Master 2 Agr´egation-Module ”Chaˆınes de Markov”
Partiel du 8 janvier
Notes de cours autoris´ees. Appareils ´electroniques interdits. Barˆeme indicatif : 15-5.
Probl`eme. Soit {pn, n ≥ 0} une suite `a valeurs dans ]0,1[. On consid`ere la chaˆıne de Markov{Xn, n≥0}`a valeurs dansNdont la matrice de transition est donn´ee par
P =
q0 p0 0 0 · · · 0 · · · q1 0 p1 0 · · · 0 · · · q2 0 0 p2 · · · 0 · · · ... ... ... ... . .. 0 · · · qn 0 0 0 · · · pn · · · ... ... ... ... ... ... . ..
avecqn= 1−pn pour toutn. On a donc
Pij = Pi[X1 =j] = P[X1 =j |X0 =i] = P[Xn+1 =j |Xn =i]
pour tousi, j, n ≥0. On pose β0 = 1, β∞ =Q∞
i=0pi et βk=Qk−1
i=0 pi pour tout k ≥1.
(a) Montrer que pour touti, j ≥ 0 il existe n0 ≥1 tel que Pnij >0 pour tout n≥ n0. En d´eduire que la chaˆıne {Xn, n≥0} est irr´eductible et ap´eriodique.
(b) On noteτj = inf{n ≥1, Xn=j}le temps d’atteinte de l’´etatj ≥0. Montrer que pour touti, k ≥0 on a
Pi[τ0 > k] = βi+k βi ·
En d´eduire une condition n´ecessaire et suffisante sur β∞ pour que {Xn, n≥0} soit r´ecurrente, et une condition n´ecessaire et suffisante sur {βk, k ≥1} pour qu’elle soit r´ecurrente positive.
(c) On suppose que{Xn, n≥0}est r´ecurrente positive. Calculer l’unique probabilit´e invarianteπ, solution de πP =π.
(d) Montrer que pour touti >0 on aP0[τi < i] = 0,P0[τi =i] =βi et
P0[τi =k] =
i
X
n=1
P0[τ0 =n]P0[τi =k−n]
pour toutk > i.
(e) On suppose que {Xn, n≥0} est r´ecurrente. On pose m(i, j) = Ei[τj].
1
• Montrer que pour tout i≥0 on a
m(i,0) = 1 βi
X
k≥0
βk+i.
• Montrer que pour tout n≥ 1 on a P0[τ0 =n] =βn−1qn−1 et en d´eduire par (d) que pour tout i >0 on a
m(i,0) = iβi +
i−1
X
n=0
(n+ 1)qnβn + m(0, i)
i−1
X
n=0
qnβn.
• En utilisant la transformation d’Abel, montrer alors que
m(i,0) = 1 βi
i−1
X
n=0
βn.
• Etablir les ´egalit´es m(i, j) =m(0, j) +m(i,0) pour tout i≥ j >0 et m(i, j) = m(0, j)−m(0, i) pour tout j > i > 0. En d´eduire une formule g´en´erale pour m(i, j) pour touti, j ≥0 et retrouver l’expression dem(i, i) d´ej`a obtenue en (c).
(f) Montrer que Pi[τj =k] = 0 pour tout i≥j ≥k >0 et
Pi[τj =k] =
k
X
n=1
Pi[τ0 =n]P0[τj =k−n]
pour toutk > j et i≥j >0.
(g) On suppose que {Xn, n≥0} est transitoire. On pose n(i, j) = Pi[τj <+∞].
• En utilisant le (f), montrer que pour tout i≥j >0 on an(i, j) =n(i,0)n(0, j).
• On suppose maintenant j > i≥0. Montrer que
{τj = +∞} ⊂ {N0+· · ·+Nj−1 = +∞} Pi p.s.
avec la notation Nk=P
n≥01{Xn=k}. En d´eduire n(i, j) = 1.
• Montrer enfin que
n(i, j) = 1 − β∞ βi pour tout i≥j ≥0.
2
Exercice. Soit E = {1, . . . , N} un espace fini et P une matrice stochastique sur E×E. On rappelle que Pij ≥0 et que
N
X
j=1
Pij = 1
pour touti = 1, . . . , N. On se propose de donner deux d´emonstrations de l’existence d’une probabilit´e invariante π pour P.
Preuve topologique:
• Identifier l’espaceP(E) des probabilit´es surE `a un ensemble ferm´e born´e deRN et le munir de la topologie de RN (convergence composante par composante).
• Soit µ0 ∈ P(E).Montrer que
µn = 1
n+ 1(µ0 + µ0P + · · · + µ0Pn) ∈ P(E)
pour tout n ≥1. Montrer qu’il existe une suite {µnk} extraite de {µn} conver- gente dans P(E) et noter µsa limite.
• Montrer que µP =µ.
Preuve alg´ebrique :
• Montrer que 1 est valeur propre de P et en d´eduire l’existence d’un vecteur m = (m1, . . . , mN)∈RN non nul tel que mP =m.
• Montrer que |m|P =|m|,o`u |m| d´esigne le vecteur (|m1|, . . . ,|mN|).
• Conclure.
3