Matrice stochastique

R EVUE DE STATISTIQUE APPLIQUÉE Y. M ORILLON Théorie de la randomisation Revue de statistique appliquée, tome 8, no 1 (1960), p. 29-44. © Société française de statistique, 1960, tous droits réservés. L’accès aux archives de la revue « Revue de statistique appliquée » (http://www. sfds.asso.fr/publicat/rsa.htm) implique l’accord avec les conditions générales d’utilisation (http://www.numdam.org/legal.php). Toute utilisation commerciale ou impression systématique est constitutive d’une

NOVANCIA 2ème année Le processus de Poisson Exemple : Les arrivées des automobiles à un péage entre 13h et 15h ont été observées pendant une certaine période. On constate que : Il y a en moyenne une arrivée toutes les minutes. Les arrivées au cours d'une période (ici une minute ) sont indépendantes des événements survenus au cours des autres périodes. Dans un intervalle de temps d'une minute, il n'est pas impossible mais rare qu'un autre automobiliste se présente. Le nombre moyen

exponentiel double .22 2.2.2.1 Présentation 22 2.2.2.2 Propriétés de la méthode 22 2.2.3 Lissage exponentiel de Holt-Winters 22 2.3 Prévision par la méthode de Box & Jenkins .25 2.3.1 Concepts des séries chronologiques 25 2.3.1.1 Processus stochastique 25 2.3.1.2 Processus aléatoires stationnaires 25 2.3.1.2.1 Caractéristiques d'un processus aléatoire stationnaires ..26 2.3.1.3 Les opérateurs de Box & Jenkins 28 2.3.1.3.1 Les effets des opérateurs de Box & Jenkins 29 2.3.2 Les processus

EXERCICE 1 (5 points ) (Commun à tous les candidats) 1. Restitution organisée de connaissances Prérequis : on rappelle que deux événements A et B sont indépendants pour la probabilité p si, et seulement si, p (A ∩ B) = p(A) × p(B). Soient A et B deux événements associés à une expérience aléatoire. a. Démontrer que p(B) = p(B ∩ A) + p(B ∩ A). b. Démontrer que, si les événements A et B sont indépendants pour la probabilité p, alors les événements A et B le sont également. 2. Application : Chaque matin

dont la résolution est facile. Ces opérations sont : Permuter deux équations ; Ajouter à une équation une autre équation multipliée par un coefficient non nul. REPRESENTATION : Nous représenterons le système par la matrice (n, n + 1) A est donc la matrice obtenue en ajoutant à la matrice des coefficients du système une dernière colonne formée des seconds membres des équations. DESCRIPTION DE LA PREMIERE ETAPE : a1,0 … an -1,0 de la première colonne, celui dont la valeur absolue est la plus grande

Calcul matriciel Opérations sur les matrices Exercice 1 [ 01247 ] [correction] Pour A ∈ Mn (K), on note σ (A) la somme des termes de A. On pose   1 ··· 1  . .  J =  . (1) .  . . 1 Vérifier J.A.J = σ(A).J. ··· 1 Calcul des puissances d’une matrice Exercice 6 [ 01251 ] [correction] Calculer An pour n ∈ N et les matrices A suivantes : 1 1 a b cos θ − sin θ a) A = b) A = c) A = 0 2 0 a sin θ cos θ Exercice 7 [ 01252 ] [correction] On considère la matrice  1 1 1 A= 0 1 1  0 0 1  et

mati`res e 1 Matrices 1.1 D´finition . . . . . . . . . . . . . . . . . . . . . . . . . . . e 1.2 Les diff´rents types de matrices . . . . . . . . . . . . . . . e 1.2.1 Les diff´rences de contenu . . . . . . . . . . . . . . e 1.2.2 Les diff´rences de forme . . . . . . . . . . . . . . . e 1.2.3 Les diff´rences d’orientation . . . . . . . . . . . . . e 1.3 Matrices particuli`res . . . . . . . . . . . . . . . . . . . . e 1.3.1 Transpos´e d’une matrice . . . . . . . . . . . . . . e 1.3.2 Matrice diagonale .

variance de P&L final : ..................................................................... 9 3. Etude de la moyenne et de la variance du P&L final : ................................................................... 10 4. Modèle de volatilité stochastique : ............................................................................................... 14 Modèle 1 :....................................................................................................................................

simple puisque l’on suppose que dRt = rt Rt dt, soit Rt = R0 e Rt 0 rs ds , où rt ≥ 0 représente le taux d’intérêt instantanné. Nous supposerons toujours que R0 = 1. Le prix de l’action, {St }t≥0 , est régi par l’équation différentielle stochastique (EDS en abrégé) dSt = St (µt dt + σt dWt ), S0 > 0 donné, où µt est un paramètre réel, et σt ≥ 0 ; le paramètre σ s’appelle la volatilité. Bien évidemment {Wt }t≥0 est un mouvement Brownien standard et nous notons {Ft }t≥0 sa filtration naturelle

projet. 5 Modélisation et simulation de la trajectoire d’une particule au sein d’un fluide 6 Modélisation et simulation de la trajectoire d’une particule au sein d’un fluide INTRODUCTION Une marche aléatoire est un processus stochastique dont l'évolution temporelle est aléatoire. On étudie ce modèle mathématique pour diverses raisons. Par exemple, le moteur de recherche Google utilise cette méthode dans le but de parcourir, identifier et classer les pages du réseau internet. On