3A, 2023 Statistique des processus. TP 2.

ENSAI

TP 2. HMM et chaînes de Markov à temps continu.

Exercice 1 [HMM avec densités gaussiennes]

On utilisera le package depmixS4 et le jeu de données speed. Prendre les n = 168
premiers éléments de la première colonne de ce jeu de données. On observe des temps de
réaction d'un individu soumis à une expérience de décision lexicale en psycholinguistique. Il
s'agit de montrer au patient une liste de mots qu'il doit classier comme correct ou incorrect
dans sa propre langue. La vitesse à laquelle le patient répond est alors mesurée. L'objectif
de l'exercice est d'ajuster un modèle de Markov caché à 2 états an de classier les temps de
réponse courts ou longs. On considèrera un modèle paramétrique avec densités gaussiennes.
1. Donner les formules de mise à jour des paramètres dans l'algorithme EM pour ce
problème.
2. Expliquer pourquoi les probabilités dites de lissage, i.e. obtenues à l'aide des équations
backward, ou encore l'algorithme de Viterbi peuvent être utilisés pour répondre à ce
problème.
3. Utiliser la fonction depmix pour ajuster un modèle de Markov caché à ces données.
4. Est ce que l'algorithme de Viterbi et le maximum des probabilités de lissage,
i.e. x∗t = arg maxx∈{0,1} P (Xt = x|Y1 , . . . , Yn ) pour 1 ≤ t ≤ n, renvoient les mêmes
résultats ? Si ce n'est pas le cas, est-ce vraiment étonnant ?
On considère
Exercice 2
  le processus de Markov de sauts à trois états, de générateur
−1.5 1 0.5
A= 1 −2 1 .
1 1 −2
1. En utilisant le principe de simulation dynamique, simuler une trajectoire à horizon
T = 500.
2. Déterminer la probabilité invariante π du processus de Markov.
Exercice 3 [Dynamique d'un épidémie]
La population est formée de m = 10 individus. On suppose que le générateur est donné
par A(n, n−1) = βn > 0 pour 1 ≤ n ≤ m, A(n, n+1) = αn > 0 si 1 ≤ n ≤ m−1. On suppose
que A(0, 1) = 0. L'état 0 est donc absorbant. Soit τ le temps d'atteinte de 0 (extinction de
l'épidémie). D'après le cours, les temps moyens avant extinction (qui dépendent du nombre
d'individus infectés à l'origine) sont solutions du système linéaire :
 
E1 (τ )
..
[A(i, j)]1≤i,j≤m  .  = −1.
 
Em (τ )
1. Déterminer ces temps moyens lorsque (αn , βn ) = (0.4, 0.6) puis (0.6, 0.4).
2. Lorsque (αn , βn ) = (0.4, 0.6), vérier par simulation que les temps moyens avant
extinction correspondent bien aux valeurs trouvées à la question précédente.