Académique Documents
Professionnel Documents
Culture Documents
Chapitre1 Partie1-Beamer
Chapitre1 Partie1-Beamer
USTHB, 2020-2021
De…nition
Soit (Ω, A, P) un espace de probabilité et soit (E , T ) un espace
probabilisable (mesurable), alors : on appelle processus stochastique
X : Ω T !E
l’application :
(ω, t ) ! X (ω, t ) = Xt (ω )
ou T est un ensemble
T !E
1 à ω …xé, l’application X de T dans E ,
t ! Xt (ω )
est une application mesurable et cette application s’appelle
trajectoire du processus.
Ω !E
2 à t …xé, l’application X de Ω dans E ,
ω ! Xt (ω )
est une variable aléatoire ;
avec Xt (ω ) : l’état du processus à l’instant t
E nT Discret Continu
suite stochastique à processus stoch à
Discret
espace d’états discret espace d’états discret
suite stochastique à processus stoch à
Continu
espace d’états continu espace d’états continu
Examples
1 Un joueur joue au « pile ou face » un très grand nombre de parties.
Soit Xn la variable aléatoire représentant le résultat de la nème partie.
E = fP, F g et T = f1, 2, ....g = N
Le processus fXn , n 2 N g est une suite stoch à espace d’états discret
2 Fille d’attente : Soit Yn = temps d’attente du nème client
E = R+ et T = N on a une suite stoch à espace d’états continu
si T = R+ on a un processus stoch à espace d’états continu
3 Fille d’attente : Soit Wn = le nombre de clients dans le système à
l’instant t; E = N et si T = R+ on a un processus stoch à espace
d’états discret, et si T = N ) une suite stoch à espace d’états discret
4 Soit Zt : la température d’un objet à l’instant t.
E = R+ et T = R+ donc on a fZt , t 2 R+ g est une processus
stochastique continu à espace d’états continu.
De…nition
Un processus stochastique fXt , t 2 T g est dit strictement stationnaire ssi
8t0 , t1 , ..., tn 2 T avec t0 < t1 < ... < tn , et 8τ 2 T ;
La loi du vecteur (Xt0 , Xt1 , ..., Xtn ) est conservée dans le temps.i.e,
F(X t , X t , ...,X t ) (xt0 , xt1 , ..., xtn ) = F(X t +τ, X t +τ, ...,X t +τ ) (xt0 +τ, xt1 +τ, ..., xtn +τ )
0 1 n 0 1 n
En particulier ; il en résulte que :
8τ 2 T et i 2 N; Xti et Xti +τ ont la même distribution de probabilité.
De…nition
fXt , t 2 T g est un processus à accroissements stationnaires ssi :
8t0 , t1 , ..., tn 2 T avec t0 < t1 < ... < tn , les variables
(Xtn Xtn 1 ) , (Xtn 1 Xtn 2 ) , ..., (Xt1 Xt0 ) où t0 = 0 admettent la
même distribution
Example
Mouvement d’une particule dans un liquide :
X0 = 0 et Xt =distance parcourue à t ; T = R+ et E = R+
(le mouvement Brownien) un processus de type 4
De…nition
fXt , t 2 T g est un processus à accroissements indépendants ssi :
8t0 , t1 , ..., tn 2 T avec t0 < t1 < ... < tn , les variables
(Xtn Xtn 1 ) , ..., (Xt1 Xt0 ) où t0 = 0 sont indépendantes
Mohamed SADOUN () (Généralité sur les processus) : Partie 1 USTHB, 2020-2021 14 / 15
Processus de Markov et de Renouvellement
Remarque
Dans le cas où le temps est discret ; on parlerait de Chaîne de Markov
Example
Le processus de Poisson ; Le processus de Yulle ; le processus de naissance
ou de mort
Mohamed SADOUN () (Généralité sur les processus) : Partie 1 USTHB, 2020-2021 15 / 15