Variable aléatoire Tribu

1. -

engendrée

Def : Soit × : r→ IR .
La plus petite tribu F qui fait en sorte
que
✗ noit une variable aléatoire sur LI F) est, appelée tribu

engendrée par ✗ on la note

- r (X) .

Si alors nombre
card ( r ) C N
,
✗ ne
peut prendre qu' un

fini de valeurs ; soit un , , km . .

-

.
Pour i {1) → m } posons
c-

Ai ≥
{ WEI : ✗(w ) ai } Alors P =
.
-
{Ah , _

, Amy est une partition

finie de r et XX) - NP ) .

Thm : Little F) ,
eadtll Go un
espace probabilisable et F-{ An ,
An }
,
_
.

la
partition finie de I.
engendrant F. La
fonction X: UR et une
variable aléatoire sur El , F) si et seulement si ✗ est constante sur les
atomes de I.

Processus
2.
stochastique
Fonction aléatoire est variable aléatoire valeur de
chaque
une
pour
:

Nous n' allons considérer que des fonctions aléatoires

son
argument .

d' une variable scalaire réelle t t c- TCIR ,

Def:^) Soient X et Y deux indexes

par
le în ensemble T et définis sur

LR F P ) ,
X et Y modification ou version l'un de l'autre
,
-
si
✗ e- Yt P sûrement
chaque t fine presque
-

pour , .

B- presque tout citron

2) X et Y sont
indistinguables si
pour
a :
✗e- ( w ) =
Ytlw ) tt ET "
Las l'on rencontre l' il existe
Rmq :

que expression
:

processus un
unique
pendant propriété P
processus vérifiant P sont indistinguables
"
la → tous les

En : Z V. A. continue à valeurs dans Mt .

( Xt
-
-
0
,
f70) et ( Yt ,
1-70 )
A ( ) w
Yt (w )
avec
{⇐ t }
=

Alas Y est une de ✗ mais

modification PHE-Yt-V.to } =
0

{ web Xtlw f- Yt lut } t

:
dans
IRT fine
{ wtlizlw) t } ← été meurent de
=
a nulle
=

pub car la loi de Z est continue .

 Prop Y une
madificat de X les trgibares de Xit Y
:Sait
-Suppsons
continues ài drate Alas Xet Y rent indistinguabler

.
La continuite à drate peomet d { FEERS FYEZXEXEEQ

'êwie
D
:.
YEXE
cans Qe et denxe dans ire

.
I Yt XtEQeY GU teQe
FXY OqwEz
=Xt
{
: te EF

Yt
Yelw
(
)F
wDI
EEQ
PIU PCYt Q
zEQeLYtF
dene Ete
XeY

)=0
A

-Xt
+
+Y)=1.
3. Mouvement brownier standard on enare
processus de Wiener

browmen
o Nous difinissons un not standend monodimensionel démanant
:
à valeurs
à
l comme un
procemes ( t dam IR
qui
'crigine
30)
Bt,
poside les piriquietes suivantes
:
@
Si to atr ... stm aless BCto BCt Bltu -

)
),
,
BCtu-s)
)-BCto)..
sent
indépendants
PLBlett
.
Oi 1. alas AEBLIRY
t30
AV

)-BIDEAT-teap?-EIdn
O Are
prebabilite 1, Bo it triBt ut cantinue
-o
.
Da lit
prqpriete O nour
que
B pesside des accrcisements indipendants
La accranements
pqp
8 BCtt =

lor
BLE Onditque But a
1)-BL1)
stationnaves

-
Dif Nour
difininons em mouvement brownin standard dimanant en un
:
panl quelcaque ond
enricual avec dJl àlaide deces Z arsution
-din
.
o Inariance
par
trandation le
proemss B BE
:
=Bt-Bo
:(Btit3O),
brownien standand dêmanant à
l
'cigine
estren mouvement it

la variable aléatare Bo
iindépendant de
-
D Indipendance des SiBo
coadamies alas ( t )..., LBE t
:O
BE,
30)
..
30
,
rent der monvernents brownams standands manodimensionnch dimarrant
cal
l et
independants
'crigine
U Filtration
.
Df une cellection de tribur IF ( ext dite ane filtration in
=
:
Ft,tET)
5 Ft pour
tous xat Un inderie dam Tat dit
procemis
.
 adapti à la
filtration ii
pawr chaque tET la variable altatire

Xt est Ft mesurable

La
filtration ent
famalisme qui sut à déaiil l donton dispose

'informetion
un

.
La
I

def tradent fait que l augmente temps du

le

'infamat
an cearn

.
La tribu Ft contient les évemements qui peevent produie jusqu à

'
re

Iinstant t dcit
procemis adapte procemin qui
Cn vai un comme un
.
me wait
par
le
fenturr
.
CFEYite
Lat X
procemes stohrastique
La
filtration généipanTId
unX ndee
.
.
ut
définie FxX WXsis
2t)
par
:
Eni Supperans que l fondamental a R twat
'ensemble
.
le procemsen X CXt 30,1,2,33) qui modélise ldlun

-{wnsciniws,
Sat

'ivalution
,tE
=
frin quelle est la filtration natureble de X

?
.
w Xoles Xilwo Xalw X

3lw)
)
)
y ^
We 0, S
0,5
^ 7
wz O 0,5
,S
7 z ^ ^
Wß

wig
^ 2 Z Z

FoX =

{ Ø
F a X = od
=o(Xo)
r,
7
Eon {
1)
1X=
(Xo,
ws,wq}Y
A l instant t nous
,w24,
ciest l Eur quisert
'évinement
savous in
'
'
=l
,wry
réalisé
beiniw Wa }. on

F ol Yo = r Ewaswz
3,
2X=
?,Bws},Bwub?
,X7.X2)
?
F reXo XniXz = r Eu ? }
,X3)
3X=
why
}{cinquz},
3Y,
,
Pan T Fo =0(
40 Ft
=IRY
)
Cn
définit ea tribe Ftt = 1
sEIRt
Fs
us 1
=
MFtean
st
,
n

C la tribre Ft
augmentie des évênements qui peaventre produire
'ant
immidiatement apres
tLa famil e ( tEre ) utune filtration
.
FA+,
On dit la
filtration fFest continue a dicte n It Fet
que
:Ft
L

Il et souvent admin la tribn Fo centient les évémements de

que
probabilité nuble de la tribu
 De cette Ft mesurable Y ✗
façon si une v. a. ✗ est - et
que
-

presque
sûrement ,
alors Y est Ft mesurable -

,
on
dit
que
la
filtration est

complète pour
P .

5.
Temps d' arrêt

L'
échantillonnage aléatoire mon anti
upetif comporte deux notions :

time continu mais coïncident

Stepping } différentes temps
① en en

② Optionel time .

temps discret

Dif :
( ntqyuiytéme Une variable aléatoire [ à valeurs dans [ON] définie
sur un
espace
mesurable (r , F) est un
temps d' arrêt
par rapport à

la filtration 1F =
( Ft , d-ET
) si
pour chaque
tel

{ WER : I ( w) ≤ t | c- Ft
te ≤ t }
Intuitivement à
chaque instant t déterminer si
nous
pouvons
2 s' est réalisé avant t sur la base de l'informer dont on
dispose .

après lui la valeur de Xt )

ou
regardant
Ex : Considérons l' instant aléatoire '

Z modélisant la situation suivante :

vend (to) mais aussitôt le

on ne
pas au
présent que prix sera

à 1 UW 371 , Hunt
supérieur ou
égal . Alors Zlwr) = 2
, 21Wh =
2 ,
- 1

C'est un temps d' arrêt par rapport à la filtration naturelle de X -

{ WEI ; Hw) -0
-

} =

¢ c- Fox
×
{WEI : Kw) = 1 } :
{ ws , Wu } t
Fn
fw c- R : Uw) = 2 } :
{ wn , un } c- Foi
{ wtd : 4W) =3
} a
¢ c-
Fé

Considérons maintenant la situation :

on achète aussitôt qu' on sera

réaliser mit Î
en mesure de un
profit plus tard , la v. a- associée à

cette situation .
On a Elu ) -
1 Elvis 1
,
=
,
Î (Us) - O
, Elwin ) -
O
Î n' est pas d' aûet à la
filtration naturelle
un
temps par rapport
de X . En
effet { WEN ,
: EH = 0
} = {↳ , wn } & FOX

Pour 5- Rt
à voleurs dans lo
Dif ( optimal time)
: Une ✓a [ ,
n
] est un
temps d'arrêt
 au sens
large par rapport à la filtration 1F si tt / « t} C- Ft .

Ennuie 1 : Montrer 2 «
optionel time »
rapport à F- l Ft 1- c- Rt)
que par ,

time » par
il
stepping rapport à Fe ( Ff-1 Rt )
"
ni est ,
tt

Supposons que
Att Rt { Et } c- Ft
{ 2 ≤ t} -
{ « t'
±} a
/ « t' £} e-
Ff+1 par hypothése
donc
je
< t +
±} C- A
Ftth
ÉÉ
,

Ft + =

nerfs
A =

Et
^
IR
Ftth en

a
Fttc CER Ff+2
a > 1-
◦ ( EH 0 LE ≤ 1 271

suite Cd droite)
la
1min31 est dense au
voisinage de o

TE c- Jo , 1] In ≥ ' tel que

1m ≤ c Ff-11 c Ftv
Donc dominent dans l'intersection
les Pt ≈ +
feu Fttc
Amiri
◦

feu Fttc ? F+11

=

◦ ,

{ « t}
-
-

¥ le ≤ t -

1- }
1-} Et À FtFlt-1Kfelle Ft
c-
{ et t -
c-
- +
=

cette intersection est dans car correspond à p=n

La réunion dénombrable d' événements dans E- est dans ft .

If : On donne l'
anonyme eàdlàg pour un processus à trajectoires continues
à droite sur Ca , ou [ et qui ont une limite à gauche finie en tout

point de Jo , NE Test un instant de saut d' un eàdtag si

-

processus
✗
+ ≠ ✗t -
sur { Tco } c- futur :-( ( w ) Ca }
tfw c- { IL - } ✗ ( Mw) ,
w ) ≠ ✗ ( Ftw) ,
w) =
lui ✗ ( mw )
s → T ( w)

on note DX le processus de sauts de ✗ ( un processus cedlag )

Alt Xt Xt t≥ 0
- - -

Exercice : Supposons Eut muni d' une métrique dit Z ultra tribu borélienne .

Sit ✗+ ,
tt [qd ,
à valeurs dans E et D E E -
1) Supposons que D
est un fermé et
que ✗ est càdlag 1F -

adapté .

définit HI uif { t ✗t D Xt ED } s' il existe let t

|
On = : -

c- au un

ta main

MQ LÀ est un
shopping time pour
F.
D ut un fermé ,
il est alors l'intersection Dm d'ensemble ouverts

qui contiennent D et définies

,

par Don { NEE =

:
dln, D) < 1- }
{ AI ≤ t } U { Xs c- D =

s c- Rt
- ou K c- D } =
U
se
µ
Renan
{% -
C-Dr } Un? {
,
Xs c- Du } )
s ≤t ^ ≤t

s' il unité se 1Re lit que Xs Dn tn ≥ | alors il existe a c- Qi situé

-
c-

à instant avant ) et que Xr C- Du tn ≥ /

gauche
( ie un des ^

Amiri l'événement A- U n {
s c- Renzi
% -
⇐ Du } mélique l'événement
B- U M { Xr c- Du }
^ C- Qt ↳1
A .
B signifie que ACB .

S' il existe se Rt lit Dn tn ≥ | alors il existe a c- Qi situé

que Xs
c-

après ) et que Xr c- Dm En ≥ /
à droite des ( ie un instant ^ -

Ainsi l'événement A-
'
U n { Kit Du
,
{ X * Du } implique l'événement penny .

' ÀCB ! } n'

B
signifie que
-

.
B
^ C- Qt ↳1

{Â ,
≤ e-
Y =

soit
U M { b- ER } Un? { Xs ,
c- Du}
¥+1 { ✗rek} Un≥ { Keith}
ns, ' ,
'
Eft
, ^
s 2- t r ≤t

6. Espérance conditionnelle par rapport à une tribu

Cas particulier (univers fini )

ville construite
If : soit ✗ va nn (r F P ) espace
. ,
de
probabilité
P
.
avec coudoya
Soit ta F la tribu
engendrée par
la
partition finie de R, -
{ An ,
-

→ An }

tg MAI ) > 0 fit {1 . .

n } L'
espérance conditionnelle de ✗ sachant et ,
notée
,
.

F- [ XIA] est
définie par : El ✗ lit] ( w ) =
ÎÇ Mai (w )
#µ ✗ là ) .
P {û }
IP / Ai )

Rmg : (il l'espérance conditionnelle est une va A- mesurable car elle est constante
sur les atomes de A .

Ci ) l' espérance conditionnelle n' exprime à l' aide des

probabilités conditionnelles
F- CHA] lui a

Ê Mail ) ¥
.
w

#
X E ) P ( { û } / Ai )
car IP ( { Û } ) = IP ( { à } n Ai ) quand Û c- Ai
Crumpler : Saint D= { wnwr ,
w
}
un } , processus ✗ (Xt ,
un = te { 912,3 } )
,

défini sur tt , F) et une mesure de

probabilité IP sur Fi
w Xolw ) Xrlw) Xzlw) Xzlw) P {w }

wr 1 ◦ & 1 V8
"

1 09 1
95 48
v2

W
} 1 2 1 1 31 8

W4 y 2 2 , 48

on a déterminé la
filtration naturelle de X .
On considère la sous
-

tribu FNXCF
Fi =
r
} { un ,
un } ,
{ wrnwn } } .

Calculer le [ ✗ 31Ff] .
Les atomes de Fn " sent de
probabilité > a

Plût
,w!j¥w,ÊYû Plus
F- [ Xsl Fi ] 17 { =
lw) E Klô ) + Mw )
waw,} ☐ c- { wniwr}
PU wnwr } ) ,
,
wn ) )
=
{ Tlqw wzylw) , ,
+ Ê { ws ,
un }
(w )

telle KIKI] Ca
Def : sit A une sous - tribu de Fet } une va .

L'
espérance conditionnelle IEC } | A] est une va Y sur le même espace mesurable
LR, F)
qui vérifie donc les conditions :
(i) l est mesurable rapport à et ( ou encore A- mesurable)
par
( ii ) t Att } DR
£ =

fa TDP ie .
FAEA EMA } ] EN * Y ) = Iiii )

Si (i ) .
Iii ) sont satisfaites on
désigne Y
par El } / A] .

Proposition : Si % 42,
sont deux versions de EMIA] alors la =L P -

presque sûrement

D- fit l' étirement A- Un > % }

i Cent A- mesurable
.
At A can Yn -

car 4,42 lisent D' après Kit .

f { Un14Un }4) DIP =/ 3dB / 9dB 0 ,

-
-
=

>
£
=

intégrale d' une

fonction strictement positive est strictement positive sauf
si l'
intégrale est puni sur un ensemble de mesure nulle .

Donc IP ( { Y > 424 ) =

0 .
Par symétrie on obtient PUK > Ci } ) =
0

Ainsi Yn =
Ya presque sûrement .

ME

Thm ( Radon -

Nikodym ) Saint H X ) , un
espace
mesurable et m une menue

r -

finie sur (X ,
X) ( ni ✗ est une union dénombrable d' ensembles de

Sit
mesure
finie ) .
m une mesure
signée sur la tribu ✗ ie
 m :X →
IR
tg n
iÊ Ai ) Ê.nl Ai ) =

pour
une suite d' ensembles

disjoints Ait ✗ . ieri , . . _

.

Si n (A) = 0 YA c- ✗ tg m IA ) -
O ,
alors il existe une fonction ✗ -

mesurable

fcnl.net/.tgmlAl=fftnlmldn)N-Ac-
densité
✗
fut appelée la de n
par rapport à m .

Thm ( existence) sit (R F P ) , ,

et et sous -
tribu de F. Soit } une va

possédant une espérance finie LE IHI ] < N .

Alors EMI A ] existe .

d' ensembles MAI

D- : Cen considere la
fonction =

la 91W) Mdw) =
EIRA } ]
Cette foutoir est
définie et à valeurs réelles ( infinies ) VA c- F ( en
particulier
A c- A) : PIA) -
O ne A) =
0 VA c- F.
additivité toute suite (A) ien d'ensembles
My vérifie la r
disjoints
-

m
pour .

On a

tfyw Ai } -

i ↓ MAI } .
ha nomme
patelle son =

ÎÇ Mai 9 est

majorée par 191 qui est une va

intégrable _

La suite (
convergence pt par pt ) IÇW Mai )
dans R
converge pas vers la va
menu .

Par dominée F- [% ]
convergence À HENF- M Ai } ] .

à F- [
Êotlni 9) F- [
En 4)
Toi Iz { ⇐ cnn.iq ] EIEN MAI ? ] à

,
! ¥

i.E.N'F- Mai 4) EÇÇN Mai 91 à E.wmlotil-n.IN =

Ai ) .

On X,
applique le théorème de Raden Nikodym :P avec comme un d comme
-

A comme
✗ .
Platt -0 NAI -0 HAE A
il minte une fonction A- mesurable 41W) ,
wah
4- NAI =

GYM Pldu) YAGA

DIP YDP VA
c'est la condition (ï ) fr-9 =

La c- A .

Propriétés .

1) Si dans la condition ) on
prend A--1 alors F- [ 9] = F- [ E. [ 91 A] ]
27 EC } | { & , b) ] =

EN
3) Et 41 F ] =
}
de la tribu * alors F- [ 91A] LE [ 97
4) Si la va 4 et independante a

5)
Généralisation de la
propriété ( ï ) .
Si } est A-mesurable alors IEC } It] =
9
6) Si Il} M < a
F- F- [ 14217 < • rt G, G deux constantes alors ,

Ekin -1442 1 A] =

q Ef } , l AI +
Ca F- [ 921A ]

7) Si 470 alors El 41 A] 30
8) Si d- c B C F alas E [ EGID ] / A] =
F- [ { lot] et F- [ EFGIAJIB] -

_
Et } / A]
9) Si 4 y sont des } est A- manuelle et les de
49
et va ,
espérances D , ,

9 Et y 1A] sont finies ,

alors Et } y 1 A] =
} Et y / A]

Def : Soit cr , F
espace
,
P) de
puta et D une va à valeurs dans (Y , 2f )
mesurable Soit } ville finie
espace
.
va
ayant une espérance .

L'
espérance conditionnelle Et } I My ) ] où il y ) la tribu
engendrée par y
existe d' après le théorème précédent .

Ennuie Menteur la va
rcy ) mesurable F- [9 loly )] peutêtre
que
:
-

représentée sous la
forme Vw) =

f1 Itw ) ) pour une certaine fonction

J mesurable
-

f : (Y , Y ) → ( R DCR ) ) ,
,

on utilise le term de Raden

Nikodym avec ✗- =
Y =
✗ Y a
sur la loi de
y
notée µ,
et ml C) =
LE [ 14 y + } } ] c
CEY .

G) M{
signifie P( { y
=
0 ie ◦
µ y (c) c- -0
pas
y c-c)
a
.

Si
µ y (c)
= 0 alors n ( C ) =
0

D' après le Mm , il existe

fonction fly ) mesurable ( Y Y ) et vérifiantune sur ,

(C) =L fly ) My (dy ) t CE Y

n IE (
fly ) Melty )] LE [f19 ) Alyte } ] = =

D' où te Y EIN y c } } ] c-
Æ[
thy te} J' 9) ] c- = _

Les évênements A à
TCM engendrée par la
appartenant y ont tous ,
va
,

la
forme Az { y c } pour
c- certain Cey My ) { { y c- c } cty } un can = r
,

ce
qui signifie At
dy ) ECMA 4) F- (14-14) ] à fly ) F-410193] a -

on note la
fonction fly ) par F- [ 91 y -
y
] Puisque l' espérance conditionnelle
.

IE (GIRLY) ] =
Ylw) est
définie de manière
presque unique (ou encore
conditionnelle IEC } | y
uniquement)
l'
presque
ales
espérance
=

y]
=

fly ) aussi

est définie presque uniquement .

Si fnly ) et
fr (y ) sont deux versions de

IE [ 41 y alors elles coïncident à

y] presque partout
est la loi de
-

µ, µ, y
-
-

D: P ( { WEI :
Le lw) =
fnlylw) ) t Yzlw )fr ( Nw) ) ) ) =

=P ( { w c- I :
y lw) t { y e- Y :
fa ( y ) -4fr Ly ) } } ) µ , ( { y c-
Y Yn ( ) -1421g )
y } ) = :

le 42 presque sûrement
=
ni
My ( { y Ynlyl f- Yrcy ) } ) O
:

Meagan
-

La même définition est utilisée

pour plusieurs va (en nombre fini)
:

E- [ 31 y y -
-

,
Ëz ] =

fly ,
z ) signifie que fut mesurable et

que fly , f) =
Et } I My f) ] , .
 annote ECGI y] pour abréger IEC 41dg ] .

EGID f) , ← F-191014,917
E- f91 ytittcqt ] ← Et} lobe team] ,

7.
Martingales

Def : Une
martingale est un
processus qui ne possède pas de partie prévisible
par rapport
à l'
information dont on dispose .

Martingale à temps discret

Def : Sur un
espace
de
probabilité filtré (r , F F P ) où F- (Ft thon, }
, ,
,
" .
)
le M 1Mt tt { 0,1, }) à valeurs dans IR et adapté est
-

processus une
_

_ .

,
. .

martingale si :

(i ) IECIMH ] < a Att { 0,1 , .

.

}
I El Mtl Fs ] =
Ms Vsat ,
site { 0,1 ,
. . .

Remarque : ft IECMT ] = E- [ Mo ]

Lemme : Dans la
définition d' une martingale .
la condition ECMTIFS ] -
-

Ms txt
est
équivalente à :

kilos ) F- ( Mtl Ft -

r ] =
Mtn Vt c- {1,2, .
.
.

D :
(i ) Kilis) trivial
( iibis) se démontre induction
par
.

pour
sort F- [ Mtl Fs ] =
IECIECMTIFT il Fs ] -
= F- [ Mt ntfs ]
-

=
. . . .
= LE [ Msn / Fs ] = Ms Ea
en itérant
Exercice w 31 92 G, P
w
,
-1 -

t -

1 18 72
Wz -1 -1 1
118 114
W} -1 1 1 18 114
Wu -1 1 1 78 714
wz 1 -

t
-

1 18 44
1
WG 1 -1 118 414
wt 1 1 -1 V8 %4
Us 1 1 1 48 414
 Sun 1= W an considere la tribn F des
parties de r

=ensemble
8Y
hwyi.,
La
filtration IF est
compaste des tribus

Fo {4,2}
=
Fn = rebn = Ecrns winl... 8 y

?
E w s

.
,
)
o?
-y
F r : r Sun Ews was { Ewains }
2=
(3n,32)
,
}
}
,wa},
,
uis,wol,
F 5(%7,32, 33) =
F
3=
Cn considere le Mnu
l (, IF défini
proumis par

:
'eppace
)
F,
MO M 31, M M s
=O,
1=
2=31+32,
3=hnt{ztE
constructionF
I Mest
adapte à la filtration
.
ar

Montrews que Mert une

marlungale sur UR IF IP

).
,
.F.
FtE ?0,1,2,37 ELIMED LIECI TIELIS 2D Co

LJ+IE1B
IECMULFD = O=
Mo
=EQCM1T
IECM M E Mzljlppñ

}
2LF)=
wEqwycywuy IP Şwes
3wncnsway
-,w4Y
mzlñjlP
123 48 EwEqWS W
t

{ûJ
cpŞwszmWgB
Y
Ws....
83
,.,
=- aw n i n y w a y
T RqwS

,-108y
=

Mn
M
lECMslFzJ
=Mz
Metbren ane
martingale sun L F IF IP
)
,
,
,
Est une
martingale ii change IP par Q
on
-ce
?
ECMYLF -1 2+ + 1
xM=-G44Mo=O
]=EQCM1J:
D41
F)
Martingale à temps continu

Dof Mocemes
Un M TEIRT à valems dam IR
adapté à la filtration
=IME,
:
)
IF ( tEIR et
défini smr l de
probabilité filtne G F IF IP
=
'espace
)
2,
Ft,
+)
,
,
ent une
mantingale si
.
IELIMIKJ
VE
3O
C LECMHE = Fot MIAEIRT
.T
Ms
,
Si la
prqpreté is ent virifice
aree Cresp E aloss Ment u re
.
3
)
sous ( surmartingale
).
-martingale
repp,
Le
Rq mouvement browners avec devive lintani
( wt
tEIRT
est une
pt+
O
,
sous surmartingale
)
sila dexive est creinante lM et
30)
une
-martingale
si la derive est décroisante CM =
O).
 temps continu La
fonction e- ↳ E- ( ✗e-]
• Soit ✗ une
nnmartingale à .

est continue à droite ni il existe une

modification àdlèg Y de ✗

Echantillonage aléatoire mon anti

ùpatif des
martingales
Le théorème d' arrêt de DOOB traduit le fait que est
si un
jeu équilibré ,

cette propriété reste vraie si on échantillonne le

processus
à des instants
aléatoires pourvu qu' ils soient choisis de
façon mon
anticipation .

Def : Soit ✗ un processus et c un temps d'arrêt construits

'
sur le même espace
mesurable filtre (r F 1F ) , , .
Le processus X défini par
✗ Ttt, w) = ✗ (
infarctus) ,
w
)
est arrêté d' arrêt
appelé processus par
le
temps [ .

Thm (
Martingale arrêtée ) si la
martingale M et le
temps d' arrêt 2 sont
construits sur le même
espace de probabilité filtre Uh F F P ) alors le , , ,

processus
M' est lui aussi une martingale sur cet
espace .

D: On veut exprimer MÎ en fonction des éléments du

processus M .

ME =
Moniê = Mo

ËÎ
lÊ^k=çg) tok } Mk
M'1- = M' = " + "{ Mt
t est}
k =
0

Moi =
Mo est Fo -

mesurable car M est adapté .

Pour t -1-0 A
{ e- a}
est Fee -

mesurable car
{ Eh} t Fa
Mee ut Fa -

mesurable car M est adapté

Donc 11 { c- a } Mee ut Fa mesurable
-
R Fac Ft Fk c- {0 , .it-1 } _

donc 11 { e- a Mer est Ft mesurable

-

}
-

'
De même {e ≥ t } =
{ 2
-
t
} U { est } =
{ Et } U { est}
c- Ft C- Ft
donc 114e ≥ t } est Ft -

mesurable .

tt c- { 1,2 ,
. .
.
} M ' est 1F -

adapté .

Montreur
martingale
'
M est
que une .

Vérification de la condition il
E. [ IMEI ] =
LE [ 1 Mot ] < car • M est une
martingale
 t' 1

pour
t-to.IE IMEI ) a
E- [ 1%712 :&} Mk t ↑ {z≥ t
}
Mtl ]
2- Ê E [ 111 { ⇐ ay Mal ]
fr20
t EC Mire≥ t} Mtl )
É ( I MkII Ell Mt / ]
intégrable
≤ E + Ca car Mert .

le = 0

Vérification de la condition Lii )

Mt -

Nt -
n
=
( LEO
712%4 Ma +
Ne ≥ t } Mt
) ( ÊÎ ? {
-

⇐a }
Ma -11112≥ t 21Mt 1)
-
-

=
A te t -
-

n } Mtn + A te≥ t } Mt -

Alz ≥ t -

n } Mf-1
or A { 2=1--1 Il { z≥ t 11
{ zzt}
}
-

=
-

= Il { est } (Mt -

Mt -
r )
"
'
{e ≥ t } =
{ « t} =
{ c≤t 1 -

} c- Ft-1
A { z≥ ty est Ft -

r
-
mesurable .

LE [ ME -
M' t.nl Ft -

r ) = LE [ 11 { est } (
Mt -

Mt -

r ) l Ft -

r
]
the≥ t }
¥[Mᵗ-%→↓Ënmartingale
=

E- [ Mtl Ft r ] -
=
Mt -

1
=
El Mt -

r l Ft -
r ]
LE [ Mt - Mt -

r l Ft ] -

r
= 0 MENAGE

Thm : ( optionel sampling theorem) Soit ✗ =

( Xt ,
TE { 41,2 ,
. . . } ) un
processus
construit sur l'
espace
de
probabilité filtré ln F, F, P )
, avec card (1) Ca .

Supposons que ✗ est F-

adapté et intégrable .

Elke ] ECXO ] pour

✗ est une
martingale ni = tout
temps d' arrêt bornée

(un temps d' arrêt borné

signifie qu'il existe une constante btq Ku) ≤ btw c- b)

D: Supposons que ✗ une

martingale est et montrons
que E- [ Xz ] =
Ello ]
tout temps d' arrêt borné e.
pour
Elie ] F- [ 11 { ⇐ a} Xe]
= F-
% =
¥ Ilya } ✗ a
]

= E-
Élu ( Il te 111e ≥ a}
-

≥ km } )]

É Xa 111e }
le
[ ✗ le 11
{↳ a
✗ =
+
≥a car { 270 } - rie 1112304=1
}
◦

k=o ,
t

✗le 111e ≥ lui } 7e ËXK 1112 ≥ ktl }

+
✗b 7 le ≥ ktl } =
¥ ,
Xk' -17423kt }
 car {270+1} f- O ie 1112 ≥ f+1 } = ◦

LE [ Xz ] = El Xo ] + ¥ F- [ 113e ≥ h } ( Xk -

Xk i ) ] -

A te ≥ h } ut Fk -

r
- mesurable

Æ¥Y¥Ë¥ayp
Et Elm { a} Hee Xu -

i ) l Fr-11 ]
=
Et " Ktk}

Supposons tout
temps
d' arrêt T borné martingale une _

que pour
LE [ Xe ] El Xo ] et montrons
=

que
le
processus adapté et
intégrable
est une martingale . fixons s, 1- c- { 0,1 , .
.
.
} set .

Notons P =
{ An ,
.
.

,
Au }
la
partition finie de R
qui engendre Fp .

' à * Ai
tt i c- {1,
{ Si
.

=
. -
on

s }
}
=
nous

Ai c- Fs
construisons un instant aléatoire si =

}
t mien
'

{ Si = t} =
Ai c- Fs c
Ft
{ Si =
r } avec n # tir quelconque
=p c- Fr

si est bin un temps d' arrêt , berné par man Int) t =

Donc E- [ ✗si ] = E ( Xo )
La variable aléatoire elu ) - t est aussi un
temps d'arrêt .

Et ✗ t ] = F- ( Xo] et # [ ✗t -

✗ si ] =
O

EC Xt ✗si ]
- = LE [ ( Xt Xsi ) N Ai
-

1- Xsi ) Mail ]
( Xt
-

=
F- [ ( Xt -
Xs ) 11 Ai + ( Xt Xt ) 11 Aie ]
- =
F- ( (Xt -

Xs) MA;]
[ Xtlw) Xslw) ] ({ w } )
Ça IP 0
= - =

Ou nuit de démontrer [ ✗ e- ( ) P { } w
= [ % ↳ {w }
que
u

w c-Ai wt Ai

IE ( Xt I Fs ] ↳ =

Ê 11 ,
Ai
lw )
¥# ✗e- là ) P%ˢ
IPL Ai )

Ê 11 Ai
lw )
¥# Xs là )
PIMP) ( Ai

=
Ef Xd Fs ] (w) =
Xslw)
✗ est bin une
martingale -
Mears

Retour au mouvement brownien

Par rapport à la notion de
filtration on
peut étendre la définition d'un
mouvement brownien .
Def : Un mouvement brownien standard monodimensionnel est un
processus
centime adapté B= { Bt ,
Ft ; ◦ ≤ tco } défini sur un
espace
de

probabilité (r, F
,
P) avec les
propriétés :

pour xt l' accroissement Bt Bs est indépendant

Bo 0 et de
ps
-
.

la tribu Fs et suit une loi normale de moyenne 0 et de variance t s -

Notation : Fe HAE Fo
= :
Ante tt } & Ft tt ≥ 0 }

Exercice :

Mg twt , te Rt ) est une martingale .

( mouvement brownien )

Wt ~ NIO , t ) Elwt ] =
0 F- [ Iwtl ] < •

( Equivalence entre

A)
:

(i) RIZ] C N (ii ) F- [ 27 <° et ETE] <x ( ii ) Et 121 ] <

Pour rat

( Wt Wsl Fs ]
F- -
Et Wt Ws ) O can
= -

Nt Ws est indépendant
-
de
Fs
✗
Mg ( WE t t ≥ o ) est martingale
-

,
une .

E¥t2 ]
I WE th t
•
F- ( -
≤ + ≤ 2T < ☆

LE [ WE TI Fs] Wi s sort IECW E- WEI Fs ] t s

pour set
-

pour
- -
-
= -

WE Wi -
=
( Nt -

Ws )
2
+ 2Wh Nt Ws 2- -
Ws 2

2
= ( Nt -

Ws) t 2W s ( Nt -
Ws )
E. [ WE -
Ws
'
l Fs ] =
LE [ ( WtWst I Fs ] t -

F- [ 2 Ws (Nt Ws ) I Fs ]
-

LE [ Lwt Wst ] + 2W
EYs )
-
=
,

= t s -

*
Mg (exp (awt Êt ) tt Rt ) avec at R
quelconque estune
martingale
-

[ exp ( awt Êt ) ] EÜËˢg

E- - ≤
de la vawt
onction
génératrice en a

de Lt ) Et et ]
≥
Wt ~ Nuit) ↳

dit LE [ et ] { put -11204-2}

≥
2 ~ N ( µ , r2 ) =

exp
=

≤ otwt (a) a
up { Êta }
le mouvement est
intégrable
* set
exp ( awt
-

Êt ) =
enplalwt -

Ws )) + aws -

Ît )
¥
1-
" t
IE ( exp ( awt la E [êlwt
w
t) l Fs ]
-

»
1F ]
-

- =

a
eawi Ît -

E- [ealwt
-
Ws )
]
=
eaws ¥temp 11292Es) )
-

eaws ¥ ,
-