GMM 4ème année Compléments de Probabilités. Aldéric Joulin INSA de Toulouse Année universitaire 2011-2012 Feuille de TD 5 Probabilité invariante et convergence des chaı̂nes de Markov Exercice 1 Déterminez la nature des états ainsi que l’ensemble des probabilités invariantes de la chaı̂ne de Markov sur E = {0, 1, 2}, de matrice de transition 0 1 0 P = 0 1/2 1/2 . 1/2 0 1/2 Exercice 2 Considérons la matrice de transition suivante 0 1 P = 0 0 1 0 sur E = {0, 1, 2}: 0 1 . 0 1 - Calculez la période de la chaı̂ne. 2 - Déterminez la probabilité invariante π. A-t-on limn→∞ P n (x, y) = π(y) pour tout x, y ∈ E ? Quelle convergence obtient-on ? Exercice 3 On considère une chaı̂ne de Markov sur un ensemble E supposé fini. 1 - Montrez qu’il existe au moins un état récurrent. 2 - Qu’en est-il du cas où E est seulement dénombrable ? Exercice 4 (CC2 2009-2010) 1 - Donnez un exemple de graphe d’une chaı̂ne de Markov sur E = {1, 2, 3, 4} admettant exactement: - un état transitoire menant aux trois autres états; - deux classes récurrentes apériodiques. 2 - Que faudrait-il modifier sur votre chaı̂ne pour que l’une des deux classes récurrentes soit périodique ? 3 - Même question pour l’obtention de deux classes récurrentes périodiques. Exercice 5 (CC2 2009-2010) On considère une chaı̂ne de Markov (Xn )n∈N irréductible et apériodique sur un ensemble E fini. On suppose que la matrice de transition associée P est bi-stochastique, c’est-à-dire qu’elle vérifie X x∈E P (x, y) = X P (x, y) = 1, x, y ∈ E. y∈E Le but de cet exercice est de déterminer la probabilité invariante π de la chaı̂ne sans utiliser l’équation π = πP . 1 - Démontrez que la matrice itérée P n est elle-aussi bi-stochastique pour tout n ∈ N∗ . 2 - Déduisez-en l’expression de la probabilité invariante. Exercice 6 Soit (Xn )n∈N la chaı̂ne de Markov à deux états 0 et 1, de matrice de transition 1−α α P = , α, β ∈]0, 1[. β 1−β 1 - Calculez de trois manières différentes sa probabilité invariante. 2 - Déterminez les nombres A > 0 et ρ ∈]0, 1[ tels que l’on ait la vitesse de convergence suivante: pour tout n ∈ N∗ , |P n (x, y) − π(y)| ≤ Aρn , x, y ∈ {0, 1}. Pn−1 (n) 3 - Soit Vy = k=0 1{Xk =y} le nombre de visites de l’état y avant l’instant n. Déduisez-en qu’il existe une constante positive C, dépendant de A et de ρ, telle que pour tout n ∈ N∗ , C E [V (n) ] x y − π(y) ≤ , x, y ∈ {0, 1}. n n Qu’en déduisez-vous ? Exercice 7 Un mobile se déplace sur le cercle ZN +1 := {0, 1, . . . , N }. À chaque étape, la probabilité de mouvement du mobile dans le sens trigonométrique est p ∈]0, 1[, alors qu’elle est égale à 1 − p autrement. 1 - Montrez que l’évolution du mobile sur le cercle est une chaı̂ne de Markov dont on précisera le graphe et la matrice de transition. 2 - Étudiez le statut des états et déterminez la probabilité invariante. 3 - Discutez la convergence de la chaı̂ne selon la parité de N . Exercice 8 Soit (Xn )n∈N une chaı̂ne de Markov irréductible sur N, de matrice de transition P définie par si y = 0, px 1 − p P (x, y) = x si y = x + 1, 0 sinon, avec px ∈]0, 1[, x ∈ N. 1 - Soit T0 = inf{n ≥ 1 : Xn = 0} le temps de retour en 0 de la chaı̂ne. Montrez que l’on a la formule suivante : P0 (T0 > n) = n−1 Y (1 − pk ), n ≥ 1. k=0 2 - Donnez l’expression de P0 (T0 = +∞) en fonction des (pk )k≥0 . 3 - Déduisez-en une condition nécessaire et suffisante, sous forme de série numérique, pour que la chaı̂ne soit récurrente. 4 - Lorsque p est indépendant de x, déterminez l’expression de P0 (T0 = n) pour tout n ≥ 1, et déduisez-en que l’état 0 est récurrent positif (donc que la chaı̂ne l’est aussi). 5 - Déterminez dans ce cas la probabilité invariante π de la chaı̂ne. 6 - Montrez que Xn converge en loi vers π lorsque n → ∞, et ce pour n’importe quelle loi initiale µ.