matrices suivantes :
 0 0 0

0 0 1 0 
 (i) la matrice potentielle < ;



 (ii) le matrice du premier passage V.
0 0 0 1 0 0 0 ¼ En déduire la matrice P∞ .

EXERCICE 5
Soit E = {1, · · · , 6}. Completer la matrice P pour ¶ Déterminer les états transitoires et récurrents.
qu’elle soit une matrice de transition : · Calculer la matrice potentielle et la matrice des
  probabilités de premier passage.
1
 ? 2 0 0 0 0 
 
 
 1 ? 0 0 0 0 
 3 
 
 
 0 0 ? 0 7 0 
 8 
P=



 1 1 0 ? 1 1 
 4 4 4 4 
 
 
 0 0 43 0 ? 0 
 
 
 
0 15 0 15 15 ?

EXERCICE 6
Classer les états des chaines de Mar-
kov dont les matrices des probabilités de
   
 0 0 0.2 0.8 0   0 0 0.5 0.5 0 
   
   
 0 0.3 0 0.4 0.3   0 0.4 0 0 0.6 
   
   
   
transition sont :  0.5
 0 0.5 0 ;
0   0.3
 0 0.7 0 ;
0 
   
   
 0 0 1 0 0   0 0 1 0 0 
   
   
   
0.2 0 0.4 0 0.4 0 1 0 0 0

EXERCICE 7
Un mobile se déplace le long d’un cercle renfer- 1. Montrer qu’il s’agit d’une chaine de Markov.
mant cinq positions possible où chaque deux positions 2. Déterminer la matrice des probabilités de tran-
adjacentes sont séparées par un angle de +2π/5 On sition.
joue à pile ou face et si on obtient pile alors le mo-
bile tourne d’un angle de +2π/5, sinon il tourne d’un 3. Donner le graphe et le graphe réduit de cette
angle de −2π/5. Soit Xn est la position du mobile à chaine.
(n)
l’instant n. 4. Calculer si possible lim Pij ?
n→∞

EXERCICE 8
Un plagiste dispose de 4 voiliers qu’il loue chaque moins deux disponibles.
jour à des estivants. Les voiliers peuvent subir des — La demande est toujours suffisante pour qu’il
avaries qui nécessitent une réparation. Nous suppo- puisse louer tous ses bateaux disponibles.
sons que chaque voilier qui sort a, indépendamment — Appelons l’état du système à la date n, le
des autres, une probabilité p de subir une avarie au nombre de voiliers disponibles au matin du
cours de la journée. Quelle est la loi du nombre de voi- jour n.
liers à réparer le soir. Nous supposons de plus que : 1. Montrer qu’il s’agit d’une chaine de Mar-
— Le plagiste ne peut de toute façon faire ses kov
réparations que le soir, aucune réparation
n’exige plus ou moins d’une soirée de travail 2. Donner la matrice des probabilités de tran-
par bateau ; pour des raisons de sécurité, il ne sition
peut laisser sortir ses bateaux que s’il y en au 3. Classer les états de cette chaine.

EXERCICE 9
On considère la chaı̂ne de Markov avec espace des
états E = {1, 2, · · · , 10} et matrice de probabilités de
transition 1. Tracer le graphe assicié à cette chaı̂ne de Mar-
kov et le graphe réduit.
 
1 1
0 0 0 0 0 0 0 0 

 2 2
 2. Classer les états.
 
 0 1
0 2
0 0 0 3 0 0 0  3. Calculer la matrice potentielle et la matrice de
 3 
  probabilités de transition.
 

 1 0 0 0 0 0 0 0 0 0   4. Déduire lim Pn .
  n→∞
 

 0 0 0 0 1 0 0 0 0 0  
 
 
1 1 1

 0 0 0 3 3
0 0 0 3
0 

P=




 0 0 0 0 0 1 0 0 0 0  
 
 
1 3
0 0 0 0 0 0 4 0 4 0 
 

 
 
1 1 1 1 
0 0 0 0 0 4 0 4 


 4 4 
 
0 1 0 0 0 0 0 0 0 0 
 

 
 
1
0 3
0 0 13 0 0 0 0 13

Fin

Vous aimerez peut-être aussi