Bibliographie & annexes
Présentation
English
RÉSUMÉ
La notion de chaîne a été introduite en 1902 par Andrei Markov dans le but de formaliser des problèmes d'épistémologie et de cryptage. Plus tard, vers 1940-1950, est apparu un formalisme beaucoup mieux adapté, proposant des modes opératoires effectifs s'inspirant de la théorie générale des processus stochastiques et de la théorie du potentiel. Cette présentation est élémentaire et ne nécessite que des connaissances de base en probabilités. Des exemples illustrent la théorie débouchant sur des procédures algorithmiques génériques : algorithmes de recherche de mesures invariantes, de la programmation dynamique et des chaînes de Markov cachées.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleAuteur(s)
-
Jean LACROIX : Professeur à l'université Paris VI
INTRODUCTION
La notion de chaîne a été introduite en 1902 par Andrei Markov dans le but de formaliser des problèmes d'épistémologie et de cryptage.
L'espace d'états est alors fini et, durant une longue période, beaucoup d'utilisateurs se sont contentés de manipulations matricielles qui trouvent rapidement leurs limites, même avec les moyens informatiques actuels. Ce n'est que vers les années 1940-1950 qu'est apparu un formalisme beaucoup mieux adapté, proposant des modes opératoires effectifs qui s'inspirent de la théorie générale des processus stochastiques et de la théorie du potentiel. La présentation qui en est faite ici est volontairement élémentaire et ne nécessite que des connaissances de base en probabilités. En effet, l'on se restreint ici à un espace d'états dénombrable et l'on ne fait pas usage de concepts plus élaborés comme les filtrations ou la théorie des martingales. La notion de dépendance markovienne est très intuitive ; par contre, les techniques de calcul demandent plus de dextérité et d'entraînement. C'est pourquoi un grand nombre de preuves et d'exemples sont fournis, pour permettre au lecteur de s'exercer à la manipulation d'outils nouveaux. Quelques preuves sont aussi rédigées pour pallier la lourdeur de certaines présentations, principalement en ce qui concerne celles décrites dans le paragraphe . En ce qui concerne les applications, qui sont extrêmement nombreuses, le choix s'est porté sur quelques exemples qui débouchent sur des procédures algorithmiques génériques, relativement récentes et d'un usage très répandu : algorithmes de recherche de mesures invariantes (Propp-Wilson, Metropolis), de la programmation dynamique (Bellman) et des chaînes de Markov cachées (E.M.).
L'expertise technique et scientifique de référence
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Mathématiques
(167 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
Classification des chaînes de Markov
English
1. Évolution markovienne
Pour expliciter la notion d'évolution markovienne à temps discret, l'un des concepts de base est celui d'opérateur de transition, donnant la loi de probabilité de l'état d'un système aléatoire à l'instant (n + 1), compte tenu de son état à l'instant (n). Dans le cas d'un espace d'états dénombrable, cette notion se réduit à celle de matrice de transition que nous commençons par préciser.
1.1 Matrices de transition
Soit E un ensemble dénombrable.
On note
l'ensemble des applications de E dans
,
l'ensemble des applications de E dans [0, + ∞], et
l'ensemble des applications bornées de E dans
muni de la norme
.
De même, on désigne par
l'ensemble des mesures sur E, E étant dénombrable ;...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Mathématiques
(167 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Évolution markovienne
BIBLIOGRAPHIE
-
(1) - BREMAUD (P.) - Chaînes de Markov - Springer-verlag, New-York (2001).
-
(2) - DELMAS (J.F.), JOURDAIN (B.) - Modéles aléatoires - Mathématiques et applications (57) Springer-verlag, Berlin (2006).
-
(3) - DURRETT (R.) - Probability : Theory and examples - Wadsworth and Brooks, Pacific Grove (1991).
-
(4) - LACROIX (J.) - Chaînes de Markov et processus de Poisson - Cours en ligne de l’université de Paris VI http://www.proba.jussieu.fr/supports.php.
-
(5) - LACROIX (J.), PRIOURET (P.) - Probabilités approfondies - Cours en ligne de l’université de Paris VI http://www.proba.jussieu.fr/supports.php.
-
(6) - MAZLIAK (L.), PRIOURET (P.), BALDI (P.) - Martingales et chaînes de Markov - Hermann, (2001).
-
...
DANS NOS BASES DOCUMENTAIRES
-
Probabilités. Concepts fondamentaux
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Mathématiques
(167 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
