Université d'Angers L3 - Mathématiques (Parcours Math-Éco ...
Université d'Angers L3 - Mathématiques (Parcours Math-Éco ...
Université d'Angers L3 - Mathématiques (Parcours Math-Éco ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>Université</strong> d’Angers<br />
<strong>L3</strong> - <strong><strong>Math</strong>ématiques</strong><br />
(<strong>Parcours</strong> <strong>Math</strong>- <strong>Éco</strong>-Finance)<br />
Série d’exercices N ◦ 6<br />
Chaînes de Markov<br />
Année 2009 - 2010<br />
Modélisation stochastique<br />
Exercice 1 : À une probabilité quelconque p sur N∗ , on associe une chaîne de Markov Xn à valeurs<br />
N, de loi initiale δ0 et de matrice de transition Q définie par :<br />
Q(0, i) = p(i + 1) , Q(i, i − 1) = 1 , i ≥ 1 .<br />
On pose σ = inf{n ≥ 1 : Xn = 0} , = +∞ , si ∅ . Quelle est la loi de σ ?<br />
Exercice 2 :<br />
Trois joueurs A, B et C jouent au jeu suivant: à chaque instant entier n, l’un des joueurs est<br />
”leader”. On tire alors à pile où face et à l’instant n + 1 l’un des deux autres joueurs devient<br />
leader, selon le résultat du tirage. On note Xn le joueur leader à l’instant n. On suppose enfin que<br />
X0 = A, (donc A est leader au début du jeu).<br />
1. Montrer que la suite (Xn)n≥0 est une chaîne de Markov homogène (à valeurs dans l’ensemble<br />
à trois éléments {A, B, C}). Calculer sa matrice de transition et sa loi initiale.<br />
2. Quelles sont la (ou les) probabilités invariantes, (s’il en existe) ?<br />
Exercice 3 :<br />
Soit une chaîne de Markov possédant 5 états notés 1, 2, , 5 et donnée par sa matrice de transition<br />
⎛<br />
⎜<br />
⎝<br />
1 0 0 0 0<br />
0 1/2 1/2 0 0<br />
1 0 0 0 0<br />
0 1/2 0 1/2 0<br />
0 3/4 0 0 1/4<br />
Dessinez le graphe de la chaîne. Quelles sont les composantes connexes de ce graphe ? Qualifiez les<br />
diffrents tats de la chaîne ? L’état initial de la chaîne est l’état 2. Quelle est la distribution des états<br />
au bout d’un intervalle de temps, au bout de deux ? Combien de temps lui faut-il au minimum<br />
pour parvenir dans l’état 1 ? Quelle est la probabilité de cet événement ? Donnez un autre exemple<br />
de transitions d’états qui amènent de l’état 2 l’état 1. Combien de temps en moyenne faut-il pour<br />
atteindre l’état 1 ?<br />
Exercice 4 :<br />
Un joueur fréquente 3 casinos numérotés 1, 2 et 3. Chaque jour il choisit l’un des deux casinos où il<br />
n’est pas allé la veille, avec probabilité 1<br />
2 . Le premier jour, (n = 0), il choisit l’un des trois casinos<br />
avec la loi de probabilité µ sur {1, 2, 3}.<br />
On note Xn la v.a. égale au numéro du casino fréquenté le jour n par le joueur.<br />
1. Montrer que (Xn) est une chaîne de Markov et calculer sa matrice de transition Q.<br />
2. Calculer Q n , n ≥ 1, puis limn→+∞ Q n .<br />
3. Calculer limn→+∞ Pµ(Xn = j), j = 1, 2, 3.<br />
4. Montrer que si µ = ( 1 1 1<br />
3 , 3 , 3 ) alors (Xn) est une suite stationnaire.<br />
1<br />
⎞<br />
⎟<br />
⎠
Exercice 5 :<br />
Soit X0 une v.a. à valeurs dans I. Soit Y1, Y2,... une suite i.i.d. de v.a. uniformément distribuées<br />
sur [0,1]. Soit G : I × [0, 1] → I une fonction à deux variables. On définit la suite (Xn)n≥0 à l’aide<br />
de la relation de récurrence Xn+1 = G(Xn, Yn+1). Montrer que (Xn)n≥0 est une chaîne de Markov.<br />
Écrire sa matrice de transition en fonction de G. Peut-on réaliser toute chaîne de Markov sous<br />
cette forme ? En déduire une manière de simuler un chaîne de Markov.<br />
Exercice 6 :<br />
Soit (Xn) une chaîne de Markov dont l’espace d’états est E = {1, 2, 3, 4} et de matrice de transition :<br />
Q =<br />
⎛<br />
⎜<br />
⎝<br />
0 1 0 0<br />
1/2 0 1/4 1/4<br />
1/2 1/2 0 0<br />
0 0 1 0<br />
Montrer que (Xn) est irréductible, récurrente, positive et calculer sa probabilité invariante.<br />
Exercice 7 :<br />
Une souris effectue une suite de déplacements aléatoires, indépendants les uns des autres entre trois<br />
pièces numérotées 1, 2 et 3. La règle des déplacements est alors la suivante :<br />
· Lorsque la souris est dans la pièce 1, elle y reste avec la probabilité 1 ou bien passe dans l’une<br />
des deux autres pièces suivant la même probabilié 1<br />
3 .<br />
· Lorsque la souris est dans la pièce 2, elle y reste avec la probabilité 1<br />
3 avec la probabilité 1<br />
2 .<br />
· Lorsque la souris est dans la pièce 3, elle y reste.<br />
⎞<br />
⎟<br />
⎠<br />
3<br />
2<br />
ou passe dans la pièce<br />
On note X0 le numéro de la pièce initialement occupée par la souris, (X0 peut être aléatoire), Xn,<br />
n ≥ 1, le numéro de la pièce occupée par la souris après son n-ième déplacement.<br />
1. Justifier que Xn est une chaîne de Markov à valeurs {1, 2, 3} et donner sa matrice de transition<br />
Q.<br />
2. Diagonaliser Q.<br />
3. En déduire les limites des P (Xn = j), 1 ≤ j ≤ 3, quand n → +∞.<br />
4. On pose τ = inf{n ≥ 0 : Xn = 3}. Montrer que P (τ < +∞) = 1.<br />
Exercice 8 :<br />
Une chaîne de Markov à valeurs dans {0, 1} a toujours une matrice de transition de la forme<br />
<br />
1 − p p<br />
M =<br />
q 1 − q<br />
1) Décrire la chaîne dans le cas où p = q = 0 puis dans le cas où p = q = 1. On supposera par la<br />
suite que (p, q) = (0, 0).<br />
2) Calculer M n .<br />
3) Montrer qu’il y a une seule probabilité invariante µ = (µ0, µ1). Calculer µ0 et µ1.<br />
4) Vérifier que<br />
et que<br />
lim<br />
n→+∞ M n (0, 0) = lim<br />
n→+∞ M n (1, 0) = µ0 ,<br />
lim<br />
n→+∞ M n (0, 1) = lim<br />
n→+∞ M n (1, 1) = µ1 .<br />
2
5) On suppose que (p, q) = (1, 1). Soit Nn(i, j) le nombre moyen de passages en j partant de i<br />
pendant les n premiers pas. Montrer que<br />
Exercice 9 :<br />
Nn(i, j)<br />
lim = µj .<br />
n→+∞ n<br />
Soit (Xn)n≥0 une chaîne de Markov de matrice de transition sur l’espace d’états {0, 1, 2, 3} :<br />
M =<br />
⎛<br />
⎜<br />
⎝<br />
0 1 0 0<br />
1/3 0 2/3 0<br />
0 2/3 0 1/3<br />
0 0 1 0<br />
Monter que cette chaîne est irréductible. Déterminer sa période. Calculer les valeurs propres, la<br />
limite de M n quand n → +∞. Rechercher le probabilité invariante. Conclusion.<br />
Exercice 10 :<br />
Soit (Xn)n≥0 une chaîne de Markov de matrice de transition sur l’espace d’états {0, 1, 2, 3} :<br />
M =<br />
⎛<br />
⎜<br />
⎝<br />
1/2 1/2 0 0<br />
1/6 1/2 1/3 0<br />
0 1/3 1/2 1/6<br />
0 0 1/2 1/2<br />
Montrer que (Xn) est irréductible et déterminer sa période.<br />
2) Vérifier que les valeurs propres sont 1/3, 2/3, 0 et 1.<br />
Exercice 11 :<br />
Soit (Xn)n≥0 une chaîne de Markov de matrice de transition sur l’espace d’état {0, 1, 2, 3, 4} :<br />
⎛<br />
⎜<br />
M = ⎜<br />
⎝<br />
1) Monter qu’elle est irréductible.<br />
2) Déterminer la probabilité invariante.<br />
3) Trouver la période. Etudier M n .<br />
0 1/3 2/3 0 0<br />
0 0 0 1/4 3/4<br />
0 0 0 1/4 3/4<br />
1 0 0 0 0<br />
1 0 0 0 0<br />
3<br />
⎞<br />
⎟<br />
⎠<br />
⎞<br />
⎟<br />
⎠ .<br />
⎞<br />
⎟<br />
⎠ .