0 Chaînes de Markov 1. Processus aléatoire : définition. ......................................................................... 1 2. Les probabilités de transition ............................................................................ 2 3. Chaîne de Markov ............................................................................................. 3 4. Matrice de transition .......................................................................................... 4 5. Probabilité pour que le système soit dans un état donné à une époque donnée 5 6. Probabilité pour qu'un système passe d'un état donné à un autre en n étapes. . 6 7. Démonstration du théorème 1 ........................................................................... 7 8. Les matrices 22 ............................................................................................... 8 9. Le théorème fondamental .................................................................................. 9 10. Suites numériques utilisées pour les chaînes de Markov de dimension 2 .... 10 11. Application à l’expression de la puissance d’une matrice en dimension 2... 11 12. Matrice de Markov en dimension 2............................................................... 12 13. La puissance nième d’une matrice de transition. .......................................... 13 Solutions des exercices ........................................................................................ 14 Cliquer sur le paragraphe désiré, pour revenir ici cliquer sur Haut du document pour revenir ici. 1 1. Processus aléatoire : définition. Un système physique peut se trouver dans les états suivants : E1, E 2 ,....,E N ,…….. A chaque valeur entière de n on fait correspondre une variable aléatoire X n . Les valeurs possibles de X n sont les entiers 1, 2, ....., N,...... L’événement X n i se lit : « le système S est dans l’état E j à l’instant n ». La probabilité que le système se trouve dans l’état E j à l’instant n est: PX n j . On note p j ( n ) cette probabilité. p j (n ) PX n j On définit donc les variables aléatoires : X 0 , X1, X 2 ,.....,X n , X n 1,....... Définition La donnée des variables aléatoires X 0 , X1, X 2 ,.....,X n , X n 1,... est un processus aléatoire. Exercice 1 Je possède 1, 2 ou 3 Euros pour participer au jeu suivant: On lance un dé si celui-ci tombe sur la face 1 ou 6 on gagne 2 Euros sinon rien. Le droit de participation à chaque lancer est 1 Euro. J'ai décidé de vous donner 1 Euro si ma fortune s’élève à 4 Euros et je continuerai à jouer mais si je suis ruiné vous me donnerez 1 Euro pour pouvoir continuer à jouer. 1) Quels sont les états possibles de ma fortune? 2) Sachant que ma fortune est 1 Euro à un moment donné, quelle est la probabilité qu'elle soit augmentée après ma prochaine participation au jeu? Quelle est la probabilité qu’elle reste à 1 Euro ? Sachant que ma fortune est 3 quelle est la probabilité qu’elle reste à 3 ? Quelle est la probabilité qu'elle soit diminuée ? 3) On désigne par X n l'état de ma fortune après avoir participé n fois au jeu. Pour quels sont les couples d'entiers (i, j) pour lesquels PX n 1 j X n i 0. Donner dans chaque cas cette probabilité. Haut du document 2 2. Les probabilités de transition Pour n’importe quel entier n la probabilité conditionnelle : PX n 1 j X n i 1se lit : « la probabilité que le système soit dans l’état E j à l’instant n+1 sachant qu’il était dans l’état E i à l’instant n. Cette probabilité ne dépend pas de l’instant n mais uniquement des états numérotés i et j, elle se note : p n;i, j Attention à l’ordre inversé des indices i et j. La probabilité de passer à l’état numéro j à un instant n+1 sachant qu’il était à l’état numéro i à l’instant précédent n est : p n;i, j PX n 1 j X n i p n; i, j Exercice 2 Dans le cadre de l'exercice 1: a)donner les valeurs de : P(X1 1), P(X1 2) , P(X1 3) si je possède 1Euro au départ, puis si je possède 2 Euros, puis 3. b) donner les valeurs de p1;i, j qui sont non nulles. c) donner les valeurs possibles de la variable aléatoire X 2 ainsi que sa distribution de probabilités, son espérance mathématique, sa variance et son écart type si je possède 1 Euro au départ. Haut du document 3 3. Chaîne de Markov Situation On se donne le processus X 0 , X1, X 2 ,.....,X n , X n 1,........ On suppose que la probabilité conditionnelle : PX n 1 j X n i ne dépend pas de l’instant n mais uniquement des états numérotés i et j, elle se note : p i, j Un tel processus s'appelle "chaîne de Markov". Andrei Andreevich Markov(2 juin 1856 - 20 juillet 1922) Mathématic ien russe né à Razian, élève de Tchebychev à l' université de . Saint - Petersbourg. Il a mis au point les chaînes Markov à l' origine du calcul stochastique. En quelque sorte: "le Futur ne dépend pas du Passé".(voir plus loin) Définition Le processus X 0 , X1, X 2 ,.....,X n , X n 1,.......est une chaîne de Markov veut dire: p n;i, j PX n 1 j X n i pi, j Exercice 3 Le jeu de l'exercice 1 définit-il une chaîne de Markov? Haut du document 4 4. Matrice de transition Un système physique peut se trouver dans nombre N fini d'états : E1, E 2 ,....,E N Il lui correspond le processus X 0 , X1, X 2 ,.....X n , X n 1,....... Pour n’importe quel entier n: PX n 1 j X n i est la probabilité que le système soit dans l’état E j à l’instant n+1 sachant qu’il était dans l’état E i à l’instant n i et j étant des entiers de l'intervalle 1, N . Pour chaque valeur de l'entier n on définit la matrice de transition: PX n 1 1 X n 1....PX n 1 j X n 1....PX n 1 N X n 1 . Tn PX n 1 1 X n i ...PX n 1 j X n i ... PX n 1 N X n i . PX n 1 1 X n N ...PX n 1 j X n N ..PX n 1 N X n N Lorsque X 0 , X1, X 2 ,.....X n , X n 1,.......est une chaîne de Markov la matrice de transition ne dépend pas de n et elle s'écrit avec les notations du paragraphe 3: p11 ........p1 j.............p1N . P pi1...........pij ..............piN . p N1...........p Nj ...........p NN Exercice 4 Quelle est la somme des termes de chaque ligne de la matrice de transition? Construire la matrice de transition de la chaîne de Markov définie dans l'exercice 1. Haut du document 5 5. Probabilité pour que le système soit dans un état donné à une époque donnée On se place dans le cas système physique peut se trouver dans nombre N fini d'états : E1, E 2 ,....,E N Il lui correspond le processus X 0 , X1, X 2 ,.....X n , X n 1,....... Pour tout j 1,2,..., N : N PX n j PX n j X n 1 k PX n 1 k k 1 On note p j () P X j N p j (n ) p k (n 1) p k, j k 1 On a utilisé la Formule des Probabilités Totales. Exercice 5 Utiliser la matrice de transition pour donner les distributions de probabilités des variables aléatoires X1, X 2 , X 3 de la chaîne de Markov de l'exercice 1. Haut du document 6 6. Probabilité pour qu'un système passe d'un état donné à un autre en n étapes. On s'intéresse à la probabilité PX n j X 0 i : le passage de l'état i à l'état j en n étapes. On est dans le cas d’une chaîne de Markov Cette probabilité est notée: p i, j (n ) pi, j (n ) PX n j X 0 i Remarque 1 si i j PX 0 j X 0 i 0 si i j Notation p 1,1 (n ) p 1,2 (n )......p 1, N (n ) p (n ) p (n ).......p (n ) 2 , 1 2 , 2 2 , N P( n ) ................. p N,1(n ) p N,2 (n ) .......p N, N (n ) Propriété P(0) I, P(1) P, P(2) P(1) P Théorème 1 P(n ) P n Exercice 6 Dans le cadre de l’exercice 1, calculer P (2) puis P (3) en utilisant le théorème. Haut du document 7 7. Démonstration du théorème 1 Il faut montrer que pour tout n : P(n ) P n où P est la matrice de transition de la chaîne de Markov. 1 si i j PX 0 j X 0 i 0 si i j s'écrit : 1 si i j pi, j (0) 0 si i j donc : P(0) I. pi, j (1) P(X1 j / X 0 i) pi, j donc : P(1) P P1 Supposons: P(n ) P n et montrons que P(n 1) P n 1. On a : N pi, j (n 1) p i, k ( n ) p k , j k 1 Exercice 7 La matrice de transition d’une chaîne de Markov est : 0,40 0,60 0,70 0,30 Calculer P (2), P (4), P (8). Haut du document 8 8. Les matrices 22 Une matrice 22 est un objet qui possède 4 attributs significatifs a b A c d Les attributs de A La trace de A : T(A) a d Le déterminant de A D(A) ad bc Le polynôme caractéristique de A : PA () 2 T(A) D(A) Le spectre de A : Sp(A) Ensemble de racines de PA ( ). Exemple 4 2 A 5 3 La trace de A : T(A) 1 Le déterminant de A D(A) 2 Le polynôme caractéristique de A : PA () 2 2 Le spectre de A : Sp (A) 1; 2 Exercice 8 4 Donner tous les attributs de la matrice A 3 Haut du document 7 5 9 9. Le théorème fondamental Pour la matrice A on a toujours: A 2 T(A).A D(A).I O avec : 1 0 0 0 O I 0 1 0 0 Conséquence A 2 T(A).A D(A).I A 3 T(A).A 2 D(A).A A 4 T(A).A 3 D(A).A 2 ............................................................ A n 1 T(A).A n D(A).A n 1 ............................................................ Exemple 4 2 A 5 3 4 2 4 2 6 2 A 2 5 3 5 3 5 1 A 2 T(A).A D(A).I 6 5 2 4 1 5 2 1 2 3 0 0 6 4 2 1 5 5 2 2 0 1 3 2 0 0 0 4 2 1 0 6 2 2 A 2 5 3 0 1 5 1 Exercice 9 Que se passe t’il si D (A)=0 ? Si T (A)=1 et D (A)=0 ? Calculer à l’aide de la procédure précédente n 4 2 n pour n 3 et 4. A 5 3 début 10 10. Suites numériques utilisées pour les chaînes de Markov de dimension 2 Suite des coefficients de la puissance n en dimension 2 b a a b A n n n A c d cn d n Le théorème fondamental donne A n 1 T A n D A n 1 : b b a n 1 b n 1 a a T n n D n 1 n 1 avec T(A) T, D(A) D. c n 1 d n 1 cn d n c n 1 d n 1 On obtient 4 suites numériques : a n 1 Ta n Da n 1 c n 1 Tc n Dc n 1 Ces suites sont du type b n 1 Tb n Db n 1 d n 1 Td n Dd n 1 v n 1 pv n qv n 1 On peut exprimer v n en fonction de n. Méthode Si Av n 1 Bv n Cv n 1 0 L’équation caractéristique est (EC) Ar 2 Br C 0 . 1) L’équation admet deux solutions distinctes r1 et r2 : la suite numérique est de la forme : v n r1n r2 n où et sont des constantes à déterminer . 2) L’équation admet une seule solution r0 : la suite numérique est de la forme : v n r0 n (n ) où et sont des constantes à déterminer . Détermination des constantes α et β Si v0 et v1 sont donnés on trouve et : v 0 v 0 ou bien r1 r2 v1 r0 ( ) v1 Exercice 10 Que se passe-t-il si les deux racines de (EC) sont 1 et 0 ? u n 1 u n u n 1 avec u 0 u1 1 exprimer u n . Haut du document 11 11. Application à l’expression de la puissance d’une matrice en dimension 2 Exemple 4 2 A 5 3 La trace de A : T(A) 1 Le déterminant de A D(A) 2 Le polynôme caractéristique de A : PA () 2 2 Le spectre de A : Sp (A) 1; 2 On obtient les quatre suites : a n 1 a n 2a n 1 b n 1 b n 2b n 1 c n 1 c n 2c n 1 d n 1 Td n 2d n 1 Pour chacune de ces suites l’équation caractéristique est la même et admet pour solutions −1 et 2. Chacune de ces suites est de la forme : v n (1) n 2 n Rappel 1 0 1 A A A 0 I 0 1 1 0 Pour a n : Pour b n : 2 4 2 2 5 2 2 3 3 3 0 1 Pour c n : Pour d n : 2 5 2 3 5 5 5 2 3 3 3 3 2 n 5 n 2 (1) n 2 2 n (1) 2 3 3 3 3 n A 5 (1) n 5 2 n 5 (1) n 2 2 n 3 3 3 3 Exercice 11 n 1 1 Exprimer en fonction de n. 1 0 Haut du document 2 3 12 12. Matrice de Markov en dimension 2 Soit X 0 , X1, ....,X n , X n 1,.....processus de Markov à deux états E1, E 2 . Par exemple : E1 " ll fait beau le 31 décembre"E 2 " ll ne fait pas beau le 31 décembre" P(X n 1) " ll fait beau le 31 décembre de l' année n" P(X n 2) " ll ne fait pas beau le 31 décembre de l' année n". Matrice de transition P(X n 1 2 / X n 1) p12 P(X n 1 1 / X n 1) p11 P P ( X 1 / X 2 ) p P ( X 2 / X 2 ) p n 1 n 21 n 1 n 22 On sait : P(X n 1 / X 0 1) p11 (n ) P(X n 2 / X 0 1) p12 (n ) P n P(X n 1 / X 0 2) p 21 (n ) P(X n 2 / X 0 2) p 22 (n ) Il faudra élever la matrice P à la puissance n. Pour simplifier l’écriture : a b P c d Pour que P soit la matrice de transition il faut et il suffit que les conditions suivantes soient satisfaites : a , b, c, d sont des réels de l' intervalle 0, 1 a b 1 c d 1 donc :a b c d 2. Les attributs de P La trace: T a d . Le déterminan t : D T 1. Le polynôme caractéristique : 2 T T 1. Le Spectre :Sp 1, T 1. Remarque Ces résultats appartiennent à des calculs élémentaires. Exercice 12 Vérifier les résultats donnant les attributs d’une matrice de transition en dimension 2. A l’aide des résultats, donner les attributs de la matrice de transition 0,40 0,60 P 0,30 0,70 Haut du document 13 13. La puissance nième d’une matrice de transition. a P c b d a , b, c, d sont des réels de l' intervalle 0, 1 a b 1 c d 1 donc :a b c d 2. La trace: T a d . Le déterminan t : D T 1. Le polynôme caractéristique : 2 T T 1. Le Spectre :Sp 1, T 1. On suppose T≠1 b b a a b a P n n 1 n 1 T n n (T 1) n 1 n 1 . c n 1 d n 1 cn d n c n 1 d n 1 On obtient 4 suites numériques : a n 1 Ta n (T 1)a n 1 0 b n 1 Tb n (T 1)b n 1 0 c n 1 Tcn (T 1)c n 1 0 d n 1 Td n (T 1)d n 1 0 Ces suites sont du type de la suite v n telle que : v n 1 Tv n (T 1) v n 1 0 . L’équation caractéristique r 2 Tr T 1 0 admet 1 et T 1 pour solutions. Donc : v n (T 1) n Les conditions initiales imposées sont : a 0 1, a1 a . b 0 0, b1 b . c 0 0, c1 c . d 0 1, d1 d . Avec ces conditions initiales on trouve chaque suite et la matrice P n . c b(T 1) n b b(T 1) n 1 n P c b n c c(T 1) n b c(T 1) Exercice 13 Vérifier le résultat obtenu et appliquer ce résultat à la matrice de transition : n 0,40 0,60 0,40 0,60 . . P Donner : 0,30 0,70 0,40 0,60 Haut du document 14 Solutions des exercices Exercice 1 Je possède 1ou 2 ou 3 Euros pour participer au jeu suivant: On lance un dé si celui-ci tombe sur la face 1 ou 6 on gagne 2 Euros sinon rien. Le droit de participation à chaque lancer est 1 Euro. J'ai décidé de vous donner 1 Euro si ma fortune s’élève à 4 Euros et je continuerai à jouer mais si je suis ruiné vous me donnerez 1 Euro pour pouvoir continuer à jouer. 1) Quels sont les états possibles de ma fortune? 2) Sachant que ma fortune est 1 Euro à un moment donné, quelle est la probabilité qu'elle soit augmentée après ma prochaine participation au jeu? Quelle est la probabilité qu’elle reste à 1 Euro ? Sachant que ma fortune est 3 quelle est la probabilité qu’elle reste à 3 ? Quelle est la probabilité qu'elle soit diminuée ? 3) On désigne par X n l'état de ma fortune après avoir participé n fois au jeu. Pour quels sont les couples d'entiers (i, j) pour lesquels PX n 1 j X n i 0. Donner dans chaque cas cette probabilité. Solution 1) E1 1, E 2 2, E 3 3 1 2 1 2 2) , ; , . 3 3 3 3 3) j 1 i 1 2 3 i2 2 3 i3 0 j 2 j3 0 1 3 0 1 3 1 2 3 3 Haut du document 15 Exercice 2 1) Dans le cadre de l'exercice 1: a)donner les valeurs de : P(X1 1), P(X1 2) , P(X1 3) si je possède 1Euro au départ, puis si je possède 2 Euros, puis 3. b) donner les valeurs de p1;i, j qui sont non nulles. c) donner les valeurs possibles de la variable aléatoire X 2 ainsi que sa distribution de probabilités, son espérance mathématique, sa variance et son écart type si je possède 1 Euro au départ. Solution a) 2 1 Si je possède 1 Euro : P(X1 1) , P(X1 2) , P(X1 3) 0 . 3 3 2 1 Si je possède 2 Euros : P(X1 1) , P(X1 2) 0 , P(X1 3) 3 3 2 1 Si je possède 3 Euros : P(X1 1) 0, P(X1 2) , P(X1 3) 3 3 b) j 1 j 2 j 3 0 1 i 1 2 3 3 0 1 i2 2 3 3 i3 0 1 2 3 3 c) 6 P(X 2 1) P(X 2 1 / X1 1)P(X1 1) P(X 2 1 / X1 2)P(X1 2) 9 2 P(X 2 2) P(X 2 2 / X1 1)P(X1 1) P(X 2 2 / X1 2)P(X1 2) 9 1 P(X 2 3) P(X 2 3 / X1 1)P(X1 1) P(X 2 3 / X1 2)P(X1 2) 9 13 207 207 E(X) , V(X) , ( X ) 9 81 81 Haut du document