2 Généralités
2.1 Définitions
1. X= (Xn)n∈Nsuite de variables aléatoires à valeurs dans E(espace d’états, fini ou dénombrable).
Xest une CM lorsque ∀n∈N,∀(x0, . . . , xn+1)∈En+2,
P(Xn+1 =xn+1 |(X0, . . . , Xn)=(x0, . . . , xn)) = P(Xn+1 =xn+1 |Xn=xn).
2. Une CM X est homogène lorsque P(Xn+1 =y|Xn=x)ne dépend pas de n. On note
Qxy := P(Xn+1 =y|Xn=x) = P(X1=y|X0=x) = probabilité de transition de xày.
3. Q= (Qxy)(x,y)∈E2:= « matrice » de transition indicée par E2(Qxy ≥0,Py∈EQxy = 1).
4. Si µ=L(X0)(loi de X0i.e. µx=P(X0=x)) alors la loi de la chaîne Xest entièrement déterminée
par µ=L(X0)et Q:
P(X0=x0, X1=x1, . . . , Xn=xn) = µx0Qx0x1Qx1x2· · · Qxn−1xn.
5. CM = suite récurrente aléatoire. Si (Un)n∈N∗est une suite de variables aléatoires indépendantes
et de même loi, indépendantes de X0et Xn+1 =f(Xn, Un+1)alors Xest une CM de transitions
données par Qxy =P(f(x, U) = y). Réciproquement, toute CM peut être réalisée ainsi.
2.2 Propriété de Markov
1. Propriété de Markov faible : conditionnellement à {Xn=x}, la suite Xn+•est une CM (δx, Q)
indépendante de (X0, . . . , Xn−1)i.e. ∀n,∀A⊂En,∀B⊂EN(Bmesurable pour la tribu produit),
Pµ(Xn+•∈B|(X0, . . . , Xn−1)∈A, Xn=x) = Px(X∈B).
2. La propriété de Markov forte permet de remplacer le nfixé de la propriété précédente par un
temps Taléatoire lorsque c’est un temps d’arrêt i.e. lorsque, pour tout k∈N,{T=k}est dans
la tribu Fkengendrée par X0, . . . , Xk. On note alors FT={A| ∀k∈N, A ∩ {T=k} ∈ Fk}et
la propriété de Markov forte dit alors que, conditionnellement à {T < +∞} ∩ {XT=x}, la suite
XT+•est une CM(δx, Q)indépendante de FT. Cette formulation est très pratique mais nécessite des
préalables (tribu engendrée par X0, . . . , Xk, temps d’arrêt, tribu FT) qu’il me semble déraisonnable
de présenter à nos étudiants de voie EC. Ainsi, je n’utiliserai pas cette formulation.
2.3 En Scilab
1. La commande X=grand(n,"markov",Q,x0) renvoie une trajectoire X1, . . . , Xnde longueur nde la
CM de matrice de transition Qde taille N, d’espace d’états [[1, N]] et d’état initial x0∈[[1, N]]
2. On peut simuler simultanément par la même commande mtrajectoires de la chaîne en prenant pour
x0 un vecteur de longueur m:Yest alors une matrice à mlignes et ncolonnes, la i-ième ligne de
cette matrice représentant une trajectoire de la chaîne issue de x0(i).
3. La commande Q=genmarkov(N,0) génère une matrice de transition aléatoire (irréductible, cf 4.1)
de taille N. Cette commande admet d’autres options (cf 5).
-->Q=genmarkov(3,0)
Q =
0.2105215 0.5940917 0.1953868
0.2587063 0.3676393 0.3736544
0.4055988 0.4283597 0.1660415
-->X=grand(10,"markov",Q,2)
X =
1. 3. 2. 2. 1. 3. 1. 3. 2. 3.
4