Académique Documents
Professionnel Documents
Culture Documents
hatem.elmeddeb@gmail.com
2
Hatem Elmeddeb
Hatem 2006/07
El Meddeb Département informatique SIRE ISIG 2017-11-06
2. Probabilités d’état
5. Modélisation \ Application
Hatem Elmeddeb
Hatem 2006/07
El Meddeb Département informatique SIRE ISIG 2017-11-06
Processus Stochastiques
•L’ensemble E est l’espace d’état, dont les éléments seront notés i, j, k...,en
d’autres termes E={0,1,2,…,m}.
Propriété de Markov :
𝑋 +1 = 𝑋 = ,𝑋 −1 = −1 , 𝑋 −2 = −2 , … , 𝑋0 = 0 = 𝑋 +1 = 𝑋 =
Hatem Elmeddeb
Hatem 2006/07
El Meddeb Département informatique SIRE ISIG 2017-11-06
1/3 1/2
1/4
2/3 3/5 2/5
1 2 3 4
Probabilité d’état
Probabilités de transition après n pas 8
Hatem Elmeddeb
Hatem 2006/07
El Meddeb Département informatique SIRE ISIG 2017-11-06
+1 = 𝑋 +1 = = 𝑋 +1 = 𝑋 = . 𝑋 =
= .
ceci n’est autre que le j ème terme du produit
matricielle : 1, . ( , )
𝑋 +1 = 𝑋 = =
𝑋 = . 𝑋 +1 = 𝑋 = . 𝑋 +2 = 𝑋 +1 = ,𝑋 =
=
(𝑋 = )
𝑋 = . 𝑋 +1 = 𝑋 = . 𝑋 +2 = 𝑋 +1 =
=
(𝑋 = )
= 𝑋 +2 = 𝑋 +1 = . 𝑋 +1 = 𝑋 =
= .
Probabilités de transition après n pas-éléments de démonstration 10
Hatem Elmeddeb 2006/07 Département informatique SIRE ISIG 2017-11-06
𝑋 + = 𝑋 =
ceci représente le terme (i,j) de la matrice
Probabilités de transition après n pas 11
Equation de Chapman-Kolmogorov
+ 1 = ( ).
et
+
= . avec , 0
Probabilités de transition après n pas - suite de l’exemple 12
Hatem Elmeddeb
Hatem 2006/07
El Meddeb Département informatique SIRE ISIG 2017-11-06
Hatem Elmeddeb
Hatem 2006/07
El Meddeb Département informatique SIRE ISIG 2017-11-06
1/3 2/3 0 0
1/2 0 1/2 0
+ 1 = ( ). = 0.6 0.2 0.1 0.1 .
0 3/5 0 2/5
1/2 0 1/4 1/4
D’où
1 +1 = 𝑋 +1 = 1 = 0.35
Interprétation:
• Après 1 jour (le 11 septembre) on a 35% de chance d’avoir un beau jour.
• 6.5% de chance que demain soit un jour pluvieux.
•Pour le 12 septembre (après 2 jours) il suffit de calculer 2 puis . 2
14
Hatem Elmeddeb
Hatem 2006/07
El Meddeb Département informatique SIRE ISIG 2017-11-06
•une chaîne est irréductible si tout état est accessible à partir de n'importe quel
autre état. On dit qu’ils appartiennent à une même classe.
2 ∀ , ∈ 𝐸, ∃ >1 ( )≠0
3
1
4 5
1 1 2 3 4
5
4
Etat récurrent / transitoire 16
•Un état est dit récurrent si la probabilité d’y retourner est égale à 1. Dans le
cas contraire l’état est dit transitoire.
•Un état récurrent est visité un nombre infini de fois: la chaine repasse presque
surement par i en partant de i.
•Un état transitoire n’est visité qu’un nombre fini de fois: la chaine ne repasse
jamais par i.
•Si un état est récurrent alors tous les états de sa classe sont aussi récurrents.
La récurrence est une propriété de la classe.
•Notons simplement que lorsque la chaine de Markov est irréductible (et qu’elle
a un nombre fini d’états), ses états sont tous récurrents.
Etat récurrent / transitoire 17
•Etat récurrent
< ∞ 𝑋0 = =1 : Probabilité de revenir en i après l’avoir quitté
∞
=∞
=1
•Etat transitoire
< ∞ 𝑋0 = <1
∞
<∞
=1
Etat récurrent / transitoire - exemple 18
1 0
=
0.5 0.5
00 = 1+1+1+⋯ = ∞
=1
•Un état est dit absorbant lorsque la probabilité de rester dans l’état est égale à 1.
𝛿 3
1−
1
1 2 1− −𝛿
Chaine périodique / apériodique 20
Hatem Elmeddeb
Hatem 2006/07
El Meddeb Département informatique SIRE ISIG 2017-11-06
1 3
4
•On dit qu’une chaîne de Markov est ergodique si elle est irréductible et apériodique.
Etat stationnaire 21
Hatem Elmeddeb
Hatem 2006/07
El Meddeb Département informatique SIRE ISIG 2017-11-06
• 𝑋 = ; .
∞ ∞
Si la chaine est ergodique, alors converge vers la matrice dont toutes les
lignes sont constantes égales à S.
Etat stationnaire - résolution mathématique 22
+1 ≅ ( )
On notera
∞ ≡𝜋
𝜋 =1
=1
Etat stationnaire - exemple: ATM 23
Un créneau est soit vide soit plein suivant qu’il contienne ou non un paquet.
1− 1-
0 1
1−
=
1−
Etat stationnaire - exemple: ATM 24
𝜋 = 𝜋.
ou
𝜋0 𝜋1 = 𝜋0 𝜋1 . 1 −
1−
En explicitant
𝜋0 = 𝜋0 1 − + 𝜋1
𝜋1 = 𝜋0 + 𝜋1 (1 − )
avec
𝜋 =1
=1
Etat stationnaire - exemple: ATM 25
Hatem Elmeddeb
Hatem 2006/07
El Meddeb Département informatique SIRE ISIG 2017-11-06
𝜋0 =
+
𝜋1 =
+
• Pour = 0.1 et = 0.3
𝜋0 = 3/4
𝜋1 = 1/4
•Vu que la chaine est irréductible et apériodique, que doit vérifier la matrice ?
0.9 0.1
=
0.2 0.8
2
2 0.9 0.1 0.84 0.16
= =
0.2 0.8 0.48 0.52
3
3 0.9 0.1 0.804 0.196
= =
0.2 0.8 0.588 0.412
10
10 0.9 0.1 0.75 0.25
= =
0.2 0.8 0.75 0.25
On a alors 𝜋 = 𝜋.
Ainsi 𝜋 = 𝜋. d’où 𝜋. = 𝜋.
=1 =1 =1
Modélisation \ Application
Doudou le hamster 29
Doudou le hamster ne connaît 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 chaîne de Markov. Toutes les minutes, il peut
soit changer d'activité, soit continuer celle qu'il était en train de faire.
𝑋2 = 𝑋1 . = 𝑋0 . 2
2
0.9 0.05 0.05
= 1 0 0 . 0.7 0 0.3
0.8 0 0.2
= (0.885 0.045 0.07).
Fin
-VoIP-2017/18
On considère un réseau local dont les 5 équipements sont reliés entre eux par une topologie en
anneau. Chaque équipement reçoit le message, mais seul l’équipement à qui le message est
adressé le traite. On suppose que le message se déplace d’un équipement à l’un de ses deux
adjacents avec la probabilité 1/2. Déterminer le graphe et la matrice de transition de la chaine
ainsi obtenue. Quelle est la période de ses états?
Doudou le hamster ne connaît 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 chaîne de Markov. Toutes
les minutes, il peut soit changer d'activité, soit continuer celle qu'il était en train de faire.
Pour augmenter ses ventes lors du mondial Russia2017 la société « Délicys » à créer un jeu de
figurine pour notre équipe nationale (22 joueurs). Dans chaque pot de yaourt on trouve une
figurine de collection. Dans cet exercice on va restreindre notre étude à une série de 4
figurines : on note T le nombre de pot de yaourt qu’Omar doit acheter pour obtenir la
collection complète à 4 figurines.