Probabilité d`évènements rares et marches aléatoires conditionnées

Probabilité d’évènements rares et marches aléatoires
conditionnées
Neuvième Colloque Jeunes Probabilistes et Statisticiens, au Mont-Dore
Virgile Caron
Directeur de thèse : Michel Broniatowski
Mai 
Virgile Caron (LSTA) Probabilité d’évènements rares et marches aléatoires conditionnées Mai  1 / 28

1Sommaire
1Importance Sampling
1Principe de Gibbs
1Enoncé du Problème
1Thérorème Principal
1Lemme d’inversion
1Integration
1Propriété de l’IS
1Difficultés rencontrées
1Développements Actuels et Futurs
1Biblio
Virgile Caron (LSTA) Probabilité d’évènements rares et marches aléatoires conditionnées Mai  2 / 28

Importance Sampling
Estimateur naïf
Soit Zune v.a. sur Rde loi Pet de densité p. Soit A⊂Rtel que P(A)>0.On
veut estimer P(A)avec des Zicopies i.i.d. de Zsous p.
PL:= 1
L
L
∑
l=1
1A(Zl)
Par la LGN, cet estimateur converge vers P(A). De plus, il est sans biais.
Estimateur standard
On peut proposer une autre famille d’estimateurs sans biais. Les Yisont des
copies i.i.d. d’une v.a. Yde densité g.Si supp(p)⊂supp(g), Alors
Pg
L:= 1
L
L
∑
l=1
p(Yl)
g(Yl)1A(Yl)→Zp(x) g(x)1A(x)g(x)dx =P(A)
Virgile Caron (LSTA) Probabilité d’évènements rares et marches aléatoires conditionnées Mai  3 / 28

Importance Sampling
Choix optimal de g
Le choix optimal de gest pZ/A, la densité de Zconditionnée par(Z∈A).Ce
choix est impossible sinon L=1 et on obtient un estimateur parfait. Le choix
optimal impose de connaitre la réponse à la question posée. On aimerait alors
approximer la densité conditionnelle pZ/A.
Cas considéré
On suppose la loi de X1de densité pXsur Rconnue tel que les Xisont i.i.d.,
E(X1) = 0 et VarX1=1. On s’interesse à des conditionnements par (Z∈A)
tel que Zest une moyenne empirique de ntermes avec nfixe :
Z:= 1
n
n
∑
i=1
Xi=: 1
nSn
1
Et on prefere estimer directement à la loi de ((X1,..., Xn)|Z∈A). On ne peut
pas le faire jusqu’à nmais jusqu’à kproche de n.
Virgile Caron (LSTA) Probabilité d’évènements rares et marches aléatoires conditionnées Mai  4 / 28

Importance Sampling
Application
On considère, dans la suite, des ensembles A, éventuellement indexé par n, tel
que Z∈Aest un évènement de moyennes(MD) ou de grandes déviations(GD).
Ainsi,
A:= (an,∞)
où, en MD, an→E(X1)lentement par au dessus tel que
an→E(X1)
√nan→∞
et, en GD, an=aest une constante.
Virgile Caron (LSTA) Probabilité d’évènements rares et marches aléatoires conditionnées Mai  5 / 28