Séance de cours

Martingales et le mouvement brownien : critères et théorèmes de convergence

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-330: Martingales and Brownian motion

Introduction to the theory of discrete-time martingales (optional stopping and convergence theorems) and its applications (gambler's ruin, branching processes, Pólya urns...). Introduction to Brownian motion. ...

Description

Cette séance de cours explore les critères de convergence en relation avec les martingales, couvrant des sujets tels que la convergence des probabilités et la convergence presque certaine. L'instructeur explique les théorèmes de convergence monotone et de convergence dominée, qui permettent l'échange de limite et d'attente. La séance de cours introduit également le concept de critère de Cauchy pour une convergence presque certaine, fournissant des informations sur la vérification de la convergence d'une séquence de variables aléatoires. En outre, l'instructeur discute du critère de Cauchy pour les martingales, soulignant son rôle dans la détermination de la convergence d'une séquence martingale. La séance de cours se termine par la présentation du premier théorème de la convergence martingale, soulignant l'importance des martingales intégrables carrées.

Source officielle

Concepts associés (32)

Convergence de variables aléatoires

Dans la théorie des probabilités, il existe différentes notions de convergence de variables aléatoires. La convergence (dans un des sens décrits ci-dessous) de suites de variables aléatoires est un concept important de la théorie des probabilités utilisé notamment en statistique et dans l'étude des processus stochastiques. Par exemple, la moyenne de n variables aléatoires indépendantes et identiquement distribuées converge presque sûrement vers l'espérance commune de ces variables aléatoires (si celle-ci existe).

Variable aléatoire

vignette|La valeur d’un dé après un lancer est une variable aléatoire comprise entre 1 et 6. En théorie des probabilités, une variable aléatoire est une variable dont la valeur est déterminée après la réalisation d’un phénomène, expérience ou événement, aléatoire. En voici des exemples : la valeur d’un dé entre 1 et 6 ; le côté de la pièce dans un pile ou face ; le nombre de voitures en attente dans la 2e file d’un télépéage autoroutier ; le jour de semaine de naissance de la prochaine personne que vous rencontrez ; le temps d’attente dans la queue du cinéma ; le poids de la part de tomme que le fromager vous coupe quand vous lui en demandez un quart ; etc.

Convergence uniforme

La convergence uniforme d'une suite de fonctions est une forme de convergence plus exigeante que la convergence simple. La convergence devient uniforme quand toutes les suites avancent vers leur limite respective avec une sorte de « mouvement d'ensemble ». Dans le cas de fonctions numériques d'une variable, la notion prend une forme d'« évidence » géométrique : le graphe de la fonction f se « rapproche » de celui de la limite. Soient X un ensemble, (Y, d) un espace métrique, et A un sous-ensemble de X.

Probabilité

vignette|Quatre dés à six faces de quatre couleurs différentes. Les six faces possibles sont visibles. Le terme probabilité possède plusieurs sens : venu historiquement du latin probabilitas, il désigne l'opposé du concept de certitude ; il est également une évaluation du caractère probable d'un événement, c'est-à-dire qu'une valeur permet de représenter son degré de certitude ; récemment, la probabilité est devenue une science mathématique et est appelée théorie des probabilités ou plus simplement probabilités ; enfin une doctrine porte également le nom de probabilisme.

Comparaison série-intégrale

Les séries sont un procédé de sommation de grandeurs discrètes, l'intégrale de grandeurs continues. L'analogie formelle entre les deux domaines permet de faire passer des idées intéressantes de l'une à l'autre. La comparaison explicite d'une intégrale et d'une série associées permet par exemple d'utiliser l'une pour avoir des valeurs approchées de l'autre. À partir de la série numérique de terme général un, on fabrique une fonction constante par morceaux f, définie par f(x) = un pour x dans [n, n+1[.

Afficher plus

Séances de cours associées (64)

Intégrabilité et convergence uniformes

Explore l'intégrabilité uniforme, les théorèmes de convergence et l'importance des séquences bornées dans la compréhension de la convergence des variables aléatoires.

Convergence en droit : théorème et preuve

Explore la convergence en droit pour les variables aléatoires, y compris le théorème de Kolmogorov et les preuves basées sur les lemmes de probabilité.

Loi des grands nombres : Convergence forte

Explore la forte convergence des variables aléatoires et l'approximation de la distribution normale dans les probabilités et les statistiques.

Variables aléatoires continues

Explore les variables aléatoires continues, les fonctions de densité, les variables articulaires, l'indépendance et les densités conditionnelles.

Convergence des probabilités

Explore la convergence des probabilités, discutant des conditions de convergence des séquences variables aléatoires et de l'unicité de la convergence.

Afficher plus

Concepts associés (32)

Convergence de variables aléatoires

Variable aléatoire

Convergence uniforme

Probabilité

Comparaison série-intégrale

Afficher plus