Université Mohammed V

École Mohammadia d’Ingénieurs

Département de Génie Industriel

=================================================

Travaux dirigés : Calcul Stochastique

=================================================

(Deuxième année-S5)

Année universitaire : 2017/2018

————————————————————————————————————————————–
Nizar EL HACHEMI
————————————————————————————————————————————–
1

TRAVAUX DIRIGÉS : CS

N. EL HACHEMI UM5-EMI
 Table des matières

1 Énoncés des exercices 3

2 Correction des exercices 7

2
 Chapitre 1

Énoncés des exercices

Exercice 1

Soit Ω = {1, 2, 3, 4, 5, 6}. Est-il possible de construire une mesure de pro-

babilité sur l’ensemble fondamental Ω telle que les variables aléatoires X
et W présentés dans le chapitre introduction aient la même distribution ?

Exercice 2

Supposons que Card(Ω) < ∞. Démontrez que si X : Ω → < et Y :

Ω → < sont F-mesurables alors min{X, Y }, max{X, Y }, XY sont aussi F-
mesurables. De plus, si ∀w ∈ Ω, Y (w) 6= 0 alors X
Y
est F-mesurable.

Exercice 3

Voici un ensemble fondamentale Ω et une fonction X : Ω → <. X(w) = 0

pour w1 et w2 , X(w) = −1 pour w3 , X(w) = 1 pour w4 et w5 , X(w) = 2 pour
w6 et X(w) = −2 pour w7 .
— Quelle est la plus petite tribu F qui fait que X est une variable
aléatoire.
— Quelle est est la plus petite tribu G qui fait que |X| est une variable

3
4 Travaux dirigés : Calcul Stochastique

aléatoire.
— Est ce que |X| est F-variable aléatoire.
— Est ce que X est G-variable aléatoire.
Exercice 4

Aujourd’hui lundi, vous avez un dollar dans votre tirelire. Á partir de

demain matin et ce, tous les matins jusqu’à mercredi inclusivement, vous
tirez à pile ou face pour savoir ci vous retirez un dollar (si possible de la
tirelire) (pile) ou si vous y en mettez un (face). Modélisez l’évolution du
contenu de votre tirelire en répondant aux questions suivantes :
— Quel est l’ensemble fondamental ?
— Définissez le processus stochastique que vous utilisez. Précisez la
période de temps.
— Quelle tribu utilisez-vous pour construire votre espace probabili-
sable ?
— Quelles sont les tribus de la filtration engendrée par le processus
pour les journées du lundi et mardi ?
Exercice 5

Montrer que pour toutes variables aléatoires X et Y :

— COV P [X,Y ] = E P [XY ] - E P [X]E P [Y ]
— Si X et Y sont indépendantes alors COV P [X,Y ] = 0
Exercice 6

Montrez qu’une somme de martingales est une martingale.

Exercice 7

Est-ce que tout processus markovien est une martingale ?

Est-ce que toute martingale est un processus markovien ?

N. EL HACHEMI UM5-EMI
5 Travaux dirigés : Calcul Stochastique

Exercice 8

Soit X une variable aléatoire intégrable (E P [|X|] < ∞) construite sur

l’espace probabilisé filtré (Ω, F, F, P ). Montrez que le processus stochas-
tique {Mt : t ∈ {0, 1, 2, ...}} tel que Mt = E P [X|Ft ], t ≥ 0 est une martingale.

Exercice 9

Soit Z une variable aléatoire centrée et réduite. Pour tout t ≥ 0, nous

√
posons Xt = tZ. Le processus stochastique X = {Xt : t ≥ 0} a des trajec-
toires continues et ∀t ≥ 0. Est ce que X est un mouvement brownien ?

Exercice 10

Soit W et W ∗ , deux mouvements browniens standard indépendants

l’un de l’autre, et ρ, une constante comprise entre 0 et 1. Pour tout t ≥ 0,
p
nous posons Xt = ρWt + 1 − ρ2 Wt∗ . Le processus stochastique X a des
trajectoires continues et ∀t, Xt est de loi N (0, t). Est ce que X est un
mouvement brownien ?

Exercice 11

Soit W un mouvement brownien standard construit sur l’espace pro-

babilisé filtré (Ω, F, F, P ). Montrez que {Wt2 − t : t ≥ 0} est une martingale.

Exercice 12
Une variable aléatoire X est sans mémoire si :
— P (X > t + s|X > t) = P (X > s) ∀t, s ≥ 0
Montrer qu’une variable aléatoire positive dont la loi admet une den-

N. EL HACHEMI UM5-EMI
6 Travaux dirigés : Calcul Stochastique

sité est sans mémoire si, et seulement si elle suit une loi exponentielle.

Exercice 13
On jette un dé symétrique, puis on jette une pièce de monnaie autant de
fois que le dé indique de points.
Soit X la variable aléatoire associée au nombre de Pile obtenus.
— Calculer E(X).
Exercice 14
Soit (Ω, F, P ) un espace probabilié. On considère G une sous tribu de F.
Soit X et Y deux variables aléatoires telles que :
— X est G mesurable.
— E(Y |G) = X.
— E(Y 2 ) = E(X 2 ).
1. Calculer V ar(Y − X|G).

2. Déduire V ar(Y − X). Notez que vous pouvez utiliser le résultat sui-
vant sans démonstration : V ar(X) = E(V ar(X|G)) + V ar(E(X|G))

Exercice 15
Soit W un mouvement browonien standard. Montrez que Cov(Wt , Ws ) =
min(s, t)

N. EL HACHEMI UM5-EMI
 Chapitre 2

Correction des exercices

Correction exercice 1

Posons pi = P (i). Nous cherchons d’abord une mesure de probabilié.

AInsi,
— ∀ i 0 ≤ pi ≤ 1
P
— pi = 1
La distribution de la variable aléatoire X est comme suit :
— P {X = 0} = p1 + p2 = q0
— P {X = 5} = p3 + p4 = q5
— P {X = 10} = p5 + p6 = q10
Finalement la distribution de la variable aléaloire W est :
— P {W = 0} = p5 = q0
— P {W = 5} = p1 + p2 + p3 + p4 = q5
— P {W = 10} = p6 = q10
Pour que X et W aient la même distribution, il faudrait que :
— p1 + p2 = p5
— p1 + p2 + p3 + p4 = p3 + p4
— p5 + p6 = p6
Il en découle que :
— p1 = p2 = p 5 = 0
— p3 + p4 + p6 = 1
Correction exercice 2

7
8 Travaux dirigés : Calcul Stochastique

On répètera le raisonnement suivant pour les trois cas restants. Démontrons

que si X et Y sont deux variables aléatoires F-mesurables alors min{X, Y }
l’est aussi. Puisque X est F-mesurable alors elle est constante sur chaque
atome de F. De même Y est constante sur chaque atome de F. Il en
découle que la variable aléatoire min{X, Y } est constante sur les atomes
de F. Ainsi, min{X, Y } est F-mesurable.

Correction exercice 3

La plus petite tribu F qui rend X mesurable est :

σ({{ω1 , ω2 }, {ω3 }, {ω4 , ω5 }, {ω6 }, {ω7 }}).

La plus petite tribu G qui rend |X| mesurable est :

σ({{ω1 , ω2 }, {ω3 , ω4 , ω5 }, {ω6 , ω7 }}).

Oui |X| est F-mesurable car |X| est constante sur les atomes de F.

Non X n’est pas G mesurable car X n’est pas constante sur l’atome
{ω3 , ω4 , ω5 }.
Correction exercice 4

Le processus stochastique décrit dans l’énnoncé peut être représenté

comme suit :
Évenement / X Lundi Mardi Mercredi
PP 1 0 0
PF 1 0 1
FP 1 2 1
FF 1 2 3
L’ensemble fondamentale Ω = {P P, P F, F P, F F } et la période de temps
est un jour.

N. EL HACHEMI UM5-EMI
9 Travaux dirigés : Calcul Stochastique

La tribu qu’on utilise pour construire notre espace probabilisable est

la tribu F = σ({{P P }, {P F }, {F P }, {F F }}).

Les tribus de la filtration associé au lundi et mardi respectivement

sont {∅, Ω} et {∅, Ω, {P P, P F }, {F P, F F }}.

Correction exercice 5

COV P [X, Y ] =
P P
x y (x − E[X])(y − E[Y ])f (x, y) où f (x, y) est une fonc-
tion de densité.

COV P [X, Y ] =
P P
x y (xy − yE[X] − xE[Y ] + E[X]E[Y ])f (x, y)

COV P [X, Y ] = x y xyf (x, y)−E[X] y y x f (x, y)−E[Y ] x x y f (x, y)+

P P P P P P
P P
E[X]E[Y ] x y f (x, y)

COV P [X, Y ] = E[XY ] − E[X] y yf (y) − E[Y ] x xf (x) + E[X]E[Y ] car

P P
P P P P
x y f (x, y) = 1, x f (x, y) = f (y) et y f (x, y) = f (x).

COV P [X, Y ] = E[XY ] − E[X]E[Y ].

Puisque l’indépendance de X et Y entraı̂ne que E[XY ] = E[X]E[Y ].

Ainsi, il en découle de la formule précédente que si X et Y sont indépendantes
alors COV P [X, Y ] = 0.

Correction exercice 6
Soit X = {Xt } et Y = {Yt } deux Martingales.

— Puisque X et Y sont des Martingales alors ∀t Xt et Yt sont Ft -

mesurables. Il en découle que Xt + Yt est Ft -mesurable.
— Puisque X et Y sont des Martingales alors ∀t E P [|Xt |] < +∞ et

N. EL HACHEMI UM5-EMI
10 Travaux dirigés : Calcul Stochastique

E P [|Yt |] < +∞. Ainsi E P [|Xt + Yt |] ≤ E P [|Xt |] + E P [|Yt |] < +∞.

— ∀s ≤ t E P [Xt + Yt |Fs ] = E P [Xt |Fs ] + E P [Yt |Fs ] = Xs + Ys car X et Y
sont des Martingales.
Correction exercice 7

Non, tous les processus Markovien ne sont pas des Martingales. Considérons
une marche aléatoire X définie comme suit :
X0 = 0 et Xt = ξ0 + ... + ξt où la suite ξj est une collection de variables
aléatoires ind et ind distributées ayant une espérance strictement posi-
tive. Ainsi, l’espérance de Xt est différente de celle de Xt+1 . On déduit
que X ne peut pas être une Martingale.
Ce ne sont pas toutes les Martingales des processus Markoviens. Considérons
l’exemple suivant :
Évenement X1 (ω) X2 (ω) X3 (ω) P
1
ω1 -1 -2 -4 8
1
ω2 -1 -2 0 8
1
ω3 -1 0 0 8
1
ω4 -1 0 0 8
1
ω5 1 0 2 8
1
ω6 1 0 -2 8
1
ω7 1 2 2 8
1
ω8 1 2 2 8
Considérons les tribus σ(X1 ), σ(X1 , X2 ) et σ(X1 , X2 , X3 ) pour construire
la filtration nécessaire à la définition de la Martingale X. Nous pouvons
facilement vérifier que le X est une Martingale pourtant X n’est pas un
processus Markovien car :
— P (X3 = 2|X2 = 0) = 14 alors que P (X3 = 2|X2 = 0, X1 = −1) = 0
Correction exercice 8

Montrons que le processus formé par E[X|Ft ] est une Martingale.

On sait que E[|E[X|Ft ]|] ≤ E[|E[|X||Ft ]|] = E[E[|X||Ft ]] car X ≤ |X|. D’après
la règle EC5 voir slides du cours, E[E[|X||Ft ]] = E[|X|]. Ainsi, d’après les
hypothèses de l’exercice cette espérance est finie.

N. EL HACHEMI UM5-EMI
11 Travaux dirigés : Calcul Stochastique

En utilisant la définition de l’espérance conditionnelle, nous pouvons fa-

cilement voir que E[X|Ft ] est constante sur les atomes de Ft . On déduit
que E[X|Ft ] est Ft -mesurable.
∀s ≤ t E[E[X|Ft ]|Fs ] = E[X|Fs ] en utilisant EC3 . Ce qu’il fallait démontrer.

Correction exercice 9

√ √ √ √
V ar(Xt − Xs ) = V ar( tZ − sZ) = ( t − s)2 V ar(Z)
√ √ √
V ar(Xt − Xs ) = ( t − s)2 = t + s − 2 ts 6= t − s. On conclut ainsi que le
processus stochastique X n’est pas un mouvement brownien.

Correction exercice 10
Puisque la loi de Xt est N (0, 1), il restera donc à démontrer que les
incréments sont indépendants et il faut montrer aussi Xt − Xs suit la loi
N (0, t − s).
p
Xt − Xs = ρ(Wt − Ws ) + 1 − ρ2 (Wt∗ − Ws∗ ).
Les deux termes du membre de droite suivent respectivement la loi
N (0, ρ2 (t − s)) et la loi N (0, (1 − ρ2 )(t − s)). Les deux termes sont aussi
indépendants (voir l’énoncé). On peut conclure que V ar(Xt − Xs ) = ρ2 (t −
s) + (1 − ρ2 )(t − s) = t − s.
Soient 0 ≤ t1 ≤ t2 ≤ t3 ≤ t4 . Démontrons que Xt2 − Xt1 et Xt4 − Xt3 sont
indépendants. Puisque les deux termes en question suivent la loi normale
(voir ce qui précède) alors il suffit de montrer que COV [(Xt2 − Xt1 ), (Xt4 −
Xt3 )]. En explicitant les calculs, nous aurons quatre termes chacun sera
nul soit parce que W ou W ∗ sont brownien soit parceque W et W ∗ sont
indépendants d’après l’énoncé.

Correction exercice 11

Démontrons d’abord que E[|Wt2 − t|] est finie.

N. EL HACHEMI UM5-EMI
12 Travaux dirigés : Calcul Stochastique

On sait que : E[|Wt2 − t|] ≤ E[|Wt2 |] + E[| − t|] ≤ E[Wt2 ] + t.

Puisque W est MBS alors Wt − W0 suit la loi N (0, t). On déduit que Wt
suit la loi N (0, t).

On constate alors que V ar(Wt ) = E[Wt2 ] − E[Wt ]2 = t. Puisque E[Wt ] = 0.

Il en découle que E[Wt2 ] = t. Finalement E[|Wt2 − t|] ≤ 2t.

Aussi puisque Wt est Ft mesurable, il serait de même pour Wt2 − t.

E[Wt2 − t|Fs ] = E[(Wt − Ws + Ws )2 − t|Fs ] = E[(Wt − Ws )2 |Fs ]] + E[2Ws (Wt −

Ws )|Fs ] + E[Ws2 − t|Fs ].

E[(Wt − Ws )2 − t|Fs ] =E[(Wt − Ws )2 ] (car Wt − Ws est indépendant de

Ws − W0 ).

E[2Ws (Wt −Ws )|Fs ] = 2Ws E[Wt −Ws |Fs ] (EC6 ) = 2Ws E[Wt −Ws ] (Indépendance
de Wt − Ws et Ws ).

E[Ws2 − t|Fs ] = Ws2 − t (le fait que c’est mesurable).

Ainsi E[Wt2 − t|Fs ] = t − s + 0 + Ws2 − t = Ws2 − s CQFD.

Correction exercice 12

Soit f la fonction de densité de notre variable aléatoire X.

R +∞ 0
Ainsi F (x) = 1 − F (x) = x f (t)dt. On déduit que F (x) = −f (x). Aussi,
la propriété sans mémoire peut être traduite par : F (t + s) = F (t)F (s).
Dériver cette équation par rapport à t en t = 0 donne que :
0
— F (s) = −f (0)F (s).

N. EL HACHEMI UM5-EMI
13 Travaux dirigés : Calcul Stochastique

La seule solution à l’équation différentielle présentée avant est F (s) =

Ke−f (0)s . On déduit donc que la fonction de densité est f (t) = Kf (0)e−f (0)t .
Puisqu’intégrer une fonction de densité sur le domaine de définition de la
variable aléatoire donne 1. On constate que K = 1 et donc f (t) = f (0)e−f (0)t .
Ce sont donc les lois exponentielles.

Correction exercice 13
Soit N la variable aléatoire associée au nombre indiqué une fois le dé est
jeté. Le dé est supposé symétrique et l’expérience n’est pas truquée. De
même, on suppose que la pièce de monnaire et l’expérience qui consiste
à jeter la pièce n’est pas truquée. Ainsi, on déduit que :
— E(X|N ) = N2
Aussi d’après EC5 , on déduit que E(E(X|N )) = E(X). En combinant ce
dernier résultat avec le précédent, on constate que E(E(X|N )) = E(X) =
E( N2 ).
D’où E(X) = E(N 2
)
= 47

Correction exercice 14

— E(Y − X|G) = E(Y |G) − E(X|G) = X − X = 0 (car X est G mesurable

+ hypothèse de l’exercice).
— E((Y − X)2 |G) = E(Y 2 |G) − 2E(Y X|G) + E(X 2 |G)
— Puisque X est G mesurable alors E(Y X|G) = XE(Y |G) = X 2 . D’apr‘es
EC6
— Puisque X est G mesurable alors E(X 2 |G) = X 2 .
Ainsi E((Y − X)2 |G) = E(Y 2 |G) − X 2 . On déduit que V ar(Y − X|G) =
E(Y 2 |G) − X 2 .

V ar(Y − X) = E(V ar(Y − X|G)) + V ar(E(Y − X|G)) = E(E(Y 2 |G) − X 2 ) +

V ar(0).

N. EL HACHEMI UM5-EMI
14 Travaux dirigés : Calcul Stochastique

V ar(Y − X) = E(E(Y 2 |G)) − E(X 2 ). D’après EC5 V ar(Y − X) = E(Y 2 ) −

E(X 2 ). En utilisant l’hypothèse de l’exercice on constate que V ar(Y − X =
0), CQFD.

Correction exercice 15
Nous pouvons supposer que s < t, l’autre cas peut être démontré de la
même manière.
COV (Wt , Ws ) = COV (Wt −Ws +Ws , Ws ) = COV (Wt −Ws , Ws )+COV (Ws , Ws )

COV (Wt , Ws ) = COV (Wt − Ws , Ws − W0 ) + COV (Ws , Ws ). Notez que W0 = 0

et que les incréments de W sont indépendants.
Ainsi,
COV (Wt , Ws ) = COV (Ws , Ws ) = V ar(Ws ) = V ar(Ws − W0 ) = s, CQFD.

N. EL HACHEMI UM5-EMI