• Aucun résultat trouvé

1 Propri´ et´ e de Markov forte.

N/A
N/A
Protected

Academic year: 2022

Partager "1 Propri´ et´ e de Markov forte."

Copied!
3
0
0

Texte intégral

(1)

Universit´e Paris-Dauphine 2009-2010

Cours de ”Processus Continus Approfondis” Mars 2010

CHAPITRE 1 - LE MOUVEMENT BROWNIEN

Dans tout ce cours, le triplet (Ω,A,P) d´esigne un espace de probabilit´e, etEl’esp´erance associ´ee.

1 Propri´ et´ e de Markov forte.

1.1 Principe de R´ eflexion.

Dans cette sectionBd´esigne un mouvement brownien, et pour a∈R, on noteTa le tda p.s. fini.

Th´eor`eme 1.1 (Principe de r´eflexion 1). On d´efinit le processus brownien r´eflechi en a∈R par Xt:=Bt si t < Ta; Xt:= 2BTa−Bt= 2a−Bt si t≥Ta.

AlorsXt∼Bt.

Le principe de r´eflexion dit donc que apr`es l’instant Ta la droite y = a est un axe de sym´etrie pour le mouvement Brownien (comme l’est la droitey= 0 apr`es l’instant T0= 0).

Preuve du th´eor`eme 1.1. On va appliquer la propri´et´e de Markov forte au tdaTa

Preuve 1. On consid`ere les processus

Yt:=BtTa et Zt:=Bt+Ta−a.

Le processusY estFTa-mesurable. En effet, pour toutA∈ B(R), 0≤t≤s, on a (cela a ´et´e d´emontr´e dans la preuve du lemme affirmant queBTa ∈ FTa)BtTa∈ Ft⊂ Fset donc

{BtTa∈A} ∩ {Ta≤s} ∈ Fs, alors que pour toutA∈ B(R), 0≤s < ton a

{Yt∈A} ∩ {Ta≤s} = {BtTa∈A} ∩ {Ta≤s < t}

= {BtTa∈A et Ta ≤t} ∩ {Ta ≤s}

= {BTa∈A} ∩ {Ta≤s},

carBTaestFTamesurable (mˆeme lemme), donc{BTa∈A} ∈ FTaet la d´efinition deFTapermet de conclure.

La propri´et´es de Markov forte implique queZest un mouvement brownien (donc−Z´egalement) et qu’il est ind´ependant deY (donc−Z´egalement). Il s’ensuit queL(Y, Z) =L(Y,−Z). On d´efinit l’application

ϕ: (U, V) 7→ (Ut1tTa+ (a+VtTa)1t>Ta)t0,

qui `a une paire de processus (U, V)FB-adapt´es associe un processusϕ(U, V)FB-adapt´e (le v´erifier!). On a d’une part queL(ϕ(Y, Z)) =L(ϕ(Y,−Z)) et d’autre partϕ(Y, Z) =B etϕ(Y,−Z) =X.

1

(2)

Preuve 2. Pourx∈R, en utilisant queBTa=aet en notantYt:=Bt+Ta−BTa, on a P(Xt≥x) = P(Xt≥x, t≤Ta) +P(Xt≥x, t > Ta)

= P(Bt≥x, t≤Ta) +P(BTa−Bt≥x−a, t > Ta)

= P(Bt≥x, t≤Ta) +P(−YtTa ≥x−a, t > Ta).

La propri´et´es de Markov forte implique que le processus Y est un mouvement Brownien ind´ependant de FTBa, donc deTa. On a donc ´egalement−Y est un mouvement Brownien ind´ependant deTa et donc enfin L(Ta, Y) =L(Ta,−Y). On en d´eduit

P(BTa−Bt≥x−a, Ta > t) = P(−YtTa≥x−a, t > Ta)

= P(YtTa ≥x−a, t > Ta)

= P(Bt−BTa≥x−a, Ta> t) =P(Bt≥x, Ta> t).

Pour justifier la deuxi`eme ´egalit´e ci-dessus, on introduit la partie

H =Hxa,t:={(s, w)∈R+×C(R+;R);s≤t, w(t−s)≥x−a} ⊂R+×C(R+;R)

qui est un ensemble mesurable de R+ ×C(R+;R) (pour voir cela il faudrait d´efinir proprement la tribu canonique surC(R+;R) ! On en dira un mot dans la suite du cours). On a alors

P(−YtTa≥x−a, t > Ta) = P((Ta,−Y)∈Hxa,t)

= P((Ta, Y)∈Hxa,t) =P(YtTa ≥x−a, t > Ta) En recollant les morceaux, on obtient

P(Xt≥x) = P(Bt≥x, Ta≤t) +P(Bt≥x, Ta> t) =P(Bt≥x),

et doncXta mˆeme loi queBt. ⊔⊓

Th´eor`eme 1.2 (Principe de r´eflexion 2). Notons St:= supstBs. Pour toutb≥0 eta≤b, on a P(St≥b, Bt≤a) =P(Bt≥2b−a).

En particulier, Sta mˆeme loi que|Bt|.

Preuve du th´eor`eme 1.2. On va appliquer la propri´et´e de Markov forte au tdaTb. On a P(St≥b, Bt≤a) = P(Tb≤t, Bt−b≤a−b) =P(Tb≤t, Bt−BTb≤a−b),

puisque BTb =b. Puisque le processusYs=Bs+Tb−BTb est ind´ependant de FTBb, donc deTb, et qu’il suit une loi gaussienne, donc sym´etrique, on a (voir la preuve du Th´eor`eme 1.1 pour les d´etails de l’argument)

P(St≥b, Bt≤a) = P(Tb≤t, BTb−Bt≤a−b)

= P(Tb≤t,−YtTb≤a−b)

= P(Tb≤t, YtTb ≤a−b)

= P(Tb≤t, Bt≥2b−a) =P(Bt≥2b−a),

la derni`ere ´egalit´e provenant du fait que l’´ev´enement{Tb≤t} contient l’´ev´enement{Bt≥2b−a}. Maintenant, pour toutb≥0, on a d’apr`es ce qui pr´ec`ede

P(St≥b) = P(St≥b, Bt≥b) +P(St≥b, Bt≤b)

= P(Bt≥b) +P(Bt≥2b−b)

= P(−Bt≥b) +P(Bt≥b) =P(|Bt| ≥b),

et doncSt∼ |Bt|. ⊔⊓

2

(3)

Corollaire 1.3 Pour tout a >0, la loi de Ta est la mˆeme que celle de a2/B12, et donc de densit´e

fTa(t) = a

√2π t3 exp

−a2 2t

1t>0.

Preuve du corollaire 1.3. Poura6= 0 ett >0, on ´ecrit P(Ta ≤t) = P(St≥a) =P(|Bt| ≥a)

= P(B2t ≥a2) =P(t B12≥a2) =P a2

B21 ≤t

,

de sorte queTaBa22

1. Enfin, par d´efinition, fTa(t) = d

dt{P(Ta≤t)}= d dt

P(B12≥a2/t)

= d

dt (

2 Z

|a|/ t

ex2/2 dx

√2π )

= a

t3/2 ea22t

√2π,

pour toutt >0. ⊔⊓

Corollaire 1.4 Pour tout ε >0, on a P( sup

0st|Bs| ≥ε)≤2P(|Bt| ≥ε).

3

Références

Documents relatifs

Soit un polygone r´ egulier de 2016 cˆ ot´ es inscrit dans un cercle de rayon unit´ e.Une triangulation de ce polygone consiste ` a le partager en 2014 triangles qui ne se

Université Paris 13, Institut Galilée MACS 2 Probabilités Année universitaire 20162017.. Devoir maison n

Le caract` ere al´ eatoire des EDS impose plusieurs notions d’existence et d’unicit´ e... Soit T un temps d’arrˆ et

La propri´ et´ e de Markov forte et ses cons´ equences Une formule d’Itˆ o avec sauts..

Nous savons depuis longtemps (au moins intuitivement avec l’utilisation des d´ecimaux et des calculatrices dans nos activit´es num´eriques depuis l’enfance) que les rationnels

Si un syst`eme gradient dissipatif de dimension infinie est tel que tous ses points d’´equilibre sont hyperboliques et que toutes les vari´et´es stables et instables de ces

On admet que la propri´et´e ci-dessus peut se g´en´eraliser au cas d’un intervalle I quelconque

• Une partie est toujours ´ egale ` a son intersection avec une autre partie dans laquelle elle