Processus aléatoires Thomas Budzinski

ENS Paris, 2016-2017 Bureau V2

[Link]@[Link]

TD 2 : Construction du mouvement brownien

Corrigé

Lundi 26 Septembre

1 Calculs autour de la construction du mouvement brownien

Exercice 1 On rappelle que les fonctions gn,k sont définies sur [0, 1] de la manière suivante :
 n−1
k−1

 k−1 k 
2 2 t − 2n
si t ∈  2n , 2n

n−1
g0,0 (t) = t et gn,k (t) = 2 2 k+1 2n − t si t ∈ 2kn , k+
2n

0 partout ailleurs


pour n ≥ 1 et 1 ≤ k ≤ 2n avec k impair. Soient (ξn,k )n,k≥0 i.i.d. de loi N (0, 1). Pour tout t de la forme
i
2n on pose X
Bt = gn,k (t)ξn,k .
n,k

Vérifier que pour tous s et t dyadiques on a bien E [Bs Bt ] = min (s, t).
Indication : On pourra raisonner par récurrence en exprimant gn,k en fonction de gn−1,k ou de gn−1,k−2n−1 .
Solution de l’exercice 1 Soient s et t dyadiques. On a
XX X
E [Bs Bt ] = gm,` (s)gn,k (t)E [ξm,` ξn,k ] = gn,k (s)gn,k (t)
n,k m,` n,k

car si (m, `) 6= (n, k) alors E [ξm,` ξn,k ] = E [ξm,` ] E [ξn,k ] = 0. Soit p tel que 2p s et 2p t sont entiers. En
remarquant que gn,k (s) = 0 dès que n > p + 1, on peut se restreindre aux (n, k) avec n ≤ p. Il suffit donc
de montrer pour tous s, t de la forme 2ip :
p X
X
gn,k (s)gn,k (t) = min(s, t) − st,
n=1 k

1
ce qu’on va faire par récurrence sur p. C’est vrai pour p = 0. Supposons que ce le soit pour p − 1. Si s ≤ 2
et t ≥ 21 , alors dès que n ≥ 2 on a gn,k (s)gn,k (t) = 0 donc il suffit de calculer

g1,1 (s)g1,1 (t) = s(1 − t) = min(s, t) − st.

1
Si s, t ≤ 2 alors
p X
X p
X
gn,k (s)gn,k (t) = st + gn,k (s)gn,k (t),
n=1 k n=2

1
où pour tout (n, k) correspondant à un terme non nul on a k < 2n−1 . On remarque que les fonctions à
l’"étage" n peuvent s’exprimer assez facilement en fonction de celle à l’"étage" n − 1 : si k ≤ 2n−1 et
x ≤ 12 alors
1
gn,k (x) = √ gn−1,k (2x)
2
d’où
p X p−1
X X 1 1
gn,k (s)gn,k (t) = st + √ gn,k (2s) √ gn,k (2t)
n=1 k n=1
2 2
1
= st + (min (2s, 2t) − (2s)(2t))
2
= min(s, t) − st
1
en utilisant l’hypothèse de récurrence. Le cas s, t ≥ 2 se traite de manière similaire en écrivant

1
gn,k (x) = √ gn−1,k−2n−1 (2x − 1)
2

pour k ≥ 2n−1 et x ≥ 12 .
 
Exercice 2 Soit (Btn )t∈[0,1] une suite de mouvements browniens sur [0, 1] indépendants. Pour tout
n≥0
+
t ∈ R on pose  
btc−1
btc
X
Bt = B1n  + Bt−btc .
n=0

Vérifier que pour tous s et t on a bien

E [Bs Bt ] = min (s, t) .

Solution de l’exercice 2 En développant Bs Bt et en intervertissant somme et espérance, on obtient

bsc−1 btc−1 bsc−1 h i btc−1 h i h i
btc bsc bsc btc
X X X X
E [Bs Bt ] = E [B1m B1n ] + E B1m Bt−btc + E Bs−bsc B1n + E Bs−bsc Bt−btc
m=0 n=0 m=0 n=0
bmin(s,t)c−1 h i h i
+ 1btc≤bsc−1 E B1 Bt−btc + 1bsc≤btc−1 E B1 Bs−bsc
btc btc bsc bsc
X
E [( B1n

2 
=
n=0
h i
+ 1bsc=btc E Bs−bsc
bsc btc
Bt−btc ,

en supprimant les termes qui sont nuls par indépendance de B m et B n pour m 6= n. En utilisant les
covariances des B n on obtient finalement

E [Bs Bt ] = bmin(s, t)c + 1btc<bsc (t − btc) + 1bsc<btc (s − bsc) + 1bsc=btc min (s − bsc, t − btc)
= min(s, t).

2 Comment identifier la loi d’un processus ?

Soit T > 0. On munit l’espace C([0, T ]) des fonctions continues de [0, T ] dans R de la norme infinie,
et de la tribu borélienne B (C([0, T ])) associée à cette norme. On rappelle (TD de la semaine dernière,

2
exercice 6) que la tribu borélienne est aussi la plus petite tribu sur C([0, T ]) qui rend mesurables les
projections x → xt pour t ∈ [0, T ].
Exercice 3 Soient X et Y deux variables aléatoires à valeurs dans l’espace C([0, T ]). On suppose que
pour tout k ≥ 1 et tous t1 , . . . , tk ∈ [0, T ], les vecteurs

(Xt1 , Xt2 , . . . , Xtk ) et (Yt1 , Yt2 , . . . , Ytk )

ont la même loi. Montrer que X et Y ont la même loi.

Solution de l’exercice 3 C’est une conséquence du rappel ci-dessus et du lemme de classe monotone.
D’après le rappel la tribu C([0, T ]) est engendrée par les événements de la forme {Xt ∈ A} avec t ∈ [0, T ]
et A ∈ B(R), donc par les événements de la forme

{Xt1 ∈ A1 , Xt2 ∈ A2 , . . . , Xtk ∈ Ak } (1)

avec t1 , . . . , tk ∈ [0, T ] et A1 , . . . , Ak ∈ B(R). De plus, les événements de la forme (1) sont stables par
intersections finies. D’après le lemme de classe monotone, la classe monotone qu’ils engendrent est donc
B (C([0, T ])). Or, l’ensemble des A ∈ B (C([0, T ])) tels que P (X ∈ A) = P (Y ∈ A) est une classe monotone
(c’est une vérification facile), qui contient les A de la forme (1) d’après l’hypothèse de l’énoncé. On a
donc P (X ∈ A) = P (Y ∈ A) pour tout A ∈ B (C([0, T ])) donc X et Y ont la même loi.
Exercice 4 En déduire que si X vérifie les trois conditions suivantes :
(i) pour tous t1 , . . . , tk ≥ 0 le vecteur (Xt1 , . . . , Xtk ) est un vecteur gaussien,
(ii) pour tout t ≥ 0 on a E [Xt ] = 0,
(iii) pour tous s, t ≥ 0 on a E [Xs Xt ] = min (s, t),
alors X a la loi d’un mouvement brownien.
Solution de l’exercice 4 Soit B un mouvement brownien et t1 , . . . , tk ∈ [0, T ] : d’après l’exercice précédent,
il suffit de vérifier que (Xt1 , . . . , Xtk ) a la même loi que (Bt1 , . . . , Btk ). Or, les deux sont des vecteurs
gaussiens d’après l’hypothèse (i) et on sait que la loi d’un vecteur gaussien est entièrement déterminée
par son espérance et par sa matrice de covariance.  Or, d’après
 l’hypothèse
 (ii) on a E [Xti ] = E [Bti ] = 0
pour tout i, et d’après l’hypothèse (iii) on a E Xti Xtj = E Bti Btj = min (ti , tj ) pour tous i et j, donc
on peut conclure.

Remarque Dans la suite, on pourra admettre que ce résultat reste vrai en remplaçant C ([0, T ]) par
l’espace des fonctions continues de R+ dans R muni de la topologie de la convergence uniforme sur tout
compact et de la tribu borélienne associée (ce n’est pas un résultat difficile, il suffit d’adapter l’exercice
6 du TD1 à ce cas).

3 Mouvements browniens
Exercice 5 Soit B un mouvement brownien et a > 0. Montrer que les processus suivants sont des
mouvementsbrowniens
 :
• X = √1a Bat

t≥0
• Y = tB1/t t≥0
 Rt 
• Z = Bt − 0 Bss ds .
t≥0

Solution de l’exercice 5 Il est facile de vérifier que les deux premiers processus sont gaussiens et centrés.
Il suffit donc de vérifier les covariances :
• E [Xs Xt ] = a1 min(as, at)
= min(s, t) donc X est bien un mouvement brownien
• E [Ys Yt ] = st min 1s , 1t = min(s, t) donc Y est bien un mouvement brownien
Pour le troisième, on commence par vérifier que l’intégrale converge. On a
Z t  Z t Z t
|Bs | 1 E [|B1 |]
E ds = E [|Bs |] ds = √ ds < +∞
0 s 0 s 0 s

3
 Rt
donc 0 |Bss | ds < +∞ p.s. donc Z est bien défini p.s. De plus, soient t1 , . . . , tk ∈ R+ . En écrivant
Rt
l’intégrale 0 Bss ds comme limite de sommes de Riemann, on voit que Zt1 + · · · + Ztk est une limite p.s.
de combinaisons linéaires de valeur de B, donc une limite p.s. de variables gaussiennes, donc une limite
en loi de variables gaussiennes. Or, une limite en loi de variables gaussiennes est gaussienne (cf. TD1,
exercice 4), donc Zt1 + · · · + Ztk est gaussienne. Le processus Z est donc gaussien et il est facile de vérifier
qu’il est centré. Il n’y a donc plus qu’à calculer les covariances. En supposant s ≤ t on a :
Z s Z t Z sZ t
min(t, u) min(s, u) min(u, r)
E [Zs Zt ] = min(s, t) − du − du + du dr
0 u 0 u 0 0 ur
Z s Z t Z sZ s Z sZ t
min(s, u) min(s, u) min(u, r) min(u, r)
= s−s− du − du + du dr + du dr
0 u s u 0 0 ur 0 s ur
Z Z sZ t
t 1 1
= −s − s ln + 2 du dr + du dr
s 0≤u≤r≤s r 0 s u
Z s
t r t
= −s − s ln + 2 dr + s ln
s 0 r s
= −s + 2s = s.

4 Processus de Poisson
Soit λ > 0. On rappelle que le processus de Poisson (Nt )t≥0 d’intensité λ est défini par

Nt = min{n ∈ N|X0 + X1 + · · · + Xn ≥ t},

B
où (Xi )i≥0 est une suite de variables i.i.d. de loi exponentielle de paramètre λ, c’est à dire de loi
λe−λx 1x>0 dx).
−λ λk
On rappelle également que la loi de Poisson de paramètre λ est définie par λ (k) = e k! pour
tout k ∈ N.

B B
Exercice 6 Montrer que pour tous s et t les variables Nt et Ns+t − Nt sont indépendantes de lois

B
respectives λt et λs .
Montrer que pour tous 0 = t0 ≤ t1 ≤ · · · ≤ tk , les variables Nti+1 − Nti pour 0 ≤ i ≤ k − 1 sont
indépendantes de lois respectives λ(ti+1 −ti ) .

Solution de l’exercice 6 Soient ` ≥ k ≥ 0. On veut calculer P (Nt = k, Ns+t = `). Cet événement équivaut
à
{ξ0 + · · · + ξk−1 ≤ t ≤ ξ0 + · · · + ξk et ξ0 + · · · + ξ`−1 ≤ s + t ≤ ξ0 + · · · + ξ` },
donc
Z
P (Nt = k, Ns+t = `) = λ`+1 e−λ(x0 +···+x` ) 1ξ0 +···+ξk−1 ≤t≤ξ0 +···+ξk
R`+1
+

1ξ0 +···+ξ`−1 ≤t≤ξ0 +···+ξ` dx0 . . . dx`

Z
= λ`+1 e−λs` 1s0 ≤···≤sk−1 ≤t≤sk ≤···≤s`−1 ≤s+t≤s` ds0 . . . ds`
R`+1
+
!
 Z +∞  Z
= `
λ λ e−λs` ds` × ds0 . . . dsk−1
s+t 0≤s0 ≤s1 ≤···≤sk−1 ≤t
Z !
× dsk . . . ds`−1
t≤sk ≤sk+1 ≤···≤s`−1 ≤s+t

4
en faisant le changement de variables si = x0 + x1 + · · · + xi . Le premier facteur vaut e−λ(s+t) , le second
tk
k! (c’est un simple calcul par récurrence sur k, en intégrant d’abord sur les k − 1 plus petites variables,
s`−k
puis sur sk−1 ) et le troisième vaut (`−k)! (c’est le même calcul que pour le second facteur à changement
k1 k2
de variable près). On obtient donc P (Nt = k1 , Ns+t = k1 + k2 ) = (λt)
k1 ! e
−λt (λs)
k2 ! e
−λs
, d’où le résultat.
Avec plus de deux accroissements, le calcul est similaire mais juste un peu plus long à écrire.
Exercice 7 Soient N (1) et N (2) deux processus de Poisson indépendants de paramètres respectifs λ1 et
λ2 . Montrer que N (1) + N (2) est un processus de Poisson de paramètre λ1 + λ2 .
Solution de l’exercice 7 D’après l’exercice 6 il suffit de calculer la loi de
 
(1) (2) (1) (2)
Nt1 + Nt1 , . . . , Ntk + Ntk

(2) (1) (2)

les Nti+1 + Nti+1 − Nti − Nti sont indépendantes, de lois respectives
(1) (2)
B
pour tous k ≥ 0 et 0 ≤ t1 ≤ · · · ≤ tk . Plus précisément, d’après l’exercice 7 il suffit de montrer que
(1)
(λ1 +λ2 )(ti+1 −ti ) . Or, d’après
(1) (1) (2) (2)
− Nti et Nti+1 − Nti sont toutes

B B
l’exercice 7 et par indépendance de N et N les variables Nti+1
(1) (2) (1) (2)
indépendantes donc les Nti+1 + Nti+1 − Nti − Nti sont bien indépendantes, et chacune est la somme
de deux variables indépendantes de lois λ1 (ti+1 −ti ) et λ2 (ti+1 −ti ) . Il suffit donc de vérifier que
la somme de deux variables de Poisson Xλ et Xµ de paramètres λ et µ est une variable de Poisson de
paramètre λ + µ, ce qu’on peut faire par exemple en calculant sa fonction caractéristique :
h i
E eiu(Xλ +Xµ ) = E eiuXλ E eiuXµ
   
  
k `
X λ X λ
=  eiuk e−λ   eiu` e−λ 
k! `!
k≥0 `≥0

= exp λeiu − λ exp µeiu − µ

= exp (λ + µ)(eiu − 1) .