M1 : PROBABILITÉS

PREMIER CONTRÔLE CONTINU

PAUL LESCOT

Les deux exercices sont indépendants l’un de l’autre.

1. Exercice I
Soit φ : R → R une fonction.
a) On suppose φ affine ; montrer que, pour tout espace probabilisé (Ω, F, P ),
toute filtration (Fn )n∈N sur cet espace et toute (Fn )n∈N –martingale (Mn )n∈N ,
(φ(Mn ))n∈N est une (Fn )n∈N –martingale.
b)On cherche à établir la réciproque de a). Supposons donc que pour tout espace
probabilisé (Ω, F, P ), toute filtration (Fn )n∈N sur cet espace et toute (Fn )n∈N –
martingale (Mn )n∈N , (φ(Mn ))n∈N soit une (Fn )n∈N –martingale. Etablir que φ est
affine (on pourra considérer un espace probabilisé à deux éléments).

2. Exercice II
Soient les (Yi )i≥1 des variables aléatoires indépendantes dans leur ensemble et
équidistribuées avec E(Y1 ) = 0. On note, pour n ≥ 0,
Fn = σ(Y1 , ..., Yn )P
la filtration complète engendrée par les Yi . On se donne une suite an (n ≥ 1) de
nombres réels, et on pose
X0 = 0 ,
et
∀n ≥ 1 Xn = a1 Y1 + ... + an Yn .
1)Montrer que (Xn )n∈N est une (Fn )n∈N –martingale.
2) Calculer le crochet [X, X].
3)Dans cette question, l’on suppose de plus que Y1 prend la valeur 1 ou la valeur
1
−1, chacune avec probabilité , et que les ai sont tous égaux à 1. On fixe un entier
2
m ≥ 1, et l’on pose
Tm = inf{n ≥ 0| |Xn | = m} .
Calculer E(Tm ).

Date: 30 Mars 2010.

1
 M1 : PROBABILITÉS
CORRIGÉ DU CONTRÔLE CONTINU
DU 30 MARS 2010

PAUL LESCOT

1. Exercice I
a)
Par hypothèse, il existe (a, b) ∈ R2 tel que
∀x ∈ R φ(x) = ax + b .
Pour chaque n ∈ N, on voit que
φ(Mn ) = aMn + b ∈ L1
(car Mn ∈ L1 ) et que
E(φ(Mn+1 )|Fn ) = E(aMn+1 + b|Fn )
= aE(Mn+1 |Fn ) + E(b|Fn )
= aMn + b
(car Mn est une (Fn )n∈N –martingale et b est une constante)
= φ(Mn ) .
Donc (φ(Mn ))n∈N est bien une (Fn )n∈N –martingale.

b)
Soient x et y deux nombres réels, λ ∈ [0, 1], Ω = {α, β} un ensemble à deux
éléments, et F = P(Ω) ; alors F est une tribu sur Ω. Définissons maintenant
P : F → R par
P (∅) = 0 , P ({α} = λ ,
P ({β}) = 1 − λ , et
P (Ω) = 1 .
Il est facile de vérifier que P est une probabilité sur (Ω, F). Posons alors F0 =
{∅, Ω}, et, pour chaque n ≥ 1, Fn = P(Ω) ; alors (Fn )n∈N est une filtration sur
l’espace probabilisé (Ω, F, P ). Soient maintenant les Mn (n ∈ N) : Ω → R définies
par :
M0 (α) = M0 (β) = λx + (1 − λ)y
et, pour tout n ≥ 1,
Mn (α) = x et Mn (β) = y .
Nous allons faire voir que
∀n ∈ N E(Mn+1 |Fn ) = Mn .

Date: 27 Avril 2010.

1
2 PAUL LESCOT

C’est évident pour n ≥ 1(car alors Mn et Mn+1 sont (Fn )n∈N –mesurables et égales);
pour n = 0 on a bien
E(M1 |F0 ) = E(M1 )(car F0 est la tribu triviale)
= P ({α})M1 (α) + P ({β})M1 (β)
= λx + (1 − λ)y
= M0 .
Donc (Mn )n∈N est une (Fn )n∈N –martingale.
Par hypothèse, φ(Mn )n∈N est alors une (Fn )n∈N –martingale. En particulier,
E(φ(M1 )|F0 ) = φ(M0 ) .
On a donc
φ(λx + (1 − λ)y) = φ(M0 )
= E(φ(M1 )|F0 )
= P ({α})φ(M1 (α)) + P ({β})φ(M1 (β))
= λφ(x) + (1 − λ)φ(y) .
Il s’ensuit que
∀(λ, x, y) ∈ [0, 1] × R × R φ(λx + (1 − λ)y) = λφ(x) + (1 − λ)φ(y) ;
φ est donc affine.

 M1 : PROBABILITÉS CORRIGÉ DU CONTRÔLE CONTINU DU 30 MARS 2010 3

2. Exercice II
1) Vu que Y1 ∈ L1 et que les Yi sont équidistribuées, chaque Yi appartient à L1 ,
donc Xn ∈ L1 pour tout n ∈ N.
De plus, pour chaque n ≥ 0, on a
Xn+1 = Xn + an Yn .
Vu que Xn est (Fn )n∈N –mesurable, on a
E(Xn+1 |Fn ) = E(Xn + an+1 Yn+1 |Fn )
= E(Xn |Fn ) + an E(Yn+1 |Fn )
= Xn + an E(Yn+1 )
(car Xn est (Fn )n∈N –mesurable et Yn+1 est indépendant de Fn )
= Xn + an E(Y1 )
(car les Yi sont équidistribuées)
= Xn (car E(Y1 ) = 0) .
Donc (Xn )n∈N est une (Fn )n∈N –martingale.

2)
Comme il a été vu en cours, on a
[X, X]0 = 0
et
∀n ≥ 1 [X, X]n = Xn2 − X02 − Mn = Xn2 − Mn
où
n
X
Mn := (Xk2 − E(Xk2 |Fk−1 )) .
k=1
Du fait que
Xk2 = (Xk−1 + ak Yk )2 = Xk−1
2
+ 2ak Yk Xk−1 + a2k Yk2 ,
on a
E(Xk2 |Fk−1 ) = 2
E(Xk−1 + 2ak Yk Xk−1 + a2k Yk2 |Fk−1 )
2
= E(Xk−1 |Fk−1 ) + E(2ak Yk Xk−1 |Fk−1 ) + E(a2k Yk2 |Fk−1 )
2
= Xk−1 + 2ak Xk−1 E(Yk |Fk−1 ) + a2k E(Yk2 )
2
= Xk−1 + 2ak Xk−1 E(Yk ) + a2k E(Yk2 )
en raison de l’hypothèse d’indépendance des Yi et de la définition de la filtration
Fn . Mais, du fait que les Yi sont identiquement distribuées, on a
E(Yk ) = E(Y1 ) = 0
et
E(Yk2 ) = E(Y12 ) .
On a donc
E(Xk2 |Fk−1 ) = Xk−1
2
+ a2k E(Y12 )
et
Xk2 − E(Xk2 |Fk−1 ) = Xk2 − (Xk−1
2
+ a2k E(Y12 )) = Xk2 − Xk−1
2
− a2k E(Y12 ) .
4 PAUL LESCOT

Il suit
n
X
Mn = (Xk2 − E(Xk2 |Fk−1 ))
k=1
Xn
= (Xk2 − Xk−1
2
− a2k E(Y12 ))
k=1
Xn n
X
= (Xk2 − Xk−1
2
)−( a2k )E(Y12 )
k=1 k=1
n
X
= Xn2 − X02 − ( a2k )E(Y12 )
k=1
n
X
= Xn2 − ( a2k )E(Y12 ) .
k=1

On a donc
n
X
[X, X]n = Xn2 − Mn = ( a2k )E(Y12 ) .
k=1

En particulier, pour n fixé, [X, X]n est constant (en ω).

3)
Vu que tous les ai et E(Y12 ) sont égaux à 1, on a, au vu du résultat de 2) :
∀n ∈ N [X, X]n = n
d’où
∀n ∈ N Mn = Xn2 − n .
Pour chaque k ∈ N, on a
k−1
\
{Tm = k} = {|Xk | = m} ∩ ( {|Xj | = m}c )
j=0

donc {Tm = k} ∈ Fk : Tm est un temps d’arrêt. Soit p ≥ 0 un entier, et posons

Tm,p = min(Tm , p); alors Tm,p est un temps d’arrêt borné (par p). On a donc
E(MTm,p ) = E(M0 ) = 0
soit
E(XT2m,p ) = E(Tm,p ) .
Par définition de Tm,p = min(Tm , p), on a
−m ≤ XTm,p ≤ m
d’où
XT2m,p ≤ m2
et
E(Tm,p ) = E(XT2m,p ) ≤ m2 .
 M1 : PROBABILITÉS CORRIGÉ DU CONTRÔLE CONTINU DU 30 MARS 2010 5

Mais, pour m fixé, Tm,p = min(Tm , p) −−−−−→ Tm d’où

p→+∞

E(Tm ) = E(lim inf Tm,p )

p→+∞
≤ lim inf E(Tm,p )
p→+∞
(en vertu du Lemme de Fatou)
≤ m2
d’où E(Tm ) ≤ m2 ; en particulier Tm est presque sûrement fini. Lorsque Tm est
fini, |XTm | = m et, pour p assez grand, Tm,p = Tm d’où XT2m,p = XT2m = m2 . Il en
résulte que
XT2m,p −−−−−→ m2
p→+∞
presque sûrement ; vu que
XT2m,p ≤ m2
le Théorème de Convergence Dominée entraı̂ne que
E(XT2m,p ) −−−−−→ E(m2 ) = m2 .
p→+∞

Mais E(XT2m,p ) = E(Tm,p ) d’où

E(Tm,p ) −−−−−→ m2
p→+∞

Du fait que E(Tm ) < +∞ et que

∀p ∈ N |Tm,p | = Tm,p = min(Tm , p) ≤ Tm ,
une autre application du Théorème de Convergence Dominée nous donne que
E(Tm,p ) −−−−−→ E(Tm ) .
p→+∞

Il s’ensuit que
E(Tm ) = m2 .