Cours de Processus Aléatoire

Fayçal HAMDI
fhamdi@usthb.dz

Equipe STEP, Laboratoire RECITS, USTHB, Alger, Algérie

Faculté de Mathématiques, USTHB, 22 février 2020

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 1 / 26

 Chapitre 2
Introduction à la théorie générale des processus
stochastiques

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 2 / 26

Introduction à la théorie générale des processus

Il s’agit de représenter par un modèle mathématique l’état d’un

système dépendant d’un paramètre (souvent le temps) et du hasard.

Si nous faisons intervenir le hasard sous la forme axiomatisée

habituelle d’un espace probabilisé (Ω, A, P) et si t désigne le
paramètre (le temps), le modèle mathématique cherché se présente
donc naturellement comme une fonction

(t, ω ) 7! X (t, ω ) ,

dé…nie sur T Ω à valeurs dans un espace E décrivant les états

possibles du système.

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 3 / 26

Introduction à la théorie générale des processus

L’état du système, pour la valeur t du paramètre, dépendant

uniquement du hasard est une v.a., ce qui s’exprime

8t 2 T , ω 7! X (t, ω )

est mesurable.

On peut donc aussi bien décrire la même situation en considérant une

famille (Xt )t 2T de variables aléatoires dé…nies sur (Ω, A, P).

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 4 / 26

Introduction à la théorie générale des processus

Dans certains cas on pourra être également plutôt amené à considérer

pour chaque réalisation possible ω du hasard l’évolution
correspondante X (t, ω ) du système, dé…nie par l’application
t 7! X (t, ω ).

Le modèle mathématique se présente alors sous la forme d’une

fonction de t, dépendant du hasard.
l’application ω 7! X (., ω ) satisfaisant alors à des propriétés de
mesurabilité ; cet élément aléatoire constitué par la fonction X (., ω )
prendra naturellement le nom de fonction aléatoire.

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 5 / 26

Introduction à la théorie générale des processus

Dé…nition
Soit T un ensemble d’indices. On appelle processus stochastique dé…ni sur
T , à valeurs dans l’espace mesurable (E , B) le terme
X = Ω, A, P, (Xt )t 2T constitué par la donnée d’un espace probabilisé
(Ω, A, P) et d’une famille (Xt )t 2T de v.a. dé…nies sur (Ω, A, P), à
valeurs dans (E , B).

(Ω, A, P) est appelé espace probabilisé de base du processus,

(E , B) est l’espace de phase ou espace des états.
Pour tout ω 2 Ω l’application t 7! Xt (ω ) de T dans E est appelée
trajectoire du processus.

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 6 / 26

Introduction à la théorie générale des processus

Notations
Il apparaîtra souvent plus commode de noter X (t, ω ) l’élément
Xt (ω ) de E . Dans certains cas on utilisera aussi bien la notation
X (t ) ou X (t, .) pour la variable aléatoire Xt .

Soit T un ensemble in…ni. Nous considérons une famille

((Et , Bt ))t 2T d’espaces mesurables.

Nous désignerons souvent par E T l’ensemble produit des ensembles

(Et )t 2T et pour toute partie S de T par E S le produit des ensembles
( Et ) t 2 S .

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 7 / 26

Espaces produits d’espaces probabilisés

Dé…nition
Le produit cartisien des ensembles (Et )t 2T est l’ensemble de toutes les
applications [
x :T ! Et
t 2T
t 7 !x (t )2E t

On note ce produit cartisien par ∏ Et ou E T , i.e., pour tout élément

t 2T
x 2 E T s’écrit x = (xt )t 2T et xt est appelée coordonnée d’indice t de x.

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 8 / 26

Espaces produits d’espaces probabilisés

Cas particuliers

Si T = N ou Z. Alors E N = ∏ En c’est l’esemble de toutes les

n 2N
suites (xn )n 2N tel que 8n 2 N, xn 2 En .

Si Et = E , 8t 2 T . Alors, E T est l’ensemble de toutes les

applications de T vers E .

Si E = R et T = N. Alors, RN est l’ensemble de toutes les suites

numériques réelles.

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 9 / 26

Espaces produits d’espaces probabilisés

Dé…nition
Soient S T et E S = ∏ Et le produit cartisien des ensembles Et , t 2 S.
t 2S
Alors E T = E S E T S .
On appelle projection de E T sur E S l’application notée π S et dé…nie par

πS : ET ! ES
(xt )t 2T 7 !π S ((xt )t 2T )=(xt )t 2S

Remarque
0
Si S S 0 T , alors π S ,S 0 est la projection de E S sur E S dé…nie par
π S ,S 0 = π S (xt )t 2S 0 = (xt )t 2S . On a aussi π S ,S 0 π S = π S .

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 10 / 26

Espaces produits d’espaces probabilisés

Dé…nition
N
Soit S …ni inclus dans T , et soit A un élément de Bt . On note cette
t 2S
tribu par B S engendrée par les applications projections fπ t,S , t 2 S g, i.e.,
( )
B S = σ fπ t,S , t 2 S g = σ ∏ At , At 2 Bt .
t 2S

Remarque
Si S et S 0 sont deux parties de T telle que S \ S 0 = ∅, alors
0 0
1 E S [S = E S ES .
0 0
2 8AS E S et AS ES ,
1 S 1 S 0 0 S [S 0 .
πS A \ πS 0 A = AS AS ET

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 11 / 26

Espaces produits d’espaces probabilisés

Dé…nition
Une partie A de E T est appelée cylindre s’il existe S T …ni et AS BS
1
avec A = AS E T S , i.e., A = π S (AS ). AS est une base du cylindre et
on note C l’ensemble des cylindre de E T .

Remarque
C est une algèbre sur E T .

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 12 / 26

Espaces produits d’espaces probabilisés

Dé…nition
L’espace probabilisable E T , B T sera appelé espace produit des espaces
probabilisables ((Et , Bt ))t 2T .

Remarque
Il est évident que si T est …ni l’ensemble des cylindres coïncide avec
l’ensemble des pavés mesurables et que le produit que nous venons de
dé…nir est le produit au sens ordinaire du produit d’une famille …nie
d’espaces probabilisables.

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 13 / 26

Espaces produits d’espaces probabilisés

Proposition
B T est la tribu sur E T engendrée par les projections π ft g , t 2 T .
La dé…nition ci-dessus exprime que B T est la plus petite tribu rendant
mesurables les applications de projection canoniques π S .
On voit aisément que les applications π S sont mesurables si et
seulement si les applications de projection canoniques π ft g le sont
pour tout t 2 T .

Il résulte alors immédiatement d’une propriété de mesurabilité que :

Proposition
Pour qu’une application f de l’espace probabilisable (Ω, A) dans
E T , B T soit mesurable, il faut et il su¢ t que pour tout t 2 T
l’application π ft g f de (Ω, A) dans (Et , Bt ) soit mesurable.

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 14 / 26

Espaces produits d’espaces probabilisés

Dé…nition
Pour tout S …ni, soit PS une probabilité sur E S , B S . On dit que la
famille fPS , S …nig est un système projectif de probabilité par rapport à la
famille de projection fπ S ,S 0 , S S 0 , S 0 …nig si π S ,S 0 (PS 0 ) = PS , i.e., PS
est l’image de PS 0 par π S ,S 0 .

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 15 / 26

Lois de dimension …nie du processus

On appelle lois de ndimension …nie du processus (o Xt )t 2T le système de

lois de probabilités P(t1 ,...,tn ) , n 1, t1 , ..., tn 2 T telle que

n
O
8A 2 Bt , P(t1 ,...,tn ) (A) = P ((Xt1 , ..., Xtn ) 2 A) ,
t =1

n
N
i.e., P(t1 ,...,tn ) est une probabilité sur E n, Bt .
t =1

Remarque
n
N
Comme Bt est engendrée par les partie A = A1 An , At 2 Bt .
t =1
Alors,

P(t1 ,...,tn ) (A1 An ) = P (Xt1 2 A1 , ..., Xtn 2 An ) .

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 16 / 26

Processus équivalents

Soit (Xt )t 2T et (Yt )t 2T deux processus admettent pour espace de

base (Ω, A, P) et (Ω0 , A0 , P0 ) respectivement et pour espace d’états
(E , B).

On dit que les processus (Xt )t 2T et (Yt )t 2T sont équivalents s’ils

admettent mêmes lois de dimension …nie, i.e., 8n 1, 8t1 , ..., tn 2 T
n
N
et 8A1 An 2 Bt ,
t =1

P (Xt1 2 A1 , ..., Xtn 2 An ) = P0 (Yt1 2 A1 , ..., Ytn 2 An ) .

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 17 / 26

Loi d’un processus stochastique

Soit (Xt )t 2T un processus dé…ni sur (Ω, A, P) à valeur dans l’espace

probabilisable (E , B) . On munit E T de la tribu B T engendrée par les
cylindres de dimension …nie de E T . Soit ϕ : Ω ! E T tel que pour
tout ω 2 Ω,
ω 7! ϕ (ω ) = (Xt (ω ))t 2T .
L’application ϕ est mesurable car π ft g ϕ = Xt et B T est la tribu
engendrée par les projections π ft g , t 2 T .

Dé…nition
On appelle loi du processus (Xt )t 2T la probabilité image de P par ϕ.

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 18 / 26

Loi d’un processus stochastique

Théorème de Kolomogorov
Soit T R. Pour tout S T …ni, soit PS la probabilité dé…nie sur
R , BR . On suppose que fPS , S …nig est un système projectif, il existe
S S

alors une unique probabilité sur RT , BR

T noté P telle que π
S (P) = PS .

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 19 / 26

Loi d’un processus stochastique

Théorème
Soit Pft1 ,...,tn g , ft1 , ..., tn g T un système projectif de probabilité sur
(Rn , BRn ). Il existe un espace de probabilité (Ω, A, P) et un processus
(Xt )t 2T dé…ni sur cet espace et à valeurs dans (R, BR ) telle que 8n 1,
ft1 , ..., tn g T , A1 , . . . , An 2 BR

P (Xt1 2 A1 , ..., Xtn 2 An ) = Pft1 ,...,tn g (A1 An ) ,

i.e., le processus (Xt )t 2T admet pour lois de dimension …nies le système

projectif Pft1 ,...,tn g .

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 20 / 26

Exemples de processus stochastiques
Processus canonique associé a une famille de v.a.indépendantes

Le processus canonique E T , B T , PT , (π t )t 2T associé à une famille

(Xt )t 2T de v.a. indépendantes à valeurs dans E a pour espace de
base E T , B T , PT l’espace probabilisé produit.
N
On a ici PT = Pt , où Pt désignant la loi de probabilité de Xt .
t 2T

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 21 / 26

Exemples de processus stochastiques
Processus gaussiens réels

Un processus à valeurs dans R est dit gaussien si toutes les probabilités

conjointes …nies PS associées au processus sont des lois de Gauss.

Autrement dit, pour tout système …ni d’instants t1 , ..., tn , la variable

n-dimensionnelle (Xt1 , ..., Xtn ) a une distribution de Gauss.

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 22 / 26

Exemples de processus stochastiques
Processus a accroissements indépendants

Dé…nition
Soit T = [a, b [ R ou T = N et soit E un groupe. Un processus
Ω, A, P, (Xt )t 2T à valeurs dans E est dit à accroissements
indépendants si, pour tout système …ni d’instants t1 < t2 < < tn , les
v.a. Xt1 , Xt2 Xt1 , ..., Xtn Xtn 1 sont indépendantes.

Dé…nition
Un processus à accroissements indépendants est dit homogène si pour tout
s, t, h 2 T tels que s + h et t + h 2 T .

Ps ,t = Ps +h,t +h ,

où Ps ,t est la distribution de Xs Xt , pour s < t.

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 23 / 26

Exemples de processus stochastiques
Processus a accroissements indépendants

Exemple
Processus de Poisson non homogène
Il s’agit d’un processus à accroissements indépendants
Ω, A, P, (Xt )t 2R+ à valeurs dans Z associé à une famille
fPs ,t ; s, t 2 R+ avec s < t g de lois de Poisson de paramètre
λs ,t = Ft Fs où F est une fonction sur R+ positive croissante.
Processus de Poisson homogène
Il s’agit d’un processus à accroissements indépendants homogène
Ω, A, P, (Xt )t 2R+ à valeurs dans Z, associé à un fPh ; h 2 R+ g
de lois de Poisson de paramètre λh, où λ est un nombre réel positif
donné.

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 24 / 26

Processus stationnaire au sens strict

Dé…nition
Soit T = [a, b [ R ou T = N. Un processus Ω, A, P, (Xt )t 2T à
valeurs dans E est dit strictement ou fortement stationnaire si, pour tout
système …ni d’instants t1 , t2 , ..., tn , et pour tout h 2 T , les variables
n-dimensionnelle (Xt1 , ..., Xtn ) et (Xt1 +h , ..., Xtn +h ) ont la même
distribution, i.e,

P (Xt1 2 A1 , ..., Xtn 2 An ) = P (Xt1 +h 2 A1 , ..., Xtn +h 2 An ) ,

Une autre façon équivalente de dé…nir la stationnarité forte.

Dé…nition
Un processus est dit stationnaire au sens strict si, pour toutes valeurs
j1 , j2 , ..., jn la distribution conjointe de (yt +j1 , ..., yt +jn ) dépend uniquement
des intervalles de temps j1 , j2 , ..., jn et est indépendante de l’instant t.

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 25 / 26

Stationnarité du second ordre ou stationnaire faible

Dans la pratique, on se limite généralement à requérir la stationnarité du

second ordre (ou stationnarité faible) du processus étudié.

Dé…nition
Soit T = [a, b [ R ou T = N. Un processus Ω, A, P, (Xt )t 2T à
valeurs dans E est dit dit stationnaire du second ordre, ou stationnaire au
sens faible, ou stationnaire d’ordre deux, si les trois conditions suivantes
sont satisfaites :
Xt 2 L2 (Ω, A, P) .
8t 2 T , E(Xt ) = m, indépendant de t.
8(t, h) 2 T T , cov (Xt , Xt +h ) = γ(h), indépendante de t.

F. Hamdi (USTHB) Processus aléatoire 22/02/2020 26 / 26