Vous êtes sur la page 1sur 5

Département Informatique

Modèles stochastiques
Exercices posés aux DS de janvier 2017 et janvier 2018

Questions de cours (répondre à tous les cas de figure par “vrai” ou “faux”)
1. Donner la définition d’une chaîne de Markov à temps discret.

2. La période di d’un état i d’une chaîne de Markov à temps discret existe et est définie par
— di = PPCM{n ∈ N∗ : Pii (n) > 0}  Vrai  Faux
— ∗
S’il existe n0 ∈ N tel que ∀n ≥ n0 , Pii (n) > 0 alors di = n0  Vrai  Faux
— di = PGCD{n ∈ N∗ : Pii (n) > 0}  Vrai  Faux
3. Soit P la matrice de transition associée à une chaîne de Markov à temps discret. Que représente
P n , n ∈ N∗ ?

4. Une chaîne de Markov à temps discret ayant un nombre fini d’états possède au moins un état
récurrent positif ?  Vrai  Faux
Corriger cette affirmation si elle est fausse.

5. A partir d’un état n ∈ N∗ d’un processus de naissance et mort, on peut atteindre


— au moins les états n − 1, n ou n + 1  Vrai  Faux
— n’importe quel état  Vrai  Faux
— les états n − 1 ou n + 1 uniquement  Vrai  Faux
— les états n − 1, n ou n + 1 uniquement  Vrai  Faux
6. Un processus de Poisson est un processus à temps continu  Vrai  Faux
7. Soit (Nt )t≥0 un processus de Poisson. Que représente Nt ?

8. Un état d’un processus de Poisson peut être récurrent positif ? (A justifier)  Vrai  Faux
Justification.

1
9. Les matrices suivantes peuvent-elles être associées à des chaines de Markov à temps discret ?
 
0.2 0.3 0.5
 0.2 0.6 0.2   Vrai  Faux
0.6 0.1 0.2
 
0.5 0.5 0
 0 0 1   Vrai  Faux
0.2 0.1 0.7
 
−0.5 0.3 0.2
 0.3 −0.6 0.3   Vrai  Faux
0 0.1 −0.1
10. Les matrices suivantes peuvent-elles être associées à des chaines de Markov à temps continu ?
 
−0.2 0.1 0.1
 0.1 −0.1 0.2   Vrai  Faux
0.2 0.3 −0.5
 
0.5 0.5 0
 0 0 1   Vrai  Faux
0.2 0.1 0.7
 
−0.5 0.3 0.2
 0.3 −0.6 0.3   Vrai  Faux
0 0.1 −0.1

CMTD

Soit un processus de Markov à temps discret et à quatre états (notés 1, 2, 3 et 4) dont la matrice de
transition P est donnée par :  
0 7/10 0 3/10
 1/10 2/5 p 0 
P =  q

0 0 1/20 
r 0 0 1−r
où p, q et r sont des réels de l’intervalle [0, 1].
1. Décrire le graphe de transition associé.
2. Pour quelles valeurs de p, q et r la chaîne est-elle irréductible ? Dans ce cas, est-elle récurrente
positive (à justifier) et quelle est la période des états (à justifier) ?
3. Après avoir justifié son existence, écrire sans le résoudre le système d’équation qui régit le régime
stationnaire.
4. On suppose r = 0. Déterminer la nature des états (périodicité, récurrents, transitoires) ?

2
On considère une chaîne de Markov à temps discret d’espace d’états E = {1, 2, 3, 4, 5, 6, 7, 8} et dont
le graphe de transition est représenté sur la figure suivante :

1. (a) Quelles sont les différentes classes d’équivalence ?


(b) Cette chaîne est-elle irréductible ?  Vrai  Faux
(c) Que constate t-on de particulier pour l’état 6 ?
2. Quelle est la périodicité de chaque état de cette chaîne ?
3. Préciser la nature des états (transitoires, récurrents) puis parmi les états récurrents, ceux qui
sont positifs et ceux qui sont nuls.
4. Donner un exemple numérique de valuations des arcs. On précisera les probabilités de transition
qui ne varient pas quelque soit l’exemple pris (les entourer par un ).

5. (a) Proposer un ajout au graphe de transitions initial pour rendre la chaîne de Markov irréduc-
tible.

(b) Proposer un ajout au graphe de transitions initial pour rendre la chaîne de Markov apério-
dique.

3
CMTC - PNM - PP

Un système parallèle est composé de deux processeurs ayant chacun un taux de panne λ > 0. Le système
devient indisponible si les deux processeurs sont en panne et en attente de réparation. Pour chaque
processeur le temps moyen de réparation est 1/µ et on ne peut réparer qu’un seul processeur à la fois.
Lorsqu’une panne survient sur un des deux processeurs, soit elle est recouverte avec une probabilité
0 < c < 1, soit elle ne l’est pas avec une probabilité 1 − c. En cas de panne non recouverte, le système
est reconfiguré afin de fonctionner avec le processeur disponible. Le temps moyen de reconfiguration
est 1/β.
On suppose que tous les temps de fonctionnement, de réparation et de reconfiguration sont des variables
aléatoires indépendantes et identiquement distribuées selon des lois exponentielles. De ce fait on peut
définir une chaîne de Markov à temps continu homogène (Xt ) où Xt représente l’état du système à
l’instant t. Les états sont définis par
0 : le système est en panne,
1 : un processeur fonctionne,
2 : les deux processeurs fonctionnent,
3 : le système est reconfiguré suite à une panne non recouverte.
1. Tracer le graphe de transition associé à cette chaîne en le valuant par les taux de transition.
2. Écrire le générateur infinitésimal associé à cette chaîne. Les états seront rangés de 0 à 3.
3. Montrer que le régime stationnaire existe. On notera πn les probabilités stationnaires. écrire,
sans les résoudre, les équations satisfaites par les πn .
4. Quelle est la probabilité Ua d’avoir un système indisponible ? En déduire une expression du
temps Da , en minutes, d’indisponibilité du système par an.

Deux experts travaillent dans un même cabinet et reçoivent en consultation des clients qui se présentent
selon un processus de Poisson de paramètre λ > 0. Le temps d’une consultation est une variable
aléatoire de loi exponentielle de paramètre µ > 0. La salle d’attente commune aux deux experts
comporte deux places. Quand un des experts est libre, il reçoit immédiatement les clients dans l’ordre
de leur arrivée. Les clients qui arrivent lorsque les deux places de la salle d’attente sont occupées,
repartent sans entrer dans le cabinet.
1. Modéliser le fonctionnement de ce cabinet par une chaîne de Markov à temps continu (Xt ) dont
on précisera les caractéristiques, le graphe de transitions et le générateur infinitésimal.
2. (a) Montrer que le fonctionnement de ce cabinet peut être modélisé par un processus particulier
que l’on précisera ainsi que les taux.

4
(b) En déduire l’existence du régime stationnaire associé à (Xt ) et déterminer les expressions
des probabilités stationnaires πk pour k ∈ E. On écrira les πk en fonction de ρ = λ/µ et
−1
π0 = 1 + ρ + 12 ρ2 + 14 ρ3 + 18 ρ4 .
3. Déterminer, en fonction de ρ, l’expression de la fraction du temps total pendant lequel les deux
experts ne sont pas en consultation mais toujours présents dans le cabinet (on pourra utiliser
les résultats de la question 2b).
4. Déterminer, en fonction de ρ, l’expression du pourcentage moyen de clients qui repartent sans
avoir pu rentrer dans le cabinet (on pourra utiliser les résultats de la question 2b).
5. Déterminer, en fonction de ρ et π0 , l’expression du nombre moyen de clients présents dans le
cabinet (on pourra utiliser les résultats de la question 2b).

Vous aimerez peut-être aussi