Séance de cours

Temps d'arrêt: Martingales et Brownian Motion

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

MATH-431: Theory of stochastic calculus

Introduction to the mathematical theory of stochastic calculus: construction of the Ito stochastic integral, proof of the Ito formula, introduction to stochastic differential equations, Girsanov's theorem and the Feynman-Kac formula, the martingale represe ...

Description

Cette séance de cours couvre le concept de temps d'arrêt dans le contexte des martingales et du mouvement brownien, en discutant des conditions d'arrêt, des filtrations continues et des exemples de temps d'arrêt raisonnables. L'instructeur démontre les propriétés de convergence des martingales et explore la forte propriété de Markov dans le mouvement brownien.

Enseignant·e·s (2)

Robert Dalang

Robert Dalang, né en 1961, a reçu le diplôme de Mathématicien-EPFL en 1983 et est lauréat du Prix Dommer. Il passe l'année 1985-86 à Cornell University (USA) comme chercheur invité. Il obtient le doctorat au Département de mathématiques de l'EPFL en 1987. Son domaine de spécialisation est la théorie des processeurs stochastiques. En 1987, Robert Dalang est nommé professeur assistant au Département de statistiques de l'Université de Californie à Berkeley (USA). En 1988, il reçoit une bourse post-doctorale du Fonds national scientifique américain et effectue des recherches sur les propriétés markoviennes de processus stochastiques à plusieurs paramètres. En 1990, il est nommé à Tufts University (Boston, USA). Il est promu professeur associé en mai 1993. Une partie importante de ses recherches se font dans le cadre de contrats avec le Fonds national scientifique américain et l'Office de la recherche de l'armée américaine. En collaboration avec le Prof. R. Cairoli du Département de mathématiques de l'EPFL, il a écrit un livre sur l'optimisation stochastique séquentielle publié en 1996 aux éditions John Wiley. M. Dalang est nommé professeur extraordinaire de probabilités au Département de mathématiques en 1995. Il y poursuit des travaux de recherche en processus stochastiques et probabilité appliquée et participe à l'enseignement des processus stochastiques, de la théorie des probabilités et des cours de mathématiques aux sections d'ingénieurs. Il dirige régulièrement des thèses de doctorats, est éditeur de plusieurs journaux de recherche mathématique et travail en collaboration avec des chercheurs de plusieurs universités européennes et américaines.

Thomas Mountford

D'origine britannique, né en 1961. Il a reçu la bourse présidentielle des jeunes investisseurs (Presidential Young Investigator Grant) en 1990 et le prix de la Fraternité Sloan (Sloan Fellowship) en 1991. Son travail montre que les valeurs critiques d'une classe large de de systèmes de particules proches sont égales à 1, et que, suite à plusieurs travaux sur la trajectoire du mouvement brownien, incluant une simulation numérique, le nombre d'îlots browniens en 2 dimensions tend vers l'infini quand leurs tailles tendent vers 0. Il reçoit le prix Rosenbaum en 1993 lui ouvrant ainsi les portes du Isaac Newton Institute à Cambridge. Il est également décoré par le prix Rollo Davidson en 1995 et nommé membre honoraire de l'Institute of Mathematical Statistics en 2001. Assistant Profeseur de Mathematique a UCLA 1987- 1991 Associate Professeur de Mathematique a UCLA 1991-1993 Professeur de Mathematique a UCLA 1993-2001 Professeur Departement de mathématiques, EPFL dès 2001

Source officielle

Concepts associés (14)

Temps d'arrêt

vignette|Temps d'impact et temps d'arrêt de trois échantillons de mouvement brownien. En théorie des probabilités, en particulier dans l'étude des processus stochastiques, un temps d'arrêt (également appelé temps d'arrêt optionnel, et correspondant à un temps de Markov ou moment de Markov défini) est une variable aléatoire dont la valeur est interprétée comme le moment auquel le comportement d'un processus stochastique donné présente un certain intérêt.

Martingale (calcul stochastique)

Une martingale est une séquence de variables aléatoires (autrement dit un processus stochastique), telles que l'espérance mathématique à l'instant , conditionnellement à l'information disponible à un moment préalable , notée , vaut (avec ). En particulier, dans un processus discret (t entier), . Une martingale peut modéliser les gains / pertes accumulés par un joueur au cours de répétitions indépendantes d'un jeu de hasard à espérance nulle (même si le joueur s'autorise à modifier sa mise en fonction des gains passés), d'où l'emprunt du terme martingale au monde du jeu.

Filtration (mathématiques)

En mathématiques, une filtration sur un ensemble est une suite de parties croissante ou décroissante pour l'inclusion. Un espace filtré est un ensemble muni d'une filtration compatible avec sa structure. Les filtrations sont utilisées notamment : en algèbre pour ramener par exemple l'étude d'un espace vectoriel de dimension infinie à celle d'une suite d'espaces de dimension finie, en topologie pour décomposer un espace topologique à l'aide de CW-complexes finis, en statistique exploratoire pour modéliser un dendogramme de données brutes, y appliquer la notion d'homologie persistante, et ouvrir la voie à l'analyse topologique de données mais aussi en théorie des probabilités pour définir entre autres certaines classes de processus stochastiques, comme les martingales, ou encore les chaines de Markov.

Propriété de Markov

vignette|Exemple de processus stochastique vérifiant la propriété de Markov: un mouvement Brownien (ici représenté en 3D) d'une particule dont la position à un instant t+1 ne dépend que de la position précédente à l'instant t. En probabilité, un processus stochastique vérifie la propriété de Markov si et seulement si la distribution conditionnelle de probabilité des états futurs, étant donnés les états passés et l'état présent, ne dépend en fait que de l'état présent et non pas des états passés (absence de « mémoire »).

Doob's martingale convergence theorems

In mathematics specifically, in the theory of stochastic processes Doob's martingale convergence theorems are a collection of results on the limits of supermartingales, named after the American mathematician Joseph L. Doob. Informally, the martingale convergence theorem typically refers to the result that any supermartingale satisfying a certain boundedness condition must converge.

Afficher plus

Séances de cours associées (54)

Martingales et Brownian Motion: Partie 1

Explore les transformations du mouvement brownien, les propriétés de Markov et l'invariance de l'échelle.

Convergence de la chaîne de Markov

Explore la convergence de la chaîne de Markov, en mettant l'accent sur la distribution invariante, la loi des grands nombres et le calcul des récompenses moyennes.

Théorème de convergence de Martingale: Preuve et temps d'arrêt

Explore la preuve du théorème de convergence de martingale et le concept de temps d'arrêt dans les martingales intégrables carrées.

Martingales et Brownian Motion

Discute de la convergence, des martingales, du mouvement brownien, des lois communes, des procédures de test et des temps d'arrêt.

Sub- et Supermartingales: Théorie et applications

Explore les sous-martingales et les supermartingales, les temps d'arrêt et leurs applications dans les processus stochastiques.

Afficher plus

Concepts associés (14)

Temps d'arrêt

Martingale (calcul stochastique)

Filtration (mathématiques)

Propriété de Markov

Doob's martingale convergence theorems

Afficher plus