Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Sub- et Supermartingales: Théorie et applications

Dans cours

COM-417: Advanced probability and applications

In this course, various aspects of probability theory are considered. The first part covers the main theorems in the field (law of large numbers, central limit theorem), while the second part focuses on the theory of martingales and concentration inequalit ...

Description

Cette séance de cours couvre les concepts de sous-martingales et de supermartingales, en se concentrant sur les processus intégrables carrés et les filtrations martingales. Il se penche également sur les temps darrêt et les théorèmes darrêt facultatifs dans le contexte des processus stochastiques à temps discret.

Enseignant·e·s (2)

Yanina Yurina Shkel

Olivier Lévêque

Olivier Lévêque est né en Suisse en 1971. Il a reçu le diplôme d'ingénieur-physicien de l'EPFL en 1995 et obtenu le doctorat au Département de Mathématiques de l'EPFL en 2001. Depuis lors, il travaille au Laboratoire de Théorie de l'Information à l' EPFL. Il a passé l'année académique 2006-2007 au Département d'Electricité de l'Université de Stanford, où il a été nommé chargé de cours. Ses domaines d'intérêt comprennent la théorie de l'information, les matrices aléatoires et les équations aux dérivées partielles stochastiques.

Source officielle

Concepts associés (26)

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.

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.

Processus stochastique

Un processus ou processus aléatoire (voir Calcul stochastique) ou fonction aléatoire (voir Probabilité) représente une évolution, discrète ou à temps continu, d'une variable aléatoire. Celle-ci intervient dans le calcul classique des probabilités, où elle mesure chaque résultat possible (ou réalisation) d'une épreuve. Cette notion se généralise à plusieurs dimensions. Un cas particulier important, le champ aléatoire de Markov, est utilisé en analyse spatiale.

Processus de Wiener

En mathématiques, le processus de Wiener est un processus stochastique à temps continu nommé ainsi en l'honneur de Norbert Wiener. Il permet de modéliser le mouvement brownien. C'est l'un des processus de Lévy les mieux connus. Il est souvent utilisé en mathématique appliquée, en économie et en physique. Le processus de Wiener est défini comme un mouvement brownien standard monodimensionnel, démarrant à l'origine, et à valeurs réelles.

Intégrale d'Itō

vignette|Tracé d'une trajectoire échantillon d'un processus de Wiener, ou mouvement brownien, B, ainsi que son intégrale d'Itô par rapport à lui-même. L'intégration par parties ou le lemme d'Itô montre que l'intégrale est égale à (B2 - t)/2. L'intégrale d'Itô, appelée en l'honneur du mathématicien Kiyoshi Itô, est un des outils fondamentaux du calcul stochastique. Elle a d'importantes applications en mathématique financière et pour la résolution des équations différentielles stochastiques.

Afficher plus

Séances de cours associées (32)

Variations quadratiques : Martingales et Integras stochastiques

Explore les variations quadratiques dans les martingales et les intégrales stochastiques, en mettant l'accent sur leurs propriétés et extensions.

Martingales et intégration stochastique

Couvre les martingales, l'intégration stochastique et les processus de localisation en utilisant les temps d'arrêt.

Intégration stochastique : premières étapes

Couvre l'intégration stochastique, le support de processus, les martingales et les variations dans les sous-martingales.

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.

Théorème de convergence de Martingale : preuve et résumé

Couvre la preuve et le résumé du théorème de convergence martingale, en se concentrant sur les conditions d'existence d'une variable aléatoire.

Afficher plus

Concepts associés (26)

Martingale (calcul stochastique)

Temps d'arrêt

Processus stochastique

Processus de Wiener

Intégrale d'Itō

Afficher plus