A NNALES DE L ’I. H. P., SECTION B
D AMIEN L AMBERTON G ILLES P AGÈS
Sur l’approximation des réduites
Annales de l’I. H. P., section B, tome 26, n
o2 (1990), p. 331-355
<http://www.numdam.org/item?id=AIHPB_1990__26_2_331_0>
© Gauthier-Villars, 1990, tous droits réservés.
L’accès aux archives de la revue « Annales de l’I. H. P., section B » (http://www.elsevier.com/locate/anihpb) implique l’accord avec les condi- tions générales d’utilisation (http://www.numdam.org/conditions). Toute uti- lisation commerciale ou impression systématique est constitutive d’une infraction pénale. Toute copie ou impression de ce fichier doit conte- nir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
Sur l’approximation des réduites
Damien LAMBERTON
Gilles PAGÈS
L.A.M.M., C.E.R.M.A.-E.N.P.C., La Courtine,
93167 Noisy-le-Grand Cedex, France
L.A.M.M., C.E.R.M.A.-E.N.P.C. et Université Paris-1, 90, rue de Tolbiac, 75634 Paris Cedex 13, France
Vol. 26, n° 2, 1990, p. 331-355. Probabilités et Statistiques
RÉSUMÉ. - Nous étudions
l’approximation
des réduites par des métho- desprobabilistes,
dans un cadre markovien et dans un cadre abstrait. La démarcheadoptée
dans le cas markovienpermet
de montrer la convergence uniforme sur lescompacts
des réduites vers la réduite limite. Dans le cadre abstrait onobtient,
sous deshypothèses
trèsfaibles,
un résultat de semi- continuité inférieure.Mots clés : Arrêt optimal, réduites, processus de Markov, théorèmes limites fonctionnels.
ABSTRACT. - We
study
theapproximation
of reduitesby probabilistic techniques,
both in the Markovian case and in an abstractsetting.
Themethod used in the Markovian case enables us to prove that the reduites of the
approximating
processes convergeuniformly
oncompact
sets. In the abstractsetting
a lowersemi-continuity property
isproved
under very weakassumptions.
Classification A.M.S. : 60 G 40, 60 F 05, 60 J.
Annales de l’Institut Henri Poincaré - Probabilités et Statistiques - 0246-0203 331
La résolution d’un
problème
d’arrêtoptimal
passeclassiquement
par l’introduction de« l’enveloppe
deSnell »,
àpartir
delaquelle
on construitle
plus petit temps
d’arrêtoptimal (cf [14], chapitre
V pour les processusà
temps
discret et[9]
pour les processus àtemps continu).
Sous deshypothèses markoviennes,
ondispose d’algorithmes
de calcul. Considérons parexemple
une chaîne de Markov(Xn)n E
N,d’espace
d’étatE,
de matricede transition P et de réalisation
canonique ff, (Pxlx E EO
Pourtoute fonction continue
bornée f
sur E et pour tout entierN, appelons
« réduite d’horizon N » la fonction de x~E définie par : 1
est l’ensemble des
temps
d’arrêt à valeursdans ~ 0, l, 2, ... , N ~.
La fonction
u ( . , N, f )
se calcule àpartir
des relations de récurrence suivantes : iDans le cas d’un processus de Markov à
temps continu,
le calculnumérique
d’une réduitepeut
se faire par deux voies :1)
la méthodeanalytique
consiste à montrer que la réduite est solution d’uneinéquation
variationnelle
(cf [4]
et[5]) puis
à résoudrenumériquement l’inéquation (cf [10]), 2) la
méthodeprobabiliste
consiste àapprocher
le processus de Markov par une chaîne de Markov et à calculer la réduite associée à la chaîne parl’algorithme (I) (cf [12]).
C’est la convergence de cette deuxième voie que nous étudions ici par
une méthode différente de celle de Kushner
[12].
Dans lapremière partie,
nous montrons que la convergence
(en
un sens àpréciser)
desgénérateurs
infinitésimaux entraîne la convergence uniforme sur tout
compact
des réduites et dans laseconde,
nousprécisons
comment ces résultatss’appli- quent
àl’approximation
de processus par des chaînes de Markov. Contrai- rement àKushner,
nous travaillons directement sur les réduitesplutôt
quesur les
temps
d’arrêtoptimaux,
et nous n’utilisons pas lestechniques
deconvergence en loi de
type fonctionnel;
l’outil essentiel pour nous est le théorème de Trotter-Katoqui permet
de passer de la convergence desgénérateurs
infinitésimaux à la convergence dessemi-groupes.
Dans la troisième
partie
de cetravail,
nous abandonnons le cadre, markovien pour examiner la convergence des réduites d’une suite de processus
qui
converge en loi. Les idéesdéveloppées
dans cettepartie
setrouvent
déjà,
pourl’essentiel,
dans[12]
où sont traités de nombreuxexemples
deproblèmes
d’arrêtoptimal
liés aux diffusions. Laquestion
aégalement
été abordée par Aldous(voir [3])
dans un cadreabstrait,
commeillustration de la
topologie qui porte
son nom. Le but de cettepartie
estde
dégager,
dans ce même cadreabstrait,
leshypothèses
minimales assurantune certaine
régularité
à la réduite comme fonctionnelle du processus : sous deshypothèses
très faibles(convergence fini-dimensionnelle)
on obtient lasemi-continuité
inférieure,
mais lacontinuité
n’a lieu que sous deshypothè-
ses
plus
fortes(la
seule convergence au sens de Skorokhod étant insuffi-sante).
1. CONVERGENCE DES
GÉNÉRATEURS INFINITÉSIMAUX
ET CONVERGENCE DESRÉDUITES
Soit
(E, ~),
un espace localementcompact
à basedénombrable,
munide sa tribu borélienne. On considère une famille o, indexée par h >
0,
desemi-groupes
de Markov de Feller sur E.Chaque
définit doncun
semi-groupe
fortement continu surl’espace Co (E)
des fonctions conti-nues sur E
qui
tendent vers 0 à l’infini et nous noteronsAh
songénérateur
infinitésimal. Nous supposerons que
Ah
converge versA = A°,
au senssuivant : i
(Hl)
Il existe un sous-espace D den ~ (Ah)
tel que(~, - A°)
D soith>_0
dense dans
Co (E)
pour un ~, > 0 et vérifiant : i pour toute fonctionfe D, Ah, f
converge uniformément versA0 f quand
h tend vers 0.Remarque
1. 1. - Dans lapratique,
E seraRd (ou
un ouvert deRd)
etD sera l’ensemble des fonctions de classe
C2
àsupport compact. L’hypo-
thèse
(H 1)
entraîned’après
le théorème deTrotter-Kato,
que pour toute fonctionf E Co (E),
converge uniformément versquand
h tendvers
0, quel
que soit t(cf.
parexemple [15], chap. 3).
Pour
h >_ 0,
soit(Fht), (Xh),
une réalisation fortement marko- vienne dusemi-groupe (Pht).
A toute fonctionf appartenant
àl’espace Cb (E)
des fonctions continues bornées sur E et à tout réel T >0,
on associe les fonctionsuh (., T, f )
définies par : 1où
J T
est l’ensemble destemps
d’arrêt de la filtration à valeurs dans[0, T] .
THÉORÈME 1 . 2. - Sous
l’hypothèse (H 1 ), pour toute fonction f~C0(E)
et pour tout T >
0, uh (., T, f )
convergeuniformément
versu° ( . , T, f ) quand
h tend vers 0.
Pour obtenir un résultat de convergence uniforme
quand f
est seulementcontinue
bornée,
nous aurons besoin del’hypothèse supplémentaire
suivante i
(H 2)
Pour toutcompact
K de E et pour tout E >0,
il existe une fonctionf E D,
à valeurs dans[0, 1 ],
telle quef =1
sur K et supI A f (x) ~
~.X 6 E
THÉORÈME 1 . 3. - Sous les
hypothèses (H 1)
et(H 2),
pourtoute fonction f E Cb (E) et
pour tout T >0, uh ( . , T, f )
convergeuniformément
sur toutcompact vers
u° (., T, f ) quand
h tend vers 0.Remarque
1.4. - Ces résultats s’étendent immédiatement à des fonc- tionsf dépendant
à la fois de t et de x. Il suffit en effet d’introduire surl’espace Ê=R+xE
lessemi-groupes
définis par iPh F (s, . ) = Pt F (s + t, . ),
pour toute fonctionFeCo(Ê). Supposons
alors(H 1)
vérifiée et notons D l’ensemble des combinaisons linéaires de fonc- tions de la forme : F(t, x) = f (t)
cp(x), avec f de
classeC~
àsupport compact
et
cp E D.
Il est clair que D est contenu dans le domaine dugénérateur
infinitésimal
A~
de et que siF (t, x) = f (t) cp (x), avec f de
classeC~ à support compact
et cp eD, Â~
F(t, x)
=(t)
tp(x) + f (t) A~
cp(x).
On véri-fie aisément
l’analogue
de(H 1)
pour lesopérateurs Âh.
Demême,
si(H 2)
est
vérifiée, l’analogue
pourÂ
l’est aussi.Pour démontrer le théorème
1. ~,
nous utiliserons deux lemmes.LEMME 1 . 5. -
Soit f~D et
soit p une subdivision de l’intervalle On note~ T P
l’ensemble des temps valeurs dans p etuh, 03C1(x,T,f)=
sup iT 6 T P
où | 03C1| est
le pas de la subdivisionplet
la norme usuelle dansCo (E)/.
Démonstration. -
Puisque
le processusest une
martingale
sous toute loiPx,
on a, pour toustemps
d’arrêt Ti, i2 vérifiant0 _ i~ i2
T : 1D’où :
Soit alors et
I t >_ i ~ .
Il est clairet que
Par suite : i
D’où le lemme.
LEMME 1 . 6. - Pour toute subdivision p, pour toute
fonction f~ Co (E),
et pour tout
T > o,
lafonction uh’
P(., T, f)
convergeuniformément
vers(., T,, f ’) quand
h tend vers 0.Démonstration. - Soit p =
(to
= 0t2
... tN -1 tN =T)
une sub-division de
[0, T]
et soit~ t °, T
l’ensemble destemps
d’arrêt de à valeursdans {tj,tj+1,
... ,D’après
le« principe
de laprogrammation dynamique » (cf. [14], [9])
on peut écrire : 1où les fonctions sont
définies,
par les relations de récurrence suivantes : 1On a évidemment = et, par les relations de récurrence ci-dessus : 1
A
partir
de cette dernièreinégalité,
on montreaisément,
par récurrencedescendante
sur j,
la convergence uniforme deu~ ~ P ( . , T, f )
versu°° p ( . , T, f ),
en utilisantl’hypothèse (H 1)
et le théorème de Trotter-Kato.Démonstration du théorème 1. 2. - On suppose d’abord que
fED
Utilisant le lemme
1 . 5,
on voit que pour toute subdivision p : 1D’où,
enappliquant
le lemme 1. 6:et comme p est arbitraire :
ce
qui
démontre le théorème 1. 2pour fe D.
On étend le résultat àCo (E)
par densité en
remarquant
que :Le théorème 1. 3
apparaîtra
comme uneconséquence simple
du théorème1. 2 et du lemme suivant i
LEMME 1. 7. - Sous les
hypothèses (H 1)
et(H 2),
pour tout compact K de E et pour tout E >0,
il existe uncompact
L de E tel que 1Démonstration. -
Étant
donné uncompact
K etE > o,
onpeut
trouver,d’après l’hypothèse (H 2),
unefonction f~ D,
à valeurs dans[0, 1],
telleque : 1
Compte
tenu del’hypothèse (H 1),
il existe b > 0 tel que :On a alors :
et par
conséquent :
par
l’inégalité
de Doob.Si
x E K,
on a : 1D’où :
et par
conséquent, puisque /== 1
sur K : 1Le
compact L = ~ x E E i f (x) > 1 /2 ~
vérifie alors lapropriété
annoncéedans le lemme.
Démonstration du théorème 1 . 3 . -
Soit f~Cb (E),
K uncompact
et E > o.D’après
le lemme1 . 7,
il existe un nombre ~ > 0 et uncompact
L deE tels que :
Soit alors à valeurs dans
[0, 1], égale
à 1 sur L. On a : 1D’où 1
et,
puisque
ECo (E) :
1ce
qui
entraîne la convergence uniforme sur K deuh ( . , T, f )
versu°(~~z’~.f)~
Remarque
1. 8. - Sif E D,
on a facilement 1Il en résulte que
uh ( ., .,.1)
converge uniformément versu° (.,. ,f)
sur toutcompact
deEx R+.
Cettepropriété
s’étend aisément à des fonctionsfECb(E),
àpartir
du lemme1 : 7,
par le même raisonnement que dans la démonstration du théorème 1 . 3.2. APPLICATION A LA
DISCRÉTISATION
Le but de cette
partie
est d’étudier desapproximations
par des processus de Markov de sauts ou par des chaînes deMarkov,
tellesqu’elles
appa- raissent dans la discrétisation deséquations
différentiellesstochastiques (cf [12]).
Nous supposerons donc que, pourh > 0, l’opérateur A~
s’écrit : 1où
P~
est un noyau markovienopérant
surCo (E) et A th
une fonctioncontinue bornée sur
E,
vérifiant : 1et
Dans les
exemples
usuels de discrétisation lesopérateurs A~
ainsi définis vérifientl’hypothèse (Hl ).
Le processus de sauts associé à
l’opérateur Ah
se construitclassiquement
de la
façon
suivante(cf
parexemple [8], chap.4).
Surl’espace
muni de la tribu
produit naturelle,
on noteZo,
, Zl, ... , Zn,
... ,Tl, T2,
...,Tn,
... lesapplications
coordonnées etPx
l’unique probabilité
souslaquelle
la suite est une chaîne de Markovd’état initial x et de matrice de transition
P~
et la suite(Tn)n>
1 une suitede variables aléatoires
indépendantes exponentielles
deparamètre 1,
lessuites
(Z~)
et(Tn)
étantindépendantes.
On pose alors :
Sous la
probabilité Px, (Xt)
est un processus de Markov degénérateur
infinitésimal
Ah
et d’état initial x.En
fait,
dans lapratique (cf. [12]),
il estplus
commoded’approcher
leprocessus limite
(X?)
par le processus « semi-markovien » défini par :Soit
(~ ~‘)
la filtration naturelle du processus Pour toute fonction continue bornéef
sur E et pour tout T> o,
nous noteronsùh ( . , T, f)
lafonction définie par :
où
J T
est l’ensemble destemps
d’arrêt de la filtration(~ t )
à valeurs dans[o, T] .
THÉORÈME 2 . 1. - Sous les
hypothèses (H 1)
et(H 2),
pour toutefonction f E Cb (E), û (., T, f )
convergeuniformément
sur tout compact versu° ( . , T, f )
quand
h tend vers 0.La démonstration consistera à comparer les
fonctions
etùh
et à utiliser les résultats de la section 1. Pourcela,
il sera commode d’introduire lescompteurs
des sauts et des processus etRemarque
2.2. - On montre facilement que les variables aléatoiresp
L1 p = ~ ath (Z~), p E N,
sont destemps
d’arrêt de la filtration(~ ~‘).
Il enj=o
résulte que
(Nf)
est(~~)-adapté.
Nous noterons la filtration naturelle du processus
Nt)
etla filtration définie par :
~t = ~ t
v 6T2, ... ).
Le processus est markovien parrapport
à Laproposition
suivante nouspermettra
de comparer les fonctionsuh
etï7’.
PROPOSITION 2 . 3. - Soit
T
un temps d’arrêt de(Àt)
et soitt >_- 0 I Nh = N~ ~ . Alors,
i est un temps d’arrêt de(~ t )
et on a :(b)
Soit 9 un temps d’arrêt de(~ t )
et soite
=inf ~
t >_0
=Né ~ . Alors,
8
est un temps d’arrêt de et on a :Démonstration. -
(a) D’après
la définition de T, on a, pour toutt >_ 0 :
On a :
et on voit facilement que tout événement de la forme
A (~ ~ Nr __ p ~,
avecest
dans cr(Zo, ... , Zp).
On a donc :En remarquant que, sur on a,
... , p ~,
Zj=
oùi~
est lej-ième temps
de saut du processus(Nh),
on voitalors que :
et par
conséquent,
T est untemps
d’arrêt deOn a par ailleurs :
D’où, puisque :
et, en
prenant
lesespérances
et en conditionnant parrapport
aux(b)
On démontreque 8
est untemps
d’arrêt de(~t)
en raisonnantcomme pour T. On a par ailleurs :
D’où :
Notons
que £
est l’instant dupremier
sautaprès
0. On aj’=o
donc,
par lapropriété
de Markov forte :D’autre
part :
Par le même raisonnement
qui
nous a conduit à(1)
dans(a),
on voitque
D’où,
en conditionnant parrapport
auxZ~ :
par une nouvelle
application
de lapropriété
de Markov forte.D’où :
Et,
en réunissant lesinégalités (2), (3)
et(4) :
Démonstration du théorème 2 . 1 . - Soit
f E Cb (E),
soiti
E~ T
et soit ile
temps
d’arrêt associé à1
par laproposition 2 . 3 (a).
On a :X = X,
donc:
et pour tout ~ > 0 :
D’où :
et, par un raisonnement
analogue :
où est l’ensemble des
temps
d’arrêt de(~t)
à valeurs dans[0, T].
Comme la tribu
... )
estindépendante
on a :(les
éléments de sont destemps
d’arrêts « randomisés » de(~ h))
etpar
conséquent :
D’où:
A
partir
de cette doubleinégalité,
le théorème 2.1 résulte du théorème 1. 3 et de la remarque 1 . 8.Remarque
2. 4. - Dans le cas où la fonctionOth
estégale
à la constanteT/N (discrétisation
« à pasconstant »),
onpeut
montrer directement le théorème 2.1 en utilisant la version discrète du théorème de Trotter-Kato(cf. [15], § 3 . 6).
Remarque
2. 5. - La méthode de Kushner(qui
ne semble pas donner directement de résultat de convergenceuniforme)
donne des informationssur la convergence des lois de
temps
d’arrêtoptimaux (cf [12], chap. 8,
voir aussi
[3]
et la section 3ci-dessous).
3. CONVERGENCE DE
RÉDUITES :
CADRE ABSTRAITSi les résultats obtenus dans le cadre markovien sont à la fois satisfai- sants et
naturels,
les méthodesdéveloppées
pour les obtenir restent par contre trèsspécifiques
et ne sauraient êtregénéralisées
à une situationplus
abstraite. Ces résultats ne doivent pas non
plus
laisser croire que la convergence des réduites découleautomatiquement
de la convergence(en loi)
des processus. Une telle assertion est fausse même dans un cadremarkovien,
comme le montre lecontre-exemple
suivant : soient U unevariable aléatoire de Bernoulli
centrée,
à valeursdans ( - 1, 1 )
et, pourtout
n >- I,
les processus xn définis parXt
=U /n
U 1~~ Il est clair que,P-ps, 1] (t).
On vérifie aisément que, pour toutn >_ 1 fixé,
la réduite àl’origine
vautu~ (0) _ (n -1 )/2 n,
cette valeur étant atteinte pour lestemps
d’arrêt de la formea lEx~ > o~ oc E [1/2,1].
Par contreu = 0 car pour tout
g-x-temps
d’arrêt T. On n’a donc pas un - u.Le propos de cette section est donc de
dégager
des méthodesgénérales
permettant
d’établir un théorème de convergence des réduites dans uncadre abstrait
(sous-section 3. 3),
voiremême,
sous deshypothèses
beau-coup
plus faibles,
un résultat sur la semi-continuité inférieure de la réduitecomme fonctionnelle de processus.
3.1.
Notations,
définitions etrappels
Soient
(0, ff, ff, P)
un espaceprobabilisé filtré,
to~ T~ satisfai-sant aux conditions habituelles et T>O. Pour
alléger
les notations nousdésignerons
maintenant par : .l’ensemble des
ff -temps
d’arrêt à valeurs dans[o, T] .
Soit
(Yt)t E
[o~ T~ un processuscàdlàg
à valeursréelles, ~ -adapté
définisur Q.
La ff -réduite
u(ff, t)
du opocessus Y est définie par :dès que cette
formule
a un sens. L’existence deu (g-)
estacquise,
parexemple,
dès que :(7)
Y est dans la classe D(i. e. { Y,,
r e J(F)}
estéquiintégrable).
Si,
comme souvent dans lasuite, (filtration
naturelle continue à droite deY)
nous noterons pour 1 et u pour u Dans lesquestions
de théorèmes limites il est commode d’introduirel’espace canonique
associé aux processusétudiés,
en l’occurrenceD = ~ a : [o, Tj ~ R, càdlàg}.
Nous munirons D successivement de deuxtopologies
très différentes : latopologie
de la convergencesimple
lelong
d’une
partie
dense D de[0,T],
contenant T(symbolisée
parSD)
et latopologie
de Skorokhod(symbolisée
par Sk).
Le lecteur non familier aveccelle-ci pourra se
reporter
parexemple
à[6]
et[11]
pour desexposés complets
sur laquestion. Désignons
par X le processuscanonique
définisur D par :
Xt (a)
= a(t).
Lestopologies SD
et S k définis-sent la même tribu
(cf [6]).
La filtration~ _
~(t)t E
[o, ’ Tj est définie par : V tE[0, T[ ~t
=H
a(Xu,
us)
et~T
= ~. Ons>f t
désigne
par Y l’ensembleyX
des~-temps
d’arrêt à valeurs dans[0, T].
On vérifie alors aisément
que ffY
= ~ o Y au sens où :On en déduit
immédiatement
que l’existence et la valeur de la réduite d’un processus par rapport à sa filtration propre nedépend
que de la loiPy
de ce processus, Le.que X
sur(D,,,Py)
et Y surP)
ont même réduite. Grâce à cette remarque on pourra
toujours
supposer dans la suite que xn converge en loi vers le processuscanonique
X(indépendamment
de latopologie sous-jacente).
3.2. Semi-continuité inférieure de la réduite pour la
topologie SD.
Soient une suite de processus
càdlàg adaptés
sur des basesstochastiques ~ n, pn)
et P uneprobabilité
sur(D,
tels que et(X, D)
vérifient la condition(7) (classe D).
Nous allons montrer que, sous deshypothéses
trèsfaibles,
xn ~ X entraîne :où u’~ et u
désignent respectivement
les réduites de Xn et X. L’idée de base consiste àapprocher
tout temps d’arrêt de ~% sur D par destemps
d’arrêtP-ps SD-continus.
LEMME 3. 1. - Soit D c
[0, T], dense,
T E D. Alors pour tous n, p>__
1 ilexiste in,
E J ,
neprenant qu’un
nombrefini
devaleurs,
toutes dansD,
tels que :Démonstration. - Soit
(tk)o ~ k ~ i~
une subdivision de D de pas inférieur àl/n
avec = T. On pose :in est un
@’-temps
d’arrêt où~t = ~t _
si t T et~T = ~T.
Grâce authéorème de classe monotone on montre que l’on
peut approcher P-ps
toute variable aléatoire bornée
Du--mesurable (u
E]0, T[)
par des v. a. de même nature, maisJD-continues;
ce résultat s’étend à Ceci permet de construire les in, p, eneffet, appliquons
le résultatprécédent
àlA, (resp.
existe une suitelA (on peut
supposer lesZ~
à valeurs dans
[0, 1])
et(xe]0,1[ tels
queP (Zp = a) = 0
pour tout p. SoitAinsi,
pourchaque An, k,
ondispose
d’une suite 1 vérifiant( 13).
A n et p fixés on pose :
i
U
k -
Bpn, i
i pour2 ç k __ ln,
1
i et
Bn,
ln+ 1- (
i
U
z
Les
Bpn, k
forment unepartition
vérifiant : pour tout k et
(1
On posealors
simplement in, p = ~ tk
BK, ~n+ 1>. ° D1 _k_l -1 ,
On déduit sans
difficulté de
ce lemme le théorème recherché : THÉORÈME 3 . 2. - Soit D c[0, T], dense,
T E D. Sous leshypothèses :
On a :
Démonstration. - Soit in et
in, p
lestemps
d’arrêtqui
lui sontassociés par le lemme 3.1.
P ps
T doncP ps X~~ --~ X~
etpartant, d’après (7),
E - E(Xz).
Soit E >0,
il existe n£ tel queE (X~) E (X~n ) + E/2. in, p
et in étantdiscrets, in, p
converge vers i,~ enstationnant donc
X.
d’où l’existenced’un Pë.
tel ques, s
D’autre
part (12)
et(15)
entraînentX"
fin doncD’où finalement :
Remarque
3. 3. - Si X > 0 et X~‘ >0,
onpeut
passer outre leshypothèses d’équiintégrabilité (7)
et(14)
eninvoquant
le lemme de Fatou(en loi),
sans
garantir
la finitude des réduites évidemment.Remarque
3.4. - Il estpossible
d’étendre ce résultat à des situations danslesquelles
la réduite de X est définie parrapport
à une filtration de la où Y est un processuscàdlàg
à valeurs dans un espacemétrique
E. Pour cefaire,
on associe à xn des processus compagnonsYn, càdlàg
à valeurs dans E. Uneadaptation
triviale de la preuve du théorème 3.2 conduit à l’énoncé suivant où(X, Y) désigne
le processuscanonique
sur D
(R
xE).
Si :on a
Grâce à ce
type
d’extension onpeut
enparticulier
obtenir des résultatssur les réduites de fonctionnelles des xn
(cf
sous-section3 . 3).
Le cas à
temps
discret est contenu dans le théorème 3.2. Il suffit pour cela de considérer les processuscàdlàg
continus par morceaux sautant aux instants entiers associés aux processus àtemps
discret. Pour un énoncéprécis
on consultera[13].
3.3. Continuité de la réduite pour la convergence fonctionnelle de Skorokhod
Le titre de cette
partie
estexagérément optimiste puisque
comme lemontre le
contre-exemple présenté
dans l’introduction de cettesection,
onne
peut espérer
un résultat dutype :
Xn ~ X ==> lim un = u en touten
généralité.
Plusprécisément
que constate-t-on au vu de cecontre-exemple ? Que
la non-convergence des réduites est due à unedégénérescence
des ‘filtrations à la limite
qui, restreignant trop
les classes detemps d’arrêt,
interdit de
prendre
en compte les candidats naturels que sont les valeurs d’adhérence de suites detemps
d’arrêtoptimaux:
sitE [1/2, 1]
mais pour
t E [o, 1 /2]
alorsque
est tri-viale.
Supposons
que l’on reprenne cette démarchegénérale
mais que l’ongrossisse
la filtration de la limite afin que la limite destemps
d’arrêtoptimaux
soit untemps
d’arrêt pour cette filtration. Si l’on montre ensuite que, dans certainessituations,
les réduites parrapport
à cette filtrationgrossie
et parrapport
à la filtration naturelle sontidentiques,
la conver-gence des réduites aura bien lieu. C’est cette idée que nous allons mettre en oeuvre. Pour ce faire nous avons donc besoin d’un critère
préalable
autorisant
l’augmentation
de la filtration.PROPOSITION 3.5. - Soit Y un processus
càdlàg adapté
sur une baseet D c
(0, T], dense,
avec Si Yvérif’ie
la~ -condition d’équiintégrahi/ité (7)
et si :alors :
Démonstration. - t étant
fixé,
on vérifie par classe monotone que(18)
entraîne :
ceci s’étendant alors à
L1 (~2, P).
Y étantcàdlàg
et vérifiant(7),
le%-gain
maximal(Z,
=supess {
E(Y,~/~ z),
cr E!T(ff) ~),~ E ~,
~~ ~s’agrège
en unesur-martingale càdlàg (Zt)t E
to, T~(l’enveloppe
deSnell, cf.
[9]).
C’est laplus petite sur-martingale supérieure
à Y. Demême,
commeFY c IF,
leFY-gain
maximals’agrège
en unesur-martingale càdlàg Z -_ Z
. Or Z étant
~ -adaptée
estaussi, d’après (19), une :F -sur-martingale.
Parsuite
Z = Z P-ps
et donc(~ ).
DRemarque
3 . 6. -L’hypothèse ( 18)
est connue dans la littérature sur legrossissement
de filtration(cf [7])
pour êtreéquivalente
à l’«hypothèse (H)
» : touteFY-martingale
estune :F -martingale.
Bien que ce ne soit pas absoluement nécessaire si l’on ne s’intéresse
qu’à
la convergence des
réduites,
nous allons nousplacer
dorénavant dans un cadre assurant l’existence detemps
d’arrêtoptimaux
pour lesFXn-réduites
un de Xn. Ceci nous
permettra,
outre unallégement
desénoncés,
d’obtenirquelques
résultats concernant la convergence destemps
d’arrêtoptimaux.
Rappel (cf. [9]).
- Soit Y comme dans laproposition
3 . 5. Si Y vérifie :(7) pour ff,
(20)
pour toute suite inde /-temps d’arrêt, in T
r,Y~~ ~ Y~,
alors :
Or, (20)
n’est autre que la définition de la(P, F)-quasi-continuité
àgauche
de Y(cf. [11] par exemple).
Nous allons faire une dernière
hypothèse importante
sur la suiteXn,
en l’occurrencequ’elle
vérifie le critère d’Aldous :(21)
lim lim supsup {Pn (I Xi - I >- E),
i _ i +03B4,
i, 6 E = 0cS -~ 0 n
pour tout E > 0.
Si l’on
impose également
une conditiond’équiintégrabilité,
parexemple :
on déduit de
(21)
la versionL~
du critère d’Aldousqui
nous sera utile :pour tout E > 0.
Le critère d’Aldous
(21)
estclassiquement utilisé,
associé à une conditionde bornitude
asymptotique
enprobabilité,
comme un critère de S k-tension(cf [1] et [11]).
Sonemploi
est donc relativement peu coûteuxici,
d’autantqu’il
est essentiellementtoujours
vérifié dans les situationsappliquées.
Rappelons
pour mémoire que ce critèreimpose
laquasi-continuité
àgauche
de la limite parrapport
à sa filtration propre(cf. [3]).
Soit donc
(in )
une suite detemps
d’arrêtoptimaux
associés à(Xn,
Leshypothèses (22)
et(23)
assurent immédiatement(cf [11])
laS k-tension pour la convergence étroite pour la
topologie produit
sur D x[0, T]. Désignons
par(X, 8)
la variable aléatoirecanonique
sur D x
[0, T]
et par~e
laplus petite
filtration continue à droite vérifiant : X est@°-adapté
et e est un~8-temps
d’arrêti1
s>r t
Nous pouvons maintenant énoncer le résultat essentiel de cette
partie :
THÉORÈME 3. 7. - Soit xn une suite de processus
càdlàg quasi
continus àgauche
surPn) vérifiant (22)
et(23)
eti,*
une suite depn)_
temps d’arrêt
optimaux.
Si Xnvérifie également :
(25)
VQ
E~ _ ~ valeur
d’adhérence de Ef(Xn,
> 1 sur D x[0, T] ~,
letriplet (X, Q, ~8) véri.f’ie
lapropriété (18)
sur les lois conditionnelles.Alors :
Si,
en outre, pour toutQ
E ~ leproblème
d’arrêtoptimal
associé à(X, Q, ~e)
admet une solution
unique
enloi,
soitindépendante
deQ,
alors :Démonstration. -
Remarquons
d’abord que leshypothèses
du théorème, ~
3 . 2 de la sous-section 3 .1 sont vérifiées
puisque (24)
entraîne xn -~ Ppour
D = ~ t/P (~Xt ~ 0) = 0 ~ ~ T.
D’ailleursici, grâce
à(21 ), D=[0,T].
Donc lim
Quitte
à extraire onpeut
supposer quen
un~ lim
sup un
etque J(Xn,03C4*n)
~Q.
Commen
0)
=0,
il est clair que, sauf pour un nombre auplus
dénombrable de8,
on a :Q {~X~e + s) ~ T ~ o) = o.
SoitOQ
l’ensemble de tels 8. Le critère d’AldousL~ (23)
entraîne alors que :Comme § E
AQ
il vient IL’(Xn(03C4*n
+ 03B4) ^T))
~ G(X(e
+ 03B4) ^r) -
Par(22) (équiintégra-
bilité)
on en déduit que lim Orn
Où
U9 désigne
la(Q, ~~)-réduite
de X[dont
l’existence découle de(24)].
Or, d’après
laproposition
3 . 5 ci-avant Me==M donc lim sup un u.n
Le
point (27)
découle directement de(28)
car u =ue
=EQ (Xe)
donc 8 estalors un
(Q, @°)-temps
d’arrêtoptimal
pour X doncQe
=pfi.
Par unicitéde la valeur d’adhérence on a
pfi.
0Les
hypothèses
de ce théorèmeapparaissent
difficiles à vérifier directe- ment, notamment(25).
C’estpourtant
assez aisé dans un cadre markovien.On retrouve
ainsi,
à l’uniformité en x(valeur
initiale desprocessus) près
des résultats
analogues
à ceux de la section 1(cf [13]).
Nous verronségalement
que ce théorèmepermet
de conclurelorsque
l’on a convergence des processus au sens d’Aldous(cf
sous-section3 . 4).
Remarque
3 . 8. - Comme dans la sous-section3 . 2,
on étend laportée
du théorème 3 . 7 à la convergence de réduites de la forme un et un
Y~)
où Yn est une suite de processus-compagnons desXn, càdlàg adaptés
à valeurs dans un espacepolonais
E.L’adaptation
deshypothèses
est
analogue
à celle de la remarque 3.4:signalons
que les xn devront êtreF(Xn,Yn)-quasi
continus àgauche;
par contre il suffira que(Xn, yn)
converge en loi sur
l’espace produit (D ([0, T], R)
x D([0, T], E), SkR
Q9SkE)
vers le processus
canonique (X, Y) puisque SkR
QxSkE
etSkR
x Eengendrent
les mêmes boréliens.
L’analogue
en temps discret du théorème 3.7 se démontre quant à lui soit enadaptant
les méthodes de démonstration duthéorème,
soit directe- ment à l’aide de la formule de laprogrammation dynamique (cf. [14])
reliant le processus à son
enveloppe
de Snell(gain maximal)
Zpar
3. 4.
Application :
continuité de la réduite pour la convergence d’AldousNous avons vu dans l’introduction de cette
partie
et dans l’alinéa 3.3 que la non-convergence de la réduite était due d’unpoint
de vueheuristique
à la
dégénérescence
de la suite des filtrations des processus Xn.Or,
laconvergence fonctionnelle d’Aldous
(cf [2]
et[3])
se fondeprécisément
surla constatation que les modes de convergence exclusivement
trajectoriels
ne sont pas
adaptés
à la notion de processusdéveloppée
dans la théoriegénérale
du faitqu’ils ignorent
toute lapart
de la structureprobabiliste
liée à sa filtration - propre ou non. Afin de
pouvoir englober
la totalité de la structureprobabiliste,
latopologie
d’Aldous s’attache elle directementau
couple processus-filtration (X, ff)
en considérant à la fois le processus X et sa loi conditionnelle sous~ .
Nous donnonsici,
commedéfinition,
l’une des caractérisations de la convergence d’Aldous :
DÉFINITION 3. 9. - Soient
(xn,
et(X, ~ )
des processuscàdlàg (réels
pour
simplifier).
On dira que(converge
au sensd’Aldous)
ssi :quand
n - + ~, la convergence en loi ayant lieu sur(D ([0, T], Rk
+1),
Sk).
Dans ce cadre nous allons voir que la convergence
d’Aldous
est tout à faitadaptée
à notreproblème.
Elleapparaît
même un peutrop
« forte ».Le revers de la médaille tient en ce que ce
type
de convergencefonctionnelle
est excessivement difficile à établir. Le théorème
qui,
au mode de conver-gence et à la condition
(25) disparue près, s’apparente
authéorème
3.7 s’énonce ainsi :THÉORÈME 3 .10. - Soient X~‘ une suite de processus
càdlàg quasi
continue àgauche
surpn) vérifiant (21) (critère d’Aldous)
etfE (R, R)
telleque
véri.fie (22) (équiintégrabilité).
Sousl’hypothèse :
Alors :
Démonstration. - Afin d’éviter de
manipuler
des processus compagnonsnous allons supposer que
f(x)=x.
La convergence au sens d’Aldous entraînant la convergence deSkorokhod,
il nous suffit de vérifierqu’une
suite de
temps
d’arrêtoptimaux in
vérifie la condition(25).
Soit doncQ
adhérant à ~
((Xn, ’L~ n)n >
1 pour latopologie produit
A Q[o, T].
Soient cp
Q ps
Sk-continue, bornée,
H S k O[0, T]-continue bornée;
on a simultanément :Toutes ces
quantités
étantbornées,
il vient :et donc: