Vous êtes sur la page 1sur 4

MAT2717 – PROCESSUS STOCHASTIQUES

SOLUTIONS DU TP10

THOMAS DAVIGNON

Problème 1 (Exercice 4.1). Une urne contient des boules rouges et des boules
vertes. À chaque instant n ≥ 0, on tire une boule au hasard de l’urne et on
la remet dans l’urne en ajoutant une autre boule de la même couleur que
celle tirée. On désigne par Xn la proportion de boules rouges dans l’urne à
cet instant et on suppose qu’il y a une boule de chaque couleur dans l’urne
initialement. Montrer que Xn est une martingale.
Solution. On commence au temps 0 avec q ∈ N boules dans l’urne. Au temps
n, il y a donc q + n boules dans l’urne, dont (q + n)Xn sont rouges. On a que
(
(n+q)Xn +1
n+q+1
si on a tiré une boule rouge (probabilité Xn )
Xn+1 = n+q
X
n+q+1 n
si on a tiré une boule verte (probabilité 1 − Xn )
On a donc que
n+q 1 n+q n+q
E [Xn+1 |Xn ] = Xn2 + Xn + Xn − X 2 = Xn
n+q+1 n+q+1 n+q+1 n+q+1 n
et puisque Xn est une chaı̂ne de Markov (inhomogène, mais une chaı̂ne de
Markov quand même), alors cela suffit à prouver que notre processus est une
Martingale.
En fait, on remarque que peu importe le nombre de boules dans l’urne au
départ, et peu importe la proportion d’entre elles qui sont rouges au départ,
le processus est toujours une martingale. En effet, ici, le problème spécifie
q = 2, mais ce n’est pas nécessaire. De plus, X0 n’intervient jamais dans cette
preuve.

Problème 2 (Exercice 4.2). Montrer que Sn2 − n est une martingale par rap-
port aux variables aléatoires Sn = ξ1 + · · · + ξn pour n ≥ 0, avec S0 = 0, où ξk
sont des variables aléatoires indépendantes qui valent ±1 avec probabilité 1/2.
Utiliser alors le théorème d’arrêt des martingales pour déterminer l’espérance
du temps d’arrêt N = min{n ≥ 0 : Sn =∈ {a, −b}}, a, b > 0.

Date: 5 avril 2018.


1
2 THOMAS DAVIGNON

Solution. Première étape : montrer que Sn2 − n est une martingale. Pour ce
faire, on commence par réaliser que Sn est aussi une chaı̂ne de Markov. On
écrit Zn = Sn2 −n, qui est aussi une chaı̂ne de Markov, et on étudie E [Zn+1 |Zn ].
Premier constat important :
2
Sn+1 = Sn2 + 2Sn ξn+1 + 1
En effet, puisque ξk ∈ {−1, 1}, forcément, ξk2 = 1 pour tout k.
Mais alors,
 2 
E [Zn+1 |Sn ] = E Sn+1 − (n + 1)|Sn
= E Sn2 |Sn + 2E [Sn ξn+1 |Sn ] + 1 − (n + 1)
 

= Sn2 + 2Sn E [ξn+1 |Sn ] − n


= Sn2 − n = Zn
puisque ξn+1 est indépendant de Sn , et que par conséquent, E [ξn+1 |Sn ] =
E [ξn+1 ] = 0. On a donc que Zn est une martingale adaptée aux variables Sn .
Attention : Zn n’est pas forcément une martingale adaptée à elle-même !
Deuxième étape : utiliser le théorème d’arrêt des martingales pour trouver
E [N ].
On a bien sûr que Zn∧N est borné entre −b et a, et on sait aussi que
P {N < ∞} = 1. Par le théorème d’arrêt, il suit immédiatement que Zn∧N est
une martingale, et que E [ZN ] = E [Z0 ].
2
Ceci nous aide, car alors, on a que E [SN ] = E [N ], puisque Z0 = 0. Alors,
2
il ne nous reste plus qu’à trouver E [SN ]. Pour ce faire, on va encoure utiliser
des martingales !
2
En effet, E [SN ] = b2 P {SN = −b} + a2 P {SN = a}, et pour trouver ces pro-
babilités, on doit utiliser la ruine du parieur. Notre avantage, c’est que Sn est
aussi une martingale adaptée aux Sn , et que Sn∧N est aussi, par le théorème
des martingales arrêtées, une Martingale – donc E [SN ] = 0.
Donc,
0 = aP {SN = a} − b(1 − P {SN = a})
, qui conduit immédiatement à
b
P {SN = a} =
a+b
et donc à la probabilité complémentaire
a
P {SN = −b} =
a+b
Au final, donc, on a
ab2 + a2 b
E [N ] =
a+b
MAT2717 – PROCESSUS STOCHASTIQUES SOLUTIONS DU TP10 3

Problème 3 (Exercice 4.4). On considère une population de N individus


dans laquelle, à chaque unité de temps, un individu choisi au hasard parmi les
N individus existants produit une copie identique à lui-même et cette copie
remplace l’un des N individus existants choisi au hasard. C’est le modèle
de Moran en génétique des populations. Le nombre d’individus d’un type
particulier A à l’instant n ≥ 0 (disons Xn ) forme alorsune chaı̂ne de Markov
dont la matrice de transition est donnée par
i(N − i)
Pi,i−1 = Pi,i+1 =
N2
2i(N − i)
Pi,i = 1 −
N2
pour i = 1, . . . , N − 1 et P0,0 = PN,N = 1.
(a) Montrer que (Xn )n≥0 est une martingale ;
(b) Déterminer la probabilité que le type A disparaisse éventuellement de
la population étant donné qu’il y a k individus du type A initialement.
Utiliser le théorème d’arrêt des martingales.
Solution. (a) Xn est une chaı̂ne de Markov. Si on suppose 0 < Xn < N ,
N
X
E [Xn+1 |Xn ] = iPXn ,i
i=0
 
Xn (N − Xn ) 2Xn (N − Xn ) Xn (N − Xn )
= (Xn − 1) + X n 1 − + (X n + 1)
N2 N2 N2
 
2Xn (N − Xn ) 2Xn (N − Xn )
= Xn 2
+1− = Xn
N N2
Si Xn = 0 ou Xn = N , alors Xn+1 = Xn . Donc, on vérifie bel et bien la
propriété de martingale.
(b) Par le théorème d’arrêt des martingales, on sait que puisque Xn est un
processus récurrent (nombre fini d’états, etc.) le temps d’arrêt T = min{t :
Xt ∈ {0, N }} est presque sûrement fini, et Xn∧T est clairement bornée ;
par conséquent, E [XT ] = E [X0 ] = k, et on va utiliser cela à notre avan-
tage !
En effet, on a
k = E [XT ]
= N P {XT = N }
= N (1 − P {XT = 0})
4 THOMAS DAVIGNON

ce qui signifie que P {XT = 0} = 1−k/N . Mais par bonheur, P {XT = 0}


est exactement la probabilité que Xn atteigne un jour 0 – si XT = N , alors
Xn n’aurait jamais atteint 0 puisqu’elle serait restée collée en N pour le
reste du temps (Xn∧T = Xn , en fait, puisque 0 et N sont des états absor-
bants).
Finalement, la probabilité que le type A disparaisse complètement est
donc donnée par 1 − k/N , où k est le nombre d’individus du type A qu’il
y avait au départ. Évidemment, ça colle à l’intuition. Plus il y avait une
forte proportion d’individus du type A au départ, plus il est probable
qu’ils finissent par dominer.

Vous aimerez peut-être aussi