Académique Documents
Professionnel Documents
Culture Documents
Filtration : Définition :
En mathématiques, une filtration sur un ensemble est une suite de parties croissante ou
décroissante pour l’inclusion. Un espace filtré est un ensemble muni d’une filtration compatible
avec sa structure.
En théorie des probabilités, une filtration est une suite croissante (par inclusion) de tribus
sur un ensemble. Cet ensemble est en général un espace probabilisé dont la tribu est engendrée
par celles de la filtration.
Sur un espace probabilisé (Ω, F, P), on appelle filtration toute suite croissante (Fn ) de sous-
tribus de F.
La tribu la plus naturelle est la tribu F1 engendrée par les deux ensembles
Si on pose F3 = P(Ω), tribu bien adaptée lorsqu’on a effectué les trois lancers, la suite
F1 ⊂ F2 ⊂ F3 est une filtration bien adaptée à l’expérience.
En théorie des probabilités, en particulier dans l’étude des processus stochastiques, un temps
d’arrêt (également appelé temps d’arrêt optionnel, et correspondant à un temps de Markov ou
moment de Markov défini) est une variable aléatoire dont la valeur est interprétée comme le
moment auquel le comportement d’un processus stochastique donné présente un certain intérêt.
Un temps d’arrêt est souvent défini par une règle d’arrêt, un mécanisme permettant de décider
de poursuivre ou d’arrêter un processus sur la base de la position actuelle et des événements
passés.
La notion de temps introduite pour la modélisation d’un processus aléatoire est en fait
relative à l’horloge de l’observateur, et le phénomène aléatoire étudié n’a aucune raison a priori
d’évoluer simplement suivant cette horloge. On est donc amené à introduire des temps aléatoires,
appelés temps d’arrêt, qui tiennent compte de l’horloge interne du processus.
Page 1
Réalisé par : Badr Ouled jamaa Filtration - Temps d’arrêt Chapitre 1
Définition : Soit (Ω, A, P) un espace probabilisé muni d’une filtration (Fn ). Une variable
aléatoire T : Ω → N est appelée un temps d’arrêt si, pour tout entier n,
{T ≤ n} ∈ Fn .
Exemple 1 : Soit (Xn , Fn) un processus adapté. Soit A un borélien et TA le temps d’entrée
dans A, c’est-à-dire que TA = inf {n ∈ N; Xn ∈ A}. Alors TA est un temps d’arrêt. En effet,
n−1
\
(TA = n) = (Xk < A) ∩ (Xn ∈ A) ∈ Fn
k=0
Exemple 2 :
Imaginons que Fn désigne ici la tribu engendrée par la suite (Xk ) 0 ≤ k ≤ n, et que les
variables aléatoires Xk représentent les résultats d’un joueur lors des parties successives d’un
jeu. Dans le cas de variables aléatoires à valeurs dans un espace d’états E fini ou dénombrable,
une partie A ⊂ Ω appartient à Fn si et seulement s’il existe B ⊂ E n+1 tel que
A = {(X0 , X1 , . . . , Xn ) ∈ B}
n o
= ω ∈ Ω | (Xk (ω))0≤k≤n ∈ B
Supposons que T représente le numéro de la partie après laquelle le joueur décide d’arrêter de
jouer : T est donc un temps d’arrêt si et seulement si la décision d’arrêter est prise en fonction
des résultats des parties déjà jouées au moment de l’arrêt, i.e. si pour tout n il existe un sous
ensemble Bn ⊂ E n+1 tel que :
{T = n} ⇔ {(X0 , X1 , . . . , Xn ) ∈ Bn }
L’instant où le joueur s’arrête est donc un temps d’arrêt si la décision d’arrêt ne tient pas compte
des résultats des parties futures, donc sous I’hypothèse que don de double-vue et tricherie sont
exclus.
Notations :
Soient (Xn ) n ≥ 0 une suite de variables aléatoires (un processus stochastique) et T un temps
d’arrêt par rapport à une filtration (Fn) n ≥ 0. Le processus observé au temps T (ou arrêté au
temps T ) est noté XT (ω), et est défini par
Propriété :
Soit T un temps d’arrêt, soit N ∈ N. Alors S := T ∧ N, S 0 := T ∨ N et S 00 := T + N sont des
temps d’arrêt.
Démonstration : On ne démontrera que le premier point, les deux autres étant semblables :
{S = n} = {T ∧ N = n} = {T = n, n ≤ N } ∪ {n = N, T ≥ N }
Page 2
Réalisé par : Badr Ouled jamaa Filtration - Temps d’arrêt Chapitre 1
Or
{T = n} ∈ Fn et {T ≥ N } = {T ≤ N − 1}c ∈ FN −1 ⊂ FN
Propriété :
De même, si S et T sont des temps d’arrêt, alors S ∧ T en est un.
Page 3