.
~)
.,
..
DISTRIBUTION ASYMPTOTIQUE
DES STATISTIQUES DE KOLMOGOROV
POUR UN ECHANTILLON
PAR
DOMINIQUE POULIOT
Mémoire présenté à la Faculté des études avancées et d~ la recherche en accomplissement partiel des exigences pour l'obtention du grade de Maître ès Sciences.
M.Sc.
Département de mathématiques
Université McGill. Montréal Août 1979
" ... ,...---,.~---_-.--. \ " ,. , , ~ .f", IL. ' 1 1 1 1
~
:
)
\
(
)
l' );.,:; .•. ';.,'~ ".I.-:'/~'?~ t" ,1 " • . j • . '._~.J . . . t~._DISTRIBUTION ASYMPTOTIQUE
, 0DES STATISTIQUES DE
KOL~'OGOROVPOUR UN ECHANTILLON
PAR
DOMINIQUE POULIOT
~ ~RESUME
.,Nous exposons dans ~~mémoire quelques preuves du célèbre théorème de Kolmogorov sur les lois {imites des statistiques D , D + et 0
. n n n
En 1949, Doob fait la supposition qu'il suffit de calculer les distributions appropriées du pont brownien pour obtenir la distribution asymptotique des statistiques de Kolmogorov. Cette
conjecture de Doob se justifie par la théorie de la convergence faible. Quant aux calculs sur le mouvement brownien, plusieurs approches seront examinées ici: celle de Doo~ et également celle de Durbin (1974), celle de Herz (1979). Cette dernière a l'avantage d'éliminer les calculs utilisant exp)icitement la propriété de Markov forte. Nous analysons également la m~thode de Gnedenko, basée sur le principe des promenades aléatoires sym6triques.
Département de mathématiques M.Sc •
.
,,
-"'-r.~~,;.'
1 ' 1 : " ' ; " \' a...· ,'~ ;It'1~ ~ " " ' . ... rf~~ .. ,:'t:f~~",,~;d P~':~_~t~~:L~.~~:~_L~~':+~{~ ÊÀlf' • f .;(
(
(
J\
/ '
f
,.
ABSTRACT
~
In
th!s thesis, we examine a few proofs of KOlmo,orov'sfamous
theorem on the asymptotic distributions of the stati~tics On' Dn+ and D -n In 1949, Doob aS5umed that it suffices to calculate the . appropriate distrièutions of thè Brownian Bridge to obtain theasymptotic distributions of Kolmogorov's Statistics. This conjectbre can be justified by the theory of Weak Convergence. We a1so expIain Doob's calculations,on Brownian Motion and tho~e of Durbin (1974) • and of Herz (1979). This last approach ~ffers the advantage of eliminating calculations which involve explicitly the Strong Markov Property. We also inelude a discussion of Gnedenko's method based on the principle of symmetric random walks.
,. ,. ,. ,. ,. *
.
"..
. 1
()
1i
, ( ) '1 '..
,,
1TABLE DES MATIERES
Il
PAGE
i.REMERCIEMENTS • . . . . • . .
~RODUCTION . . . . DEFINITIONSET
TERMINOLOGIE . . . . . . i i i . . . . . vi Il OiAPITRE 1 l' , Il. 52. 13. 14. 15. 16. 57.IS.
Post don du probibe . ',' • . .
f. . . . .
Processus sto'chastiques et mouvement brownieh Temps d' art'8t • • • . . . • • .'.,'. . . . • Calculs de OOob sur le mouvement brownienM~thode des con5tantes arbitraires . . . Evaluation, de C (n), 1 ., 1,2,3,4.
~Evaluation ~e ~b{D
>
~}
et d_ . • . . • , '{ + } 1Prab 0 >). f • • • • •
Trois r~sultats importants do l'article de Doob
>
, , l'
OIAPrrRE II
/
~1. Justification de l'hypothèse de Do ob'
a
l'aide de la th~orie de la convérg~ce faible et aperçu ,historique des origines au principe d'invariance 12. Appen(!licé au Chapitre Il . • • . J . . . .O!AP ITRE III
f
11~Calcul de Prob{T+
<_}
et de • . • . . . • . . - - Prob{T<,
'GD} par la m6thode de Harz 12. Appendice au Chapitre III' . . . . • . . . • .OIAPITRE IV
SI. EXPlication de la m~thode de Gnedenko pour le calcul de la distribution asymptotique de la stàtistique de Kolmogorov . . . • • . , , CHA.P ITRE V
u.
12. 13. !4. 15./
.f,Construct~on du mouvement brownien sur [0,1]
Pont brownien . . . • . • • . . . • • . , . Analyse de quelques ensembles mesurables importants Dficomposition de l'ensemble des trajectoires qui
coupe~t L=d ou ·L=-d en classes
Ap
et ~ . • . . '.Just~fic~tion du pa~sage du mouvement brownien sur
[O,l} au pont brownien par la convergence faible .
Cal~ul de Prob (Al) par la m6thode de Durbin
... ,,,-"
"
1 1 4 7 17 40 41 49 52 58 58 68 76 76 85 90 90 IIIIII
116 lIB 120 . 133(.
.
,(
CiA-PITRE V (suite) 16.H.
18. 19.no.
Hl. ,Calcul de Prob (Al) par ~e MEthode analogue l celle de Gnedenko pour les marches al&atoires • Calcul de Prob (Ak) et de Prob~ (Bk), k - 2,3, ••• par la m8me m'thode qu'A la section 16 . • • •
Explication de la s&rie·alternfe de Ko1mdgorov par la m6thode de Blackman . • • • • . • • • • • ExplIcation du calcul de wn de Doob •• • • •
'Justification de Prob (At) - Prob (Bk) par le principe 'de syxétrie • • • . '. '.' . . . • Travaux r6cents sur le probllme 6tudi& et sur
des probl~mes reli6s . . • . • • • • • . • • • •
APpeNDICE PAR (J.C. Taylor)
Il. Quelques remarques sur le problame de Dirichlet pour l'équation de la chaleur • • • . • • • • • 12. Calcul du potentfel d'~quilibre pour un
demi-espace. Lien avec le calcul de
Wn
de DoobBIBLIOGRAPHIE
. . .
.
.
.
.
. . .
.
. .
.
. . .
.
.
.
~ Iv .~~ ... >I<'", __ .... _.~-.-... _ _ _ _ _-~-PAGE
f 136 -131 139 144 146 146 156 156 160 166--. --.
, " f 1 ) "} \ .-~ ... ~~""'!' P. ~~; ,~')( i( k~'~~_, < ' ,~ " ~ ~ .. ~ ~ ~;,-... ~;:.1!;,~ ... ~ 1 '-1-REMERCIEMENTS
Je tiens à témoigner en p~emier lieu ma profonde gratitude l mon' directeur de recherche, le Professeur V. Seshadri pour m'avoir suggéré le sujet de ce mémoire et pour m'avoir guidée et encouragée tout au long de ce travail •. Sans lut ce mémoir~ n'aurait pas été possible.
Je d6sire remercier tout particuli~rement le Professeur Carl Herz pour les nombreuses conversations que j'ai ,eues avec lui sur les temps d'an&t et le mouvement brownien .... Je lui dois aussi de_ m'avoir fourni cette preuve courte et 'l'gante du théorème de Kolmogorov, qui est expliquée au chapitre III.
Ma vive reconnaissance va Agalement au Profes~eur Anatole JOffe, Directeur du Centre de recherches mathématiquès de l'Universit6 de
• u •
Montréal, pour l'intérêt soutenu qu'il a apporté ~ ce travail malgré ses lourdes responsabilités,' pour la documentation qu'il a mise l ma
"
disposition et pour ses précieux conseils sur les promenades aléato~es
et le principe d'invariance. 1>
Je suis très endettée envers le Docteur Lockhart du Centre ae recherches. Il a eu la générosité de lire en entier et de commenter, pour mon bén6fice, le text'e primitif. Bon nombre d'améliorations lui sont dues.
'"
Je remercie aussi le Professeur John Taylor. Il m'a éclair&e sur, certains points de la théotie des processus stochastiques. Je lui sais gré également de m'avoir permis d'inclure en appendice sa justification ingênieusé d'un résultat de Ooob, basée sur la théorie du potentiel.
,
.
Je remercie chaleureusement le Professeur 'Cs(Srg'b de l 'Universi té Carleton pour les explications qu'il m'~ données sur la th~orie de la convergence faible et pour m'avoir fait part de l'Introduction à son
/ '
__ livre sur les lois fortes du principe"!i 'i!,variance' .
, j / ' .l~ ~\-.~.., ~\",:,t-' ,
.',
(
l
u
(
-ii-Pinalement. je remercie Madame Maura Crilly, Madaae Jackson et Madame Lynda Leadnow pour leùr excellent travail de dactylographie.
"
-.,
/
,
1•
()
Q ,1
, , ~ , , /(
)
\
)
-iii-\ 1
NTRODUCT 1 ON "Supposons que nous ayons un 6chantillon de n observations ind6pen-dantes arrang6es en ordre croissant, de fonction de répartition commune P(x) supposé~ntinue. Le test de Kolmogorov permet d'évaluer l'6cart
ent~ une distr~bution hypothétique F (x) et la distribution empirique
• 0
F n (x) de Xl
<
x2< ... ,<
xn' Nous nous proposons dans ce m6moire dt 6tu-dier la distribution asymptotique de cette statistique. L'intErSt d'un6 telle étude repose non seulement sur les applications pratiques du cri-tbe asymptotique de K.olmogox:ov t particuli~rement dans le ,domaine de l'
a-justement. mais sdTtout sur les méthodes ingénieuses qui ont été d6velop-pées de 1933 jusq~'à 1979 pour calculer cette distribution.
Soit 0 ""' n
'\
sup 1 F n (x) - F (x) 1 \,
-~
La probabilité que 0 soit inférieure
00 n 2 2
a
~
tend quand n ... 00 uniform6menten À vers t(À)
=
~oo
Srl)k e-2k À Tel est le r6sultat fondamental de>
l'article de 1933 de Kolmogorov intitulé "Sulla Determinazione eurpirica di una Legge di Distribuzlone" (~2J. Dans cet artlcle se trouve la pre-miêre dé~ivation de ce résultat basée sur le calcul de la solution de
" 2
ft. i d 1 l ! I '
af
a
f ' f " , d' il '~quat on e a cnaleur at =
2
sat15 alSant certunes con 1t ons auxas
'
frontières [42].
Quelques années plus tard, soit en" 1948,\ Feller utilise les fonc-tions génératrices et leurs formes limi~es pour obtenir une preuve
nou-.'
\),velle et 6lémentaire du théorame de Kolmogorov [2~. En 1949~ 1 la sug-gestion de Feller, Doob publie- son approche [16]: Son article "Heuristic
1
. , ';; '\
(
(
(
\
-iv-a'pproach to the KolJllOgorov-Smimov Theorems" al' avantage de faire le lien entre le calcul asymptotiq~e de D et la probâbilit~ que Îa
trajec-l ' , n ,
to~re d'une particule en mouVement brownien se tienne(l l'int6rieur de
.
frontiêres données. 'Doob base sa conjecture sur le fait suivant: soit y n (x)=
ln (F (x) - x) le processus empirique. n ~ La' distribution limite .,
de (rn('Xl ), Yn(x2L''''Yn4(~» (0
< xl
<
~,... ,
<"~<
l, k - l,2, ••• ) est lamame
que la distribution' jointe correspondante du pont brownien, soit celle de (P{xl), P(x2) , •• , ,P(~»,' Ceci lui a donn6 l'idEe
de
cal-culer les p~obabilit~s de sup P(x) (et de sup !p(x)l) au lieu de la limi-"x X
te quand n + ~ de la probabilit6 de sup y (x) (et de sup Ir (x) 1 •
, • J x' n x n
La convergence des lois fini·dimensionnelles de y
(x!
vers ladis-. n
tribut ion de P(x) ne suffit évidemment pas l justifier la convergence de la distribution d '~e fonction quelconque de Y
n (x). vers la distribution .. d'une, fonction correspondante de P(x) , L'article de BilÜngsley fournit
.
un contrexemple intEressant à cette situation [6, pp, 1-21. Il faudra donc utiliser tout l'outillage de la convergence faible pour justifier le passage de Doob. Déjà, en 1952, Do~sker [14] tente d'expliquer-le raisonnement heuristique de Doob. Ses mEthodes de , preuve sont aujourd' hui d~passéès. Pourtm.at i l pose un jalon dans la th60rie de l'invari-ance et en 1951 [15] il publie son fameux th6or!me (voir Chapitre II), qui ~s t il la base de la thEorie de l'invariance. Prohorov et Siorokhod ont donné il la théorie sa forme actuelle. Et c'est il paTtir de leurs travaux qu'il ~st maintenant possible de justifier pleinementl'hypo-th~se de DoèJb (48), [6]"
r7) ,
Tout: ncemment (avril 1979) C. lfe.rz ~ obtenu \.l'1e dérivation des limites de Kolmogorov.
." ) )
o
,'..,., ,(
) - -v-, ,Le chapitre III de ce mémoire eXplique les idées d~ cette preuve
" 0 ,
courte et él'mentaire du théorème de Kolmogorov. Cette nouvelle méthode
"permet d'éviter les calculs utilisant explicitement ,la propriéd de Markov
forte.
Au Chapitre 1 nous présentons donc l'approche Ge Doob. Ce chapitre
cO'J!lPOrte e~sentielle~nt deux parties. Dans la première nous p~6sentons '
certaine~ notions sur le mouvement brownien et les temps d' an6t et darts la sec:onde nous exposons en détail les calculs de Doob sur le mouvement brownien.
Au Chapitre Il nous expliquons la supposition de Doob, l l'aide dé
la th~orie de la convellgence faible. Nous inclu~s dans ce-' c-ha:-p-~"" t:-r-e-Wl
bref aperçu historique des origines du prin~ipe d'invariance. ~
La méthode de Gnedenko pour le theorême de Kolmogorov fait l'objet
. o
du Chapitre IV. Cette approche est basee sur le principe des marches
\
,
aléatoires symetriques. ~
Au Chapitrtt-.Y nous analysons la prewe de Durbin en y appo~ta:nt
cer-taines modifications. En effet, Durbin utilise un
.
, cal~ul d'intégrales "pour déterminer la probabilité des ensembles A., B. définis au Chapitre
• 1 0' 1 l
"
v.
Nous avons utiliséune
méthode ~aloguei
celle de Gnedenko pour les" r
marches alé~toires (voir Chapitre ~IV). La fin de ce chapitre fait
men-tion de techerches récentes sur 'le problème étudié et qes problêmes re-Uês.
~
Enfin, dans l'appendice, nous incluons, avec la permission de J.C.
Taylor une justification de la s'omme altern~e de Doob pour les probabili- .
\ t6s w
n (voir Chapitre Il, bas~e sur la th~orie du potentiel.
l"
t
C
,t
"\ 1\ ) ~' !' "(
\ \ t -vi-ŒFINITIONS ET TERMINOLOGIE\ DEFINITION 0.1. Soient ~1'~2"" des variables al~atoires i.i.d.
avec fonction de dist.ribution F(À) et soit "n(À) le nombre des ~i parmi
tl't2 •• -.... tn qui sont
<
A...
ou
v (À) peut encore s '6crire:
n n " (À)
=
t'x
(~. )
n i::::l (-CD. A] 1 X( __ .Aj(ti,)= {
si ~. l e (-CD, À] si ~. ~ (-CD. À] l,
La fonction de distribution empirique Fn(À) est d~finie comme suit:
" (À)
F ( À)
=
--'n _____ _n n
•
REMARQUE 0.2. Si F(;l.) est continue. la distribution de:
" "n(À)
l.u.b. ( - F(À»
n
est indépendante de F(À). Donc. il suffit d'~tudier la distribution de:
"n
P.1
d. D+
l.u.b. ( - À)
n n
()<À.;!
où on a suppos6 les
t
i - U(O,l). Le. FCA) = A; OQ.Q. De m8tne pour'On et
on·
-
La preuve de cet énonce se trouve dans J. D. Gibbons (26J pp. 76-77
et pp. 23-24].
, ,
---~~---
-( )
-vii-DEFINITION 0.3. On appelle processus empirique et on dé~e y (t,Ill) n la fonction aléatoire ,.' 'J (t ,Ill) y n(t,lII) =
liie
n n - t)REMARQUE 0.4. Pour le processus empirique on a:
E{y (t,Ill)} == 0 n B[{y (t,w) n 2 - {Yn(s,w)}] >= Ct-5) [1 - (~- 5)] OSsStSl
Et
évidemment: DEFINITlON 0.5. v Ct) D += l.u.b.
(--%- -
t) n oc;;t<:l , \1 Ct) n D = l.u.b. (t - - - ) n O<t..:l n v (t) 0 = l.u.b. 1 n '-tl
, n ~..:l nREMARQUE 0.6. Théorème de Kolmogorov:
o + -2a 2 \!'
1 : l~ Prob{
ln
Dn <: a}=
1 - e
n--01> 2 2
H: lim Prob{
Iii
D<
a}=
1 - 2 l (_1)S-le-2s a nn-- 5=1
,~ < • ~
., ....
'-(
l
-viii-Les définitions et remarques qui suivent nous seront utiles au chap-itre IV, plus partic~lièrement.
DEFINITION 0.7. Soit {E } une suite de sous-ensembles de X. Si la n
suite est telle que E c E l pour n c 1,2, ... c'est une suite croissante.
~ n n + \
Si li ~ E 1 pour n = 1,2, ..• c'est une sui te d~c:roissante. n n+
DEFINITION 0.8. Une suite croissante (ou décroissante) est appe16e monotone.
REMARQUE 0.9. Si {E } est une suite monotone alors 1im E existe
n ~ n
et est 6ga1e à n n u E ou ( n n nE) si la suite est croissante (ou décrois-sante) .
DEFINITION 0.10. Une classe non vide M d'ensembles est mgpôtone si pour toute suite monotone {E } d'ensembles de M on a lim E E M.
n n-+oo n
REMARQUE 0.11. II désigne la mesure de Lebesgue.
DEFINITION 0.12.
M
est une famille ~'ensembles Lebesgue mesurables.DEFINITION 0.14.
,
Théorème de convergence monotone de Lebesgue. Supposons que E EM.
Soit {f } lUle suite de fonctions mesurables tellesn que
o "
fI (x) " f2 (x) " ... (xEE)Soi t f définie par f
n (x) -+ f(x). (xEE), quand n -+ CIl. Alors
f
f d\.l -+f
fd\.l quand n -+ CIl.E n E
DEFINITION 0.15. Théorème de convergence dominée de Lebesgue.
Sup-, "
" ~~-- ,~-~
---
~---~~~-()
,._-• 1 ; - \ ~ \t,ol""'~ ;1' ;:-'~. ~":,,l1l., r " -ix-posons E t M.Soi t {f } une sui te de fonctions mesurables telles que f (x) -+ f(x)
n n
,
quand n"'''', (xe:E).
S'il existe une "fonction g Lebesgue intégrable sur E telle que
Alors
Hmf
n_ E f dIJ n =f
EDEFINITION 0.16. Soit S un espace métrique arbitraire. Alors S désigne la classe des sous-ensembles de Borel de S.
C'est-à-dire: [7, p. 3], S est la tribu engendrée par les ensembles ouverts. Pour l'espace C[0,11, C dénotera donc la classe des sous-en-sembles de Borel de C[a,l).
DEFINITION 0.17.
~
est la classe des ensembles deBo~el
deIR~.
DEFINITION 0.18. Soit f une fonction réelle (ou réelle étendue) sur un espace topologique.Si {x: f(x)
>
a} est ouvert pour chaque réel a, f est dite semi-continue inférieurement.Si {x: f(x)
<
Cl} est ouvert pour chaque a réel, f est dite semi-continue supérieurement.Dans ce qui suit, nous donnons les définitions et notations
princi-"
pales reliées au mouvement brownien et au pont brownien.
REMARQUE 0.19. X (",w) désigne une trajectoire du mouvement brownien
construit sur T =0 [O,c») et W (',Ii1I) lUle traject,oire du mouvement brownien
!"y.., 1 .. i
(
--_.-tr-"""--- '
-x-construit su~ T"" [0,1] 0 P (o,lIl) dEsigne une trajectoire du pont brownien
, de m~me que 'If (0 ,Ill) 0 On a utilisé P (0 ,UI) pour le pont brownien obtenu
par Doob par un changement de variables à partir de X (0 ,w) et 'tf (0 ,UI)
pour le pont brownien obtenu par Durbin et Billingsléy
a
partir deW( 0 ,Ill) 0 Mais P (. ,UI) et Wo (. ,Ill) d~signent la meme chose. Des d~tails
supplEmentaires sur le mouvement et le pont browniens sont donnb aux
Chapi tres 1 et V.
(2) 5 désigne l.U\e trajectoire 6chantillon du mouvement brownien
construit sur (0,1]. Cette notation est utilisEe par Durbin.
(3) W
t designe la position (a16atoire) d'une particule en
mouve-ment brownien au temps to On peut encore Ecrire ceci Wt(lIl)
ou W (t,UI).
DEFINITION 0.20. C = ClO,l] dEnote l'espace des fonctions continues
sur [0,1). Deux points x et y dans C [0 ,lJ sont deux fonctions continues
sur [0,1]. La distance entre x et y est définie comme suit:
p(x,y)
=
sup Ix(t) - y(t)1O<t~
....
, Cette distance donne à C [0,1] ce qu'on appelle la TOPOLOGIE UNIFORME,
[7, p. 54] 0
DEFINITION 0.21. Soit X une fonction d'~pace de probabilid
(O,B, P) dans un espace métrique S. Si X est mesurable alors on l'appel,le
élément aléatoire de S.
D
DEFINITION 0.22. La distribution de X est la mesure de probabilit'E
"
, • ~ ... , .... -,-- - ... ""'~_\oo ... _ .. _ ... _ _ _ _ _ _ _ _ _
?-_
î r1 .,.. ~" ' r- < /",t-;'t~:
:, '.. ,,' .'",' .-,','", l' ' ,"'.,"",; ),,_ ,,> ,;',' '" ' ' ' , ' 1 ....Pt .. '" -..;,.y ' . . , . . . . . ""' u _~ ... ., ."l ~ ~\ .4:."W'.~ ~ ~1,)!~ ... :')!.:
()
. / ',
l ) -xi--1 P • P X sur (S,S). P (A)=
P(x·l A)=
p{w X(w) E Al=
p{X e:AL
Oonc on d~notera par W Wl U~ment aléatoire avec valeurs dans C [0,1]
et avec la mesure de Wiener comme distribution. On peut alors 6crire, si P
=
W où W dénote la mesure de Wiener:W(A)
=
P(W-1 A) z p{w : W(w) E Al ; p{W E Al.A e: C.
De la ~me maniilre, on peut ~crire, si P
=
rJ
où Wo dénote la mesure du pont brownientf (A)
=
peA)=
P(~ -1 Al=
P{III : 'ft (III) e: AlA E: C.
REMARQUE 0.23. La mesure de Wiener W décrit la distribution de la
trajectoire d'une particule en mouvement brownien.
L'existence dans C[O,l] de la mesure de Wiener est pTouvee dans
(7, p. 62J.
REMARQUE O. 24 •
(1) Les accroissements du mouvement brownien sont stationnaires
c'est-~-dire que la distrïbution de Xt - Xs (par rapport à la mesure de Wiener)
d~pend
seulement de la différence t - s.èC~s
accroissementssont egalement indépendants.)
(2) La droite y
=
d est souvent désignée par L=
d.1.
-'.
1 ! ( '1
~,
c
(
-xii-.<3)
fi"
dbigne la fermeture de'F .+
(4) 0
=
Max pet)O<t<l 0-'" -Min pet)
()I;;;tca
0 II: ~fax ' Ip(t) 1 [16 .. p. 3951
O<t<;1
REMARQUE 0.25. Le processus {X(t)} (lI1()uvement brownien) l, 0<1:<;1.
utilis~ par Doob est ainsi d~fini par Doob dans son article (16).
o
(1) Pour chaque j, si O<t
1
< ... <
tj< 1,
la distribution j.dimen.sionne1le des variables X(t
1), X(t2), •••• X(tj) est gaussienne;
(2) E{X(t)}
=
0, ()ci;t<l(3) E{ [X(t) -. X(s)) 2}
=
(t-s) (1 - (t-s))et évidemment:
'E{ [X(t)] 2}
=
i{X(t)}=
tel - t)(4) Prob{X(O)
=
O}=
1;(S) On peut choisir le processus X(t) tel qu'il soit continu avec
probabi li téL
DEFIN'ITION 0.26. Etant données les fonctions échantUlons X(t)
dé"-finies l la remarque 0.25, on définit Y
f
{i ~
\S
fonctions échantillons continues.
comme étant l' èspace de telles ,
REMARQUE 0.27. Supposition de Doob:
,
lOéfin11:.ion dOnnée par Doob dans son .article liA Heuristic Approach to the Kolmogorov-Smimov'Theorems." (16)'.
,
.. i!
, 1 1 / / ) -xiii-\) (t) lim ProblI.u.b-. [1; (_n _ _ - tH <; a} n-+clo OCt4ï;} n , c Prob{ max XCt) 4ï; a} I)Ii;tq
DEFINITION 0.28. Etant donnés des points t
l, •..• tk dans [0.1J soit
'1\' la fonction qui envoie XEC au point (xCtl), ... ,x(t.. ) de IRk.
t l , .. · tk . k
Cette fonction est la PROJECTION de C dans lRk.
DEFINITION 0.29. Les ensembles cylindriques sont les ensembles de la forme
.1
-1
'Ir H
t l J ' , ' • • , tk
REMARQUE 0.30. On peut définir
'if
~ partir de W ~voir Chapitre IV).DEFINITION 0.31.
(1 ) p (x, F) "" 'inf sup ye;F O<t<;l
Ix(t) - y(t)1 x,y e; C[0,!1.
(2) p (W, w") <; ô vel1t ,dire: sup 1 W(t) - 'if Ct) 1 <; ô O<;t"'-l
REMARQUE 0.32. ProbO dénote "la probabilité, partant de {l.' que
"
DEFINITION O.~3. Soit D= O[O,lJ l'espace de~ fonctions ayaflt de's discontinuités de la première espèce.
f) dénote la classe des sous-ensembles de Bo:x;.el de 0[0,1] .
~oici également quelques points saillants sur la convergen~ faible
". dont nous reparlerons au Chapitre II. Les' définitions et remarques 0.34"
.'
(
-.
, "
(
-xiv-i
0.40 ont éd tirées pour laplupa~ d~
Billingsley (7) •.
.DEFINITION 0.34. Pn ~ P veut dire: P converge faiblement vers P.
n ,
Etant donné (S .S) •. un ensemble A :dans S est appe 16 ensemble
dè
p ..'con-, '~"'~~~:
tinuit6 si sa [rontUre 3A satisfait P(3A) .. O.
/.-~tr , \
:rmOREP-m 0.35.
17.
p. 111:'.
' Soient P e,t P des mesures de probabili-n "
té sur (S.S). Les éinq conditions suivantes sont fquivalentes:
(i) p:t>p n
(ii) Hm
J
f d P n -J
f d ~,pour toutes ,les fonctions nelles fn "1 " • ". (iii) (iv) (v) ! , • lI\,.~' ~
bornées, uni formement continues.
Hm sup P (F)
*'
P(F) pour toUs l~s ensembles fennEs F.n n • ~
lim inf P (G) ;)0 P(G) pour tous les ensenbles ouvèrts G.
n n " ' , . '
lim P (A) == F(A) pour tous les ensemlles A de P-cOntinu.,j,té.
n n 0 ~'.~ , ,
DEFINITION 0.36. Etant donnée une suite {X } d'éléments albtoires
n
Qn di t q~e' cette suite converge en distribution l l'éUment a16~toire X
. 1 ;
si
"les di:stributions P des X convergent faiblement 1 la distribution Pn n
de X. -;:. ,,<><
0
Et on denote ceci par X .. X.
n .... ". V P 1) nœOREME 0.37. Si X .. X et sip(X,Y) n n n .. 0 alors Y n + X. ",
RE~JARQUE 0.38. [7]. Dans ce thêor~me, on a suppose que pour chaque
n, X~t y ont un domaine commun et que S est séparable, ail 5 est
l'es-n n ~"""
pace - image.
"\ REMARQUE O.39.~ ,J,es espaces de pr~babilit~ de X.Xl,X2, ••• peuvent
~,._~-
- ---f-s,
-
---~---~)
1·
~
)
-
'AV-etre tous distincts mais l'espace-image 5 et la topologie de S doivent
etre les m8mes po~r tous les X'x
l'x2 •....
DEFINITION O~40. Soit a un élément de S, on dit que ~ converge en
probabili té i a et on écri t
p
X + a
n si
pour chaque € positif.
P{p(X ,a)
> El
+ 0n , , 1
o
DEFINITION 0.41. Soit F l'espace d'états d'un processus stochastique
{Y(t)~ET' T <= lR •
. Alors
a
[0,"') (F) est l,a tribu engendrée par les ensembles de la ~forme
, pour Al ,A
2, ••.• \ 6léments de la tribu borélienne de F.
Dans le cas où F
:.IR,
B [0,"') (F)=
F (Chapi tre 1 J S2).DEFINITION 0.42. Soit (0', F', P') un espace de probabilité, y lD'le
variable aléatoire réelle mesurable par rapport
a
F', avecEIYI
< ...
Soit G une tribu, Ge F'.
L'espé~ance conditionnelle E(YIG)
=
f(w} est une variable aléatoirer1-mesurable telle que si A E G
f
f(w) dP(w)=
f
Y(w) dP(w).A
A
PROPRIETE 0.43. [3, p. 261]. Si Z est G-mesurable et si Y et YZ
(
l
(
, , , • ~ • ~ , . . ~.f'i ... > 0 "" ,.-xvi-sont intégrables r alors
E(YZ IG) z: Z E(VIG) p.p.
nœOREME 0.44. [3, p •. 257]. E [EeVIG)) "'" E(Y).
DEFINITION 0.15. (9, p. 30]. Si Test lDl telllps d'arr8~ {Chapitre
l,
§3] par rapport à{B
t },Br
par d6finiti~n est constitu6 detous lesen-sembles A dans ~ tels que A n {r
<
t } e Bt pour tout t<
GD.Br
est \Dle a1algèbre." ,
<
- -~.
..
".'---~.~,.---.
'.'-1-()
CHAPITRE 1
Sl.
POSITION
DU
PROB~EME Soient et \1 P,) Dn=
-G.L.B. [_D_ - F(À)], -ao<). <sx> n /les statistiques de Kolmogorov.
Le théor~me de Glivenko-Cantelli (26, p. 75) affirme que la
distri-
,-bution empirique s'approche avec prcbabilitê-l de la distri,-bution réelle
de la variable aléatoire observee, quand n tend vers l'infini'. La
pro-babilité d'occprrence des déviations entre ces distributions n'est
cepen-dant pas déterminée par ce théorème. Elle fait l'objet du célabre
thêo-rème
de Kolmogorov, c'est-l-dire:\ Théor~me de Kolmogorov: (i) r " ='2 : (_I)lJt;.} e-1m2" 2 Hm Prob{ rn D ;;;.;U " n n-loCD 1 , 2
Hm Prob{fii D +;;;. À}=lim Prob{1rî D -
>
À}=
e-2Àn n
n-loCD
n-(H)
Si FO) est continu, les distributions de D • 0
+
(et D -) sontin-n n n
dépendantes de F("). (On peut consul ter Brelman [10] pour Wle preuve
dé-"
,
.
, \ '(
,
(
-2- t . '. ','calculs, la di~tribution U(O,l). c.~st-a-dire F(l) = A ~our 00<1.
t
, Nous considhons
donc
v
P}
Dn
,.. L.U.B.I-1l-_
À 1 ~<l n + v (A)Dn
,..
L.U.B. [...!L- _ ,1.] OQ<1 ni .., et v (A) Dn .. -G.L.B. [..l!.- - À] o<A<l nProuver le' théoreme de Kolmogorov revient l d'terminer les distri-buÙons limites, quand n + œ, de D , D
+
et D " ainsi dHinis. Dans cen n n
chapitre. nous exposerons l'approche de Doob l ce problème. Soit,
d'a-v (t) .
bord, y n (t)
=
Iri
(-%- -
t ), O<t<l, le proces sus .ompi rique, poss~dant les proprietes suivantes:et t..-(l)
Eh
(t)}=
O· n (2) -E{ [y (t) n 2 - y (s)]1'"
(t-5) n / .. REMARQUE. v Ct) \ -1L-:: F (t)n
n
où F n (t) [1 - (t-5»), ~t<1, .\dénote la distribution ellPirique. Nous emploierons indifferellllllent .1 ',un , '
ou l'autre au cours do. ce travai 1.
Suivant l'approche de Doob, le problème se divise ~n deux parties:
"
Premièrement, on suppose'qu'il suffit de calculer la distribution de
/
Q , " ..
. \, f' ~', ' " tt >' ~.
~---r~'---o
-3-.
SUp P(x) (et de sup 1 P(x) 1 pour ob'tenir la li"mite quand n + GO de la
~x.<:t.., ~1
probabilit~ de sup
y
(x) (et de 'supIr
(x) 1), où P(x) d~ote le pont0<x<1 n . ()(X<l n .. "
brownien.' .
t'"
Cette partie du problème 'n'a pas été justifiée par Doob. Elle est
laiss6e 1 l'état de conject\1re dans son. article liA Heuristic Approach to
the Kolmogorov-Smirnov Theorems" (16). Les idées de ,là convergence
fai-ble vont permettre me justification rigoureuse de cette hypothèse. Nous _,
y reviendrons au Chapitre II.
Deuxièmement. on calcule oIes distributions appropriées du pont
brow-Dien. c'est-à-dire:
2
(1) Prob{w: sup pet) ;;:. a}
=
e -2a (1)tE [0,1)_ , ,
et
co 2 2
(2) Prob{w:
sup
1 P(t,w)j
~ a}=Z 1: ,'( _l}m+l e -2m a (2)tdO,11 " .' IlE'l
.
",Doob a démontré (1). et ·(2)· Far une série de réflexions sur le
mouve-ment brownien. Il passe du mouvemouve-ment brownien au pont brownien par , un
simple changement de variables... PluS tard, en 1974, Durbin d~tre lui
J'
"aussi (1) et (2) par des réflexions sur le ~ouvement brownien. Les cal~~~I culs de Durbin sur le mouvement brownien s,ont beau~oup plus simples.
lI)
Ceci est en partîe dû au type de construction particulier de mouve_tbrownien ut.ilisé par Durbin (sur T == (0,11) par opposition \au type de
. construction utilis6 par Doob (sur T
=
[O#co)). Par ailleurs ~passagedu pont brownien au mouvement brownien, dans le cas· de Durbin, est plus
d~licat et nécessite la théorie. de la convergence faible. Nous
expose-rons la preuve de Doob dans ce chapitre. et celle de~.Dufbin a':1 chapi ~re IV.
,
l '.' " ,
(
•
(
-4-D. Il nous faudra d' abord expli~uer ce que nous entendons par proces-sus stochastique, mouvement brownien, pont brownien et temps d'arrlt.
, " . Q
Nous nous basons pour la défini t:i:on du mouvement brownien. sur Free~an
[24]. It6 et McKean [341. et Breirnan [10].
, J
§2, PROCESSUS STOCHASTIQUES, ET MOUVEMENT B~OWNIEN
On
appelle processus' stochastique ou processusa
p~r~être c~ntinu une collection de variables aléatoires {Yt(oo)} sur(?,
B,
P) où t varie sur un intervalle T c IR. On le dénote, soit par {Yt(w)}" soit p~r {Yt}. Le plus célèbre des processus stochastiques est le
mo~vement~brown-
.
. .
ien. Dans ce cas, en appele X (. ,00) pp ur 00 fixe, une trajeçtoire'du mouvement brownien. 0 C'est une fonction X(~) sur T. Si on fixe t on
ob-tient la position aléatoire de la particule en mouvement brownien ~u temps t.
On note X, et on appelle mouvement brownien d€fini sur T
=
[~œ) un processus stochastique {Xt(oo)} sur (0, B, P) possédant les propriétés(l) - (3).
et
X(t,oo) est une fonction à val,eurs réelles telle que
X(t,.) est B-mes~able pour chaque t
(1) X(O ,00)
=
0 pour chaque w;X(. ,w) est continlJ~ pour chaque w;
---
,P?-~t:-D<t?tz
< ... <
tn_l<
tn 'les acèroissements X(t l ), X(tZ)-X(tl), ...• X(t )
~X(t
1) sont indépénâants et normalementn
n-'i
()
)
~"
)
---",_-..
---
---~
-5-distribues avec moyenne
t n-1).
..
o 'Ceci est la définition dû mouv.eme~t brownien" partant de O.'
L'existence cl' 1.Dl tel processus a été, dp.montlrée pour la première foit
par Wiener.
En effet. si on dénot~ par,I l'esp~ce des fonctions continues de
•
[O,~) dans IR et nulles au temps t
=
0 et parr
la tribu borélienneen-gendrée par les cylindres alors il e~iste sur (T,F) une mesure de
proba-bilité, W telle que les conditions (1) et, (3) soient satisfaites [36]. Cette mesure est la mesure de Wiener.
On peut également définir le mouvement brownien partant de a, ae: lR.
Alors on a X(O,w)
=
a pour chaque w et la condition (3) est remplacéepar
(3') pour O<t
l<t2 < ... < tn_l<tn les accroissements , • :J
.XCtI) J XCt
2) - XCtl) , ...• XCtn) - XCtn_1)
sont indépendants et normalement distribués avec variances t
l,t2-tl,. " ,
t -t 1 et moyennes n n..!.
k= 1.2 •... ,n-1.
En réalité. le mouvement brownien partant de a, !,e:lR est tme
collec--,(
.'
tion de processus stochastiques, tm pour chaque a , e: IR. \ Ces processus
sont reliés entre eu~ par la propriété de ~~rkov simple. L'énoncé de
cette propriété a été tiré de It6 et McKean [34].
. ,
',,1''''''' ..
" :r'
" " . ' ~J,Jc'
(
- - -
-~ ~-l'" t ''''1I._'''''v'''''--''~~_'' '\'~,."'~:t""", .... ~"...-.~·W'tr~_o::-_ _ )O'~~~_---.." ... _ _ _ _ _ _ _
d . . . . S"_.fl ...
o
-6-== ProbX(t ) [X(t-tn) E: db] n
On peut donner de cette propriété une d6finition 6quivalente, tou-jours basée sur It6 et McKean [34J.
où
c,= X Ct
l), t, 2 ;> t p atb E IR.
Où Bt • est la plus petite sous-algêbre de B qui rende tous les X(s)
me-~ 1
surables s <; t'l'
On peut maintenant d€finir le pont brownien P tel qu'il a été uti-lisé par Doob. C'est un proce~sus stochastique {Pt(w)}, t E: [D,m) sur
(n,
B',
p') possédant les propriétés suivantes:P(t,w) est une fonction ~ valeurs réelles telle que PCt,.) est B'-mesurable pour chaque t et
(1) P(D,w) == 0 pour chaque
w;
(2) P(.,w) est continue pour chaque w; (3) E{P t}
=
0 et (4) E{P s Pt} == s (l-t)'. si s <; t (S) 'PCI,w)=
1 avec Probabilité 1. ~Une notion très importante pour la compréhension de la preuve de Doob est celle de"temps d'arr€t. Nous incluons une section sur les temps
. J
d'arrêt daRs ce chapitre. \
, r ,
\
()
:)
. ,. l " . ~ p " f '1' Oo!' .. ""*~.~, .. '~~" ;~, ., < " - - - - ; <-7-13. TEMPS n'ARRET
Soit
Bt
tme famille de tribus telle que:~ (1) 8 c Bt si s<t 5 (2) B == n Bt 5 t>s
Chaque tribu Bt est la plus petite tribu qui rende mesurables tous les X(s). s<t.
La condition (1) e~rime le fait que la famille de tribus Bt est
/ '
une famille de tribus croissantes.
Une fon.ction cr: n ~ T u {-kt>} est appelée temps d'arrêt par rapport r~
à la famille CB
t } si {(Jt;' 0 (w) < t} E St pour -ç,haque t ET. Dans le cas
de Doob, T est~l'interval1e [O,a». (Dans le cas de Durbin cet
inter-valle sera [O. 1] .)
Dans l'article de Doob, comme dans celui de Durbin, les calculs sur le mouvement brownien se justifient à l'aide de la propriété de Markov
forte. Cette propriété est l'analogue de la propriété de Markov simple,
qui stipule que le comportement futur d'une trajectoire du mouvement
brownien est indépendant du passé. étant donné le présent au temps t =
s. Si. au lieu de considérer un temps fixe s on considère un temps alea-,..
toire, c'est-à-dire un temps qui puisse varier d'une trajectoire à
l'au-tre. comme par exemple, le premier temps où la trajectoire atteigne
cert!iine frontière, alors on doit exiger certaines propriétés spécifiques
de la part du temps aléatoire et de la part du processus lui-même. Le
t~ aléatoire doit être un temps d'arrêt et le proce~sus. un processus
_J._~. __ .
c.
-8-de Markov au sens fort. En effet. selon 8reiman [10. p. 323) J 1Dl
"proces-sus de Markov {XCt)} avec probabilit~s de transition stationnaires est appelé ~tarkov fort si pour chaque temps d'arr!t t* et chaque point xEF et chaque ensemble AES[O'=)(F).
P (X( 'i"t*) E AI XCs). s<t*)
x
::: PX(t*)
(XC·) E A) p.s. P • x
on F désigne l'espace d'~tats du processus.
"
Dans ce cas on donne le nom de temps de Markov aux temps d'arrêt.
Le processus qu mouvement brownien poss~de la propriété de Markov forte. CI
Pour une preuve détaillee de ceci, nous reférons le lecteur à ItO et
Mc-Kean [34J. C'est Hunt qui a découvert. en 1956. de façon rigoureuse,
-cet aspect du mouvement brownien. Dans son article liA Heuristic Approach to the Kolmogorov-Smirnov Theorems" Doob utilise en fait les temps d'ar-rêt et la propriété de Markov forte mais de façon intuitive.
Nous nous proposons ici de justifier son approche à l'aide des no-tions qui suivent sur les temps d'arr!t. Les temps aléatoires utilisés
, ty
par Doob sont
fes
temps de première entrée dans un ensemble. Nous démon-trons i~i que de tels temps aléatoires, en particulier pour des ensembles ouverts et pour des ensembles fermes sont des temps d'arr!t.PROPOSITION 1. Les temps de première entree dans un ouvert sont des . temps d' arr@t.
PREUVE. Soit CJ
G
un
temps de première entrlSe dans un ouvert..-
( ),
-9-Il faut donc montre~ que {w: crG(w)
<
t} ~ St pour chaque t E T oùT dénotera ~oi t [0, .. ), soi t [0,1],
En eff.;t, si crO(tIl) < t alors 35 E IR s
<
t tel que X(S,UI) E' G., ' ,
Cotmne G est un ouvert alors 3s<q<t, qEQ, tel que X(q,w) E G, .A cause de
la continuité de XC.,UI). On peut exprimer ces idé~ en termes d'une
réu-nion dénombrable d'ensembles de St' c',est-â-dire:
"
{UI: O(UI)
<
t}=
U {UI: X(q,tIl) E G}q
rationnelq<t
Pour chaque q<t, qEQ on a {UI: X(q,UI) E G} E St' La 'réunion
dénom-.'
brable d'ensembles .~e St est dans 'St: Donc, crG, le temps de premi~re
en-trée dans un ouvert est un temps d' arrEt. "
que,
PROPOSITION II, Si 0 est un temps d'arr!t alors
Vs on a {UI: o(w) ~ s} E
Bl'
PREUVE. {w: cr(UI)
<
s}=
nn>N
{UI: O(UI)
<
s +i}
n Où NElN, N
quelcon-1
Donc {UI: 0 (LI»
<
S+
il}
E B S+l/n c Ss+l/N si n'> N,On a alors {LI>: cr (UI)
<
s} E S s+l/N pour chaque N E lN. Donc, {w: a(w)<; s} E ,>~ B s+ lIN ~ B s'
PROPOSITION III. Si cr est un temps d'arr~t alors {LI>: a(w)
=
t}
EPREUVE. En effet si cr est un temps d'arr!t alors
et
". l
;~,\ ~ ,l~
~'~ .. _.1,,"":'~,~11~ ... 7~.:;:.f; .~,
"
c
(
-.10-Donc
REMARQUE.
on
peut refo:rmuler la d!finition de temps d'arr@t de la -façon sui van te:Une fo~ction a:
n
~ Test appelEe temp~ d'arr6t par rapporta
la, famille -<St} si {w: a(w) ~t} E St pour chaque t E: T. ,Sàit
{~
} une suite croissante de temps d'arrlt. , n ,Alors ~ cr
=
lim cr n est un temps d'arrft. •PREUVE. Fixons t quelconque dans T. Alors ,
{w: O'n(w) " t} E Bt ppur chaque n E IN.
Donc
n {w. a (Ill) " t} E ,,8
n ' t
n Mais
PRQPOSITION V. Les temEs de première entr6e dans un ferm6 sont des temps d'arrêt.
PREUvE. Soit F un ens~mble fermé. et soit G ::; {x: d(x,Fi
<
lin}" ~ n
où d est une distance quelconque. G
n est un ouvert· Bn fait. {G } n constitue une suite d6croissante
d'ouverts: G
n ~ Gn
+
l quel q~ soit n E IN. On ,à n Gn
=
F. Si on ~cr.it an=
cG=
inf{t>On n
an
<
O'n+1 une suite croissante de temps'd'arr~t.:- XCt,w) E G
n} on a
Posons oF = inf{t>O:
..
" ;J . ~, '. ,")
-11-X(t ,W) F; F}, (J~ z: Hm an' Par la proposi hon IV on obtient la conclusion n ...
d~sir-ée.
PROPOSITION VI.. Soit T un temps d'arr~t. Alors
'''' S(oo) "" infh
>
T(oo): X(~,w) e G}, CG ouvert)est un tèmps d'arr!t. où Donc Soit PREUVE. On a: (1) (2) (2) JI
T
n (w)~ T (00) pour chaque 00;T est ml temps
d'arr@t;--n {W~ T (w)
<
t} . . n :0:: {w: T(w)<,
f5}=
inf{t'> T (w): X(t,w) € G}. n . G un ouvert.On va d~montrer que S est un temps d larr@t. C"est-~-iiire:
n {w: Sn(w)
<
t} e B t . 1 , J , 1 ,.
" \. ... - --"'-Il __, "."~ ~. ··,"~-'!'M,<1<lf1;lo . . <wtII_ •• _b_Ilta~.lr.J ••
1_9.1_.d.1.' ... _,, ________________
.;-:.1>111 _ _ _c
" ,
-12-On ~cri t
,
Sn (If) = inf{t'
>
Q: X(T (00) + t' J fil) E: G} . l) On a alors 5 (w)=
T
(00)+
5'(00) n n n {oo: S (00)<
t}=
{oo: T (00)+
5'(00)<
t} n n n=
u ({w: Tn(w)<
t - r} n'CI.):
S~{IÎl)<
r}]rEQ
O<r<t Considérons {oo: T (00)<
t - r} n {w: S'(w)<
r} n n ,:. ,> "=
u ({w: XCT n (00) + q,w) E G} n {w: Tn (w'}< t -
rH, q<rqEQ
On va montrer que '-.. {oo: X(Tn(w) + q.w) E G} n {w: Tn(w)<
t - r}, E, Bt = u {w: X(Tn(w) + q,w) E G} n {w: Tn(w)<
t - r} n{lIl: T (oo)=...!.J k n 2n = u k {oo: X(l. +q~oo)
E G} n {w:.!.'<
t - r} n{w: T (11.1)=..!..}
~ ~ n ~=
~
-<t-r 2n Le deuxième ensemble: est dans Bt' Le troisième ensemble:{w:
l.<
t-r} est 'soit f, soit g et chacun2n
{ 00: T ( ) n w
=
2n k} E B k/2n ':,. c B t 51 • 2n k<
t-r.1
-~ - --_r _ _ _ ~-=:.,...~c..:::.:::::===-===.
___ _
_ _
, ".
>
~h }~\ ~ , ,~, •• 1 ",~ { 't:; . ... t .. ' ' .)j1 H..
( \(
)
-13-Le premier ensemble: et~
<
t - r. {w:X(~
+ q,w) € G} € B k c B si q<
r 2n _+q t 2n 2 nDonc toute l',expression est dans St'
.
On a alors (w: S n (w)<
tf
è Bt et Sn est un temps d'arr!t. On a S(w)
=
inf{t>
T(w): X(t,w) e: G},Sn (III) \t S(w).
Et l,~ , limite d'une suite,d~cr9issante de temps d'arrêt est lm temps
\
\\
d'arrêt par la proposition VII qui suit. Donc S est un temps d'arr!t.
REMARQUE. Dans la preuve de Durbin cet ouv~rt.G sera, soit l'inter-valle (a,œ) soit l'interl'inter-valle (-œ,-a) suivant le cas. Dans le cas de Doob on doit consid~rer les propositions VIII et IX.
PROPOSITION VII.
,
Soit {a nJ
une suite décroissante de temps d'arrêt. Alors a=
lim a est un temps d'arret.n
et
PREUVE. Fixons t quelconque dans T.
{w: a(w) < t} == u
n
{w: a (w)
<
t} npour chaque ne:N.
PROPOSITION VIII. Soit T(w)
=
inf{t>
0: X(t,w)>
at+
b}. Alors T"~ est lm temps d'arrêt.PREUVE. {w: T(w)
<
s} = u ~{III: X(q,w)>
aq+ b}
q<sqe:Q
l
(
-14-Fixons q
<
s. q EQ.
On
a alors l'ensemble suivant:{II): X(q.OI» a q
+
b}=
{II): X(q,lI)) E: (aq+
b,GD)(aq
+
b,œ) est un ouvertG.
On a' donc {w: X(q,w) E
G}
€ 8s puisque q
<
s. Et T est un temps d'arr!t.PROPOSITION IX.
SoitT(II))
=
inf{t>
0: X(t.lI))>
at+
b}et
5(11))
=
inf{t>
T(II)): Xet,lI))< -
ct - d}Alors 5(00) est un temps d'arr!t.
PREUVE.
Considérons Tn(w) d~fini plus haut. {Tn} est une suitedécroissante de temps d'arr€t. Soit S n (01)
=
inf{t> T
n (00): Xet.oo)< -
ct - d} Soit S'(w)=
in~{t'>
0: XtT:ttl nt
n On a alors + t' , III)< -
c(Tn (00) + t') - d} 5 (00)=
T (11)) + 5'(00) 1 n, n n,
On
va montrer que 5 estun
temps d'arrêt, c'est-A-dire: n{II): Sn (00)
<
t} E 8 t tER.o
=
urEQ
1><r<t
-15-[{1Il: T (w) < t - r} n {1Il: S' (1Il)
<
rHn n
Consid6rons \Il ~lêment de l'\Dlion d~nombrable:
.
" {w: T (1Il)<
t - r} n {w: S'(w)<
r}n
n
=
u q<:rqEQ
[{lIl: XCT (w)+
q,w)< -
cCT (w) + q) - d} n n fi {w: T (1Il)< t -
r}) n On va montrer que: {w: X(T (w)+
q. 1Il)< -
c(T (00) + q) -dl
n n n{lIl:T
(1Il)<
t - r} nMais ceci est 6ga1 1:
U {1Il: XC! (1Il)
+
q.oo)< -
cCT (w)+
q) - d} 'n {1Il: T (1Il)<
t-r}k n n n k . n {w: T (1Il)
= -}
n 2nor
= U {1Il:XC..!...
+
q.w)< -
c(l-+
q) -dl
n {w:l
<
t - r} k 2n 2n 2n n {w: T (1Il) =.l.}.,
n
2n
k k = u {w: X(- + q,w)< -
cCli + q) ï d}1..
<t-rl 2n 2 2n k n {w:Ji"
<
t -Il
2 k fi {w: T (00) = - } n 2n.
,.
'. ".---..-..,---
f, ,
(
-,
;'C
l r· (. " " ~~
j \.
~~j -16-•- Chaqm ~es ensembles est dans Bt par le r~sOlD1ement utHis' dans la
preuve de là proposition VI.
"
Donc Sn est un temps d'arrêt. Sn~S' St la proposition est-
dSmon-tree.
Les seuls tellEs' cl t-arr8t qui seront consid~rEs daps Doob et Durb~n
sont de la forme: infimum des temps où X (. ,1.11) ".dEpJse a et ceci
Eg~l
ir'infimum des temps ail X (. ,1.11) atteint a pour b. pre.Ure fois i cause
de la contin\.ti.d de X (.,1.11). Ou encore, ces temps d'arrSt seront de ~a
fo;rme: infimum des temps où X (. ,1.11) 4~passe la droite y,= at
+
b, dSnode[a,b] et
ceci
est ég~l à l'infimum des temps'où ~ (.tl.ll~ atteint y= at+
b pour la premi~re fois.
\ ,
.
Dans sa preuve des théorèmes de KOlmogorov t Doob utilise les trois
propriétés suivantes du mouvement ht.Q.wnien:
(1) Soit $ fixe, alors
Prob{ Max [X(s+t) - X(s)} ~ À~
, O<t<f
ç.
=
2 Prob{- (X(s+T) .. , X(s)]>
M
- ", La preuVe '<l,e '(1), a 'd'abord ~té donn~e 'par Bachêli~r et LEvy.
.... ... f ~ , , ., ,
. ;: El·le est expliquée dçms Karlin ~ [38, p. 276] .
(2) Si aWIO, b:>O, a>O. B>O .',
,
.
,on a ProbH,. U. B-~ [X{t) - (at-flb)] ~ O}o<t<.ao
,-\ '=
e -2ab/;' \"
(3) Prob{L.U.R. [X(t) - (at+b)) >0 '()<;t<ioo if 1 \ f' j , ,.
, " " " , ' , ,,'
o
(j
,.
c)
-: ---~-7-·----
'.-. / ~ -11-fou
G.L.B. [X(t)+
(1t+-
BI<
O} 0<t40 " { CIl '. 2 2 '.. 1: "{e -2 [m ab+(m-1) (XB, + m(m-l) (aIH-4b)]
FI
·
2 ' 2
, ''+ e -~ [(m .. l) ab + m
aa
+ m(m-1)(aS+ab))':" 2 "" ,
i -
e-
2[m
(ab+aB) + m(m-1)aB + m(m+1}ab],.'
. ,,_ e
~2
[m2 (ù+aB)+
m(m+l) aB+
m(m-l)ab ]}Pour 1~ c~leul de la distribution de Dn: dans le,~as, asymptetique on n'a besoin que d'un cas particulier de IV'" c'est-~ .. dire:
1 - •
Prob{L.tl.B. X(t) > at + b'QU G.L.B. X(t)
< -
at -bl
O<t<Po . O<t<.»
:1 hob{L.U.B. IX(t) 1 >at
+
b}O<t<Po . , P ro b{L. . 'U ,. at B'
J!W.l
+
>
It}, b O<t<Po , r ,L'appendice
à
l'article de Doob contient plusieurs pages de calcul, .
pouré~a'de~onstratio~ de (2) and (3)~
, ,
expliquOns le contenu.
f _.
Dans
la séetion qui sùit,nous'
en.
,
§'4.
CALCULS DE DOOS SUR Le MOUVEMENT BROWNIEN
, , . ..
-..
~ '.·
" , ,·
--',Calcu,l de C2)•
l
(2) Si~a>O, b>O, a.;>(), 6>0;,
..
.
, 1.
, , . ' , . · Itlf'
-;«1 ;:!, J 1.1."~J
t(
,," F ~ j: ", ' \ '~ ;' ;"\ 0, ~:r f # t~ 7-'-.
~~
f
,
t
~ ~ , TI >, /, on a -18-r? .Prob{w: L.U.B. [X(t,w) Q<;'t<Po (at+b)1 ;> O}L'énoncé· (2) ,s'exprime également ainsi.
,
.
On cnerche la probabilité qu'une trajectoire échantillon X(.,w) va
atteindre la droite y
=
at + b.Et on appelle cette probabilité ~(a.b),
On désigne par
lu,
v] la droite y=
ut +v
et on sUppose hidemment.
(J == 1. Prouver (2) revient alors l démontrer:
Ha,b) =e -2ab
Pour ce fai~ on montre que ,(a,b) satisfait les trois conditions
$ui-vantes:
'(i) «1> (a,b
l +b2)
=
Ha,b'lJ Ha,b2)(H) -4--(a,b)
>
0(Hi) cHa;b) est monotore non-croissant en b pour a fixe.
(iv) La seule solution à ces conditions est~ [1)
,«I>(a,b) = e -'f(a)b
On calcule' ensuite ~(a) gour avoir la valeur exacte de ,(a,b).
,W
Pour ce faire on montre que:CD
=
e-'f(a)b :=:f
e -"(a) as f ($) cl$'" 0 T
, t
o~. fT désigne' la densi té de Tb"
)
.
---~
---
--(
./
(vi)
(vii)
-19-On calcule ensuite la distribution du temps d'arrêt Tb où Tb dénote le premier temps après 0 où la trajectoire X(.,w). atteint la droite y ~ b.
On obtlent finalement ~(a) ~ 2a et ,(a,b)
=
e -2ab . Voici maintenant les détails de ces calculs.REMARQUE. A cause de la continuité de X(· ,w), l' infimum des temps où X(·,w)
=
b pour la première fois est égal l'infimum des temps où X(: ,w) dépasse y=
b pour la première fois. DoJ\c Tb=
inf{t>
0 € G} où G dénote ici l'ouvert (b,~).PREUVE DE (i). 1 On a: cr n 1 puisque T =' inf{t
>
0: X t>
at '1- b } cr=
inf{ t>
0: \>
at + b l } k cr = - sur { w: - I l l ( k-l aCw) < ; -k } \ n Zn Zn 2n cr. On fi aussiP.oh
<
oo}=
lim Po{ • . < oo}n ... n . '
{w: • (~)
<
œ} t {w: .(w)<
oo}n .
X(t.w)
1 La PREUVE Dr (i) et les Calculs de CV) (p.22) nous ont été expliqués
t
par le Docteur" LO'ckhart..
~
1. 1 • Î(
-20-P {t<
ID} == p {at> 0: X(t)>
at + b} o 0 == Ha.b) Maintenant considérons • P {T<
m} o n p h <""}=E(P(T<""!
F ) ) o n o n cr npar un théorème fondamental de l'espérance conditionnelle [Théorème 0.44] .
""
= E t P CT'
<
CZI et C1=.!...!
F )k=l 0 n n 2n an
<".
pui~qu'on a une réunion d'ensembles disjoints. o
....
- E
r
P [Elt>
0: X(o +t)>
(ak.j-b ) + (at+b2) et a
=~!
F ]k=l o n 2n 1 n 2n an
....
= E
r
P [Elt>
0: XCo +t)>
Ca .!...b1) + Cat+b2) 1 F ] Ha
=~}
k=l o n zn an n 2n
par la propriété des espérances conditionnelles citée dans l'introduction [propriété 0.431 .
""
=
Er
Px rat>
0: XCt)>
(a2~+bl)
+
at+
b2] 1 {cr~~}
k=l cr n 2n n.
en appliquant la propriété de Markov forte
a
an' Telle qu' expliqu6e pré-cédemment [Chapi tre 1, § 3] •CIO
=
E tI.%'X -3
k _ b [Elt>
0: X(t)>
at + h2] 1 {a =
l}
k=~-
anï1f
1 c n 2.. >'.~
1 ( ,
---..:;:;=-=-"---'==---
"._~._~ ~-.-()
-21-à cause de l'homogénéité spatiale du mouvement brownien [40, p2 79]
CD
=
E 1: Px-Cao
+b 1 ) [at> 0: X(t) > at + b 2] 1 (a ""l)
k=l a n n 2n n par substitution, On à: {a<
CD}=
{a<
m} net Xo -(aan+bl) + 0 presque sOrement. n
De plus, Px(A) est une fonction continue de x si
A
=
{w: at>
0: X(t,w)>
at + h 2}On obtient donc par le théorème de convergence dominée:
P (t
<
m)=
lim P (t<
CD)o 0 n
n
-PREUVE DE (ii). ~(a.b)
>
o.,(a,b) est la probabilité qu'une trajectoire échantillon atteigne la droite y
=
at + b. Soient E=
{w: L.U.B. X(t,w) ~ at + b} ~t<m 1 1,
~ 1 • •
-22-et
A= {W: X(l,w);;;' a+ b}
"
Alors AcE et donc P(A) ,.;; P(E). peE) = ~ Ca,b). Mais
Prob{w
CD 2
X(l,w) ;;. a + b} =
J
....L
e-~
dx>
0a+b 1[;
Donc
peE) ;;. P(A) > 0 et Ha.b) > o.
PREUVE DE (iii)'. ~ (a.b) est monotone non croissant en b pour a
. /
fixe. Fixons a et soit 0
<
bl
<
b. Alors'\
(
Les
conditions de (i) sont réalisées soient b1,b2
>
o.
bl + b2 ~ b eton
a Comme i=
1,2. Alors Calcu).S de (V) Soient Tb = inf{t>
0: Xt = bl,.oô :- 23-, REMARQUE. Tb
<
CD p.s. Soient T=
inf{t>
0: X t>
at+
b} et inf{t>
0: X(T b n+t ) n + at + b} T : :>
aT b n On a t>
Tb et ('n+Tb) décro~t vers 1'. Mais P (T<
00)=
B (P (T<
00 1 FTri
,0 n 0 0 n b CD n k F "" B 1: P (T<
00; T :::-1
n) o k==l 0 n b 2n Tb al z: E 1: P (3 t>
0: XC-f.1
b+t)>
à
l
+ at + b; o k=l 0 211 CD=
E [E P (dt>
0: o k=l 0 n akIF
XCTb +t)>
Zn+
at+
~ Tbn) • 1(T n ..,.!..)1
b Zn al ., Bo[~l
Px,. n (Elt>
0: X(t)>
at+
b +;~)
bMais
Xr
n est approximativement 6gal à b. b Si on remplace ~ n par b on b obtient: CD 1: k=l~(a,
a!)} 2c
(,.
(
::'24-Comme ~Ca,s) est une fonction continue en 5 et comme Tb a comme
densité fT' ceci converge à Wle certaine' intégrale de Riemann-Stiel tjes:
GO
REMARQUE. Dans ce' qui suit, nous d6noterons par A(a,bf=!!.), ak
l'en-2n
semble:
al< (3t
>
0: X>
a t + b+ -)
t 2n
Maintenant nous estimons la différence entre les deux expressions
considéré~s par:
...
1 E 1: PL (3t>
0: X>
at + b + ak) 1 (T n=l) o ~l---r
n t 2n b 2n b CIl - E 1: P (~«a,b + ak) 1 (T n=
l)
1 o k=l b 2n b 2n.c;
IEo 1: CPX-r n - Pb)(ACa,b+
;~»
l(Tbn =2~)1(Ix,.bn-bl
>
E)Ib
+
lE
1: (PL - Pb)(A(a,b+
ak»
leT n -=l)
1(1
L n - bl <E)1
o -""1' n 2n b 2n -lb '
b
Nous avons que:
=
suple-'(a)ak/2n(e-~(a)(b-x)
_ 1)1Ix-bise:
<
leE'(a) _ lle-~(a)ak/2n , , \ , ,..~.,~ l " , " '"
()
(
)
-25-et évidemment: 1 CP - Pb) (A(a,b + ak) 1 ..;; 2 Xrbn 2nAppliquons le deuxième estim~ au premier terme et le premier estimé, au second terme pour obtenir une différence inférieure ou égale
a
Pour E fixé positif le premier terme.~end vers 0 et le second vers
Quand € ~ 0 ce second terme tend vers o. Nous pourrons donc écrIre
désormais:
-'l'(a)as f ( )d
e T 5 S.
o
(vi) Calcul de la distribution de Tb
On a, déjà dlS fin i Tb comme suit:
t
b '" inf{t
>
0: X(t,w)=
b} =::. inf{t>
0: X(t,w) e: (b,"")} Pour déterminer la valeur de 'l'(a) il nous faut connattre la distri-bution de Tb'La preuve qui suit est basée sur Karlin (40).
Prob{w: Tb(w) ..;; t}
=
Probo{w: max X(u,w)>
b}r
r
--~"'_"""",,_--I
li Il' 1IIlII_'",
d dl.
' 1 •l
,. Mais Donc Prob {w: o -26-,max ~(U,W) ~ b}
=
2 Ptab {w: X(t,w)>
b} par (1)O<~t 0 GD 2
=
-L .
J
e -x 12t dx&t
b t::" CIl 2 } 1'2f
_-x /2t Prob {w: Tb (w)<
t::: - . . . dx.lit
bFaisons le changement de variables
x =
rit
Donc y = ~, dx = d(ylt)
l't . et
y varie de
.!..
il -ho.. On a alorsrt
Prob{Tb<
tl=I!t
J"'bli
2 e -r /2 d(y/i) I ? ' " 2 = (::..J
exp [- ~ dy=
F(t). 'If b 2If
Pour obt:nir probtw: TbtW)