Institut National de Statistique et Année: 2020 - 2021

Economie Appliquée (INSEA)

Rabat

TD 2 – Chaı̂nes de Markov à temps discret

Exercice 1.
On considère 5 points équirépartis sur un cercle. Un promeneur saute à chaque instant, d’un point à l’un de ses voisins
avec la probabilité 1/2 pour chaque voisin. Déterminer le graphe et la matrice de transition de la chaı̂ne ainsi obtenue.
Quelle est la période de ses états?

Exercice 2.
Dans un certain pays, il ne fait jamais beau deux jours de suite. Si un jour il fait beau, le lendemain il peut neiger ou
pleuvoir avec autant de chances. Si un jour il pleut ou il neige, il y a une chance sur deux qu’il y ait changement de
temps le lendemain, et s’il y a changement, il y a une chance sur deux que ce soit pour du beau temps.
1. Former, à partir de cela, une chaı̂ne de Markov et en déterminer sa matrice de transition.
2. Si un jour il fait beau, quel est le temps le plus probable pour le surlendemain?
3. Si on suppose que l’on a que deux états (beau temps et mauvais temps), déterminer la matrice de transition de la
nouvelle chaı̂ne ainsi obtenue.

Exercice 3.
Doudou, le hamster paresseux, ne connaı̂t que trois endroits dans sa cage : les copeaux où il dort, la mangeoire où
il mange et la roue où il fait de l’exercice. Ses journées sont assez semblables les unes aux autres, et son activité se
représente aisément par une chaı̂ne de Markov. Toutes les minutes, il peut soit changer d’activité, soit continuer celle
qu’il était en train de faire. L’appellation processus sans mémoire n’est pas du tout exagérée pour parler de Doudou.

ˆ Quand il dort, il a 9 chances sur 10 de ne pas se réveiller la minute suivante. Quand il se réveille, il y a 1 chance
sur 2 qu’il aille manger et 1 chance sur 2 qu’il parte faire de l’exercice.
ˆ Le repas ne dure qu’une minute, après il fait autre chose. Après avoir mangé, il y a 3 chances sur 10 qu’il parte
courir, mais surtout 7 chances sur 10 qu’il retourne dormir.

ˆ Courir est fatiguant; il y a 8 chances sur 10 qu’il retourne dormir au bout d’une minute. Sinon il continue en
oubliant qu’il est déjà un peu fatigué.

1. Tracer le graphe de cette chaı̂ne de Markov et donner sa matrice de transition.

2. Si Doudou dort la première minute, quelle est la probabilité qu’il dorme la minute suivante? Et celle d’après?
3. Montrer que la chaı̂ne est irréductible et apériodique. En déduire la nature des états.
4. Donner sa mesure stationnaire. Est-elle unique? Interpréter cette mesure.

Exercice 4.
Un fabricant veut fixer le niveau de publicité qu’il fait passer dans un média. Il peut choisir entre une couverture pub-
licitaire élevée (E) et une couverture publicitaire moyenne (M ). Les ventes mensuelles sont réparties en trois catégories
suivant leur nombre : C1 (peu de ventes), C2 (nombre de ventes normal ) et C3 (beaucoup de ventes). On estime que
l’évolution de la catégorie des ventes mensuelles au cours du temps peut être représentée par une chaine de Markov, dont
la matrice de transition dépend de la couverture publicitaire. Les deux matrices de transition sont respectivement les
suivantes:    
0.2 0.5 0.3 0.6 0.4 0
PE =  0.1 0.5 0.4  PM =  0.4 0.5 0.1  .
0.1 0.2 0.7 0.4 0.5 0.1
Un mois de vente de catégorie C1 (respectivement C2 et C3 ) rapporte environ 9000 euros (respectivement 12000 et 18000
euros). Une forte couverture publicitaire coûte 5000 euros par mois, alors qu’une couverture publicitaire moyenne ne
coûte que 1000 euros par mois.
1. Après avoir montré que la CM dans les deux cas est ergodique, calculer la mesure stationnaire pour les deux cas.
2. Calculer alors le bénéfice moyen du fabricant sur une grande période de temps lorsque la couverture publicitaire
est élevée, puis lorsqu’elle est moyenne. Quel est le choix le plus rentable?

1
Exercice 5.
On dispose de 2 machines identiques fonctionnant indépendamment et pouvant tomber en panne au cours d’une journée
avec la probabilité q = 1/4. On note Xn le nombre de machines en panne au début de la n−ième journée.
1. On suppose que, si une machine est tombée en panne un jour, elle est réparée la nuit suivante et qu’on ne peut
réparer qu’une machine dans la nuit. Montrer que l’on peut définir ainsi une chaı̂ne de Markov dont on déterminera
le graphe, la matrice de transition et éventuellement les distributions stationnaires.
2. Même question en supposant qu’une machine en panne n’est réparée que le lendemain, le réparateur ne pouvant
toujours réparer qu’une machine dans la journée.
3. Le réparateur, de plus en plus paresseux, met maintenant 2 jours pour réparer une seule machine. Montrer que
(Xn ) n’est plus une chaı̂ne de Markov, mais que l’on peut construire un espace de 5 états permettant de décrire le
processus par une chaı̂ne de Markov dont on donnera le graphe des transitions. Calculer la probabilité que les 2
machines fonctionnent après n jours (n = 1, n = 2 et n = 3) si elles fonctionnent initialement.

Exercice 6.
Soit la chaı̂ne de Markov à temps discret définie par la matrice de transition suivante:
 
0 1 0 0 0
 1 0 0 0 0 
 
 1/8 1/8 0 1/4 1/2 
 
 0 0 0 1 0 
0 1/6 1/3 0 1/2
1. Donner le graphe de transition de cette chaı̂ne et la classifier complètement.
2. Partant de l’état initial 3, quelle est la probabilité de visiter un jour l’état 2?
3. Partant de l’état initial 5, combien de fois en moyenne le processus y reviendra-t-il?

Exercice 7.
Cet exercice porte sur le modèle économique input-output de Wassily Leontief (Prix Nobel d’économie 1973).
On considère une économie formée de n industries produisant un unique type de bien manufacturé. Ces industries
sont interconnectées: pour une production valant 1euro, l’industrie i a besoin d’acheter à l’industrie j une partie de sa
production pour une valeur qi,j > 0. On suppose pour simplifier qu’il s’agit là de l’intégralité de ses coûts de production.
Soit Q la matrice carrée d’ordre n avec le coefficient qi,j en ligne i colonne j.
Xn
On suppose que pour toute industrie i, qi,j ≤ 1.
j=1
On note xi la valeur (en euros) de la production totale de l’industrie i, et X le vecteur ligne (x1 , x2 , . . . , xn ). Enfin, on
connaı̂t les besoins des consommateurs: on suppose que la valeur de leurs besoins en produits de l’industrie i est bi . On
note B le vecteur ligne (b1 , b2 , . . . , bn ).
n
X
1. Que signifie économiquement l’hypothèse qi,j ≤ 1?
j=1

2. Considérons une industrie j. Soit yj la valeur totale de sa production qui sert aux autres industries, et Y le vecteur
ligne (y1 , y2 , . . . , yn ). Exprimez Y en fonction de Q et X.
3. On suppose que la production de chaque industrie a atteint un équilibre permettant de satisfaire les besoins
des consommateurs et les besoins des autres industries. Écrivez l’équation traduisant cette hypothèse. À quelle
condition sur la matrice Q peut-on trouver un vecteur de production X réalisant l’équilibre?
4. On introduit une n + 1-ème industrie ”fictive” telle que:
n
X
qi,n+1 = 1 − qi,j , i ∈ {1, . . . , n} et qn+1,n+1 = 1,
j=1
qn+1,j = 0, j ∈ {1, . . . , n}

Cette n + 1-ème industrie est appelée ”banque” dans la littérature. À votre avis, pourquoi?
Associez au modèle input-output une chaı̂ne de Markov dont vous préciserez les états et les probabilités de transition.
À quel type de chaı̂ne vu en cours correspond-elle?
5. À quelle condition la matrice (I − Q) est-elle inversible? Quelle est l’interprétation économique? Examinez le
cas particulier où une classe d’industries ne contenant pas la banque est absorbante: les besoins peuvent-ils être
satisfaits?