28 janvier 2014
Dans cette premi`ere feuille de TD, on emploiera mouvement brownien comme abreviation de mouvement brownien unidimensionnel issu de 0.
Exercice 1 Sur la construction de Levy.
` un element (k, n) de I on associe deux
On pose I := {(k, n) N2 : k < 2n }. A
fonctions definies sur [0, 1] : sa fonction de Haar
hk,n := 2n/2 1[2k/2n+1 ,(2k+1)/2n+1 ] 1[(2k+1)/2n+1 ,(2k+2)/2n+1 ]
et sa fonction de Schauder
Z
gk,n : t 7
hk,n (t)dt.
0
(m)
Bt
:= N0 t +
m 2X
1
X
n=0 k=0
(m)
2. Constater que si t est de la forme 2kn , la suite (Bt )m0 stationne a` partir du rang
n. On notera Bt la valeur sur laquelle cette suite stationne.
3. Soit X et Y deux variables aleatoires gaussiennes centrees (unidimensionnelles)
reduites independantes. Demontrer que
X X + Y (loi) X + Y
,
=
,X .
2
2
2
4. Montrer que, pour tous t1 < < tn dyadiques, le vecteur aleatoire (Bt1 , . . . , Btn )
a la loi attendue de la part dun mouvement brownien.
Exercice 2 Un mouvement brownien en donne plusieurs.
Soit (Bt )t0 un mouvement brownien.
1. Montrer que, si R?+ , le processus (1/2 Bt )t0 est un mouvement brownien.
2. Demontrer que B1 B1t definit un mouvement brownien sur [0, 1].
1
3. Etablir
que (tB1/t )t0 definit un mouvement brownien, la valeur en 0 de ce processus
etant definie comme egale `a 0.
Exercice 3 Plusieurs mouvements browniens en forment un.
Soit (B (n) ) une suite de mouvements browniens independants definis sur [0, 1]. On
definit sur R+ le processus
btc
X
(btc)
(i)
B : t 7 Btbtc +
B1 .
i=1
ENS de Lyon - M1
4 f
evrier 2014
0
B+B
ENS de Lyon - M1
11 f
evrier 2014
Exercice 1 Mesurabilite.
Soient B un mouvement brownien et T un temps darret pour la filtration F 0 . Demontrer
que (T, Bmin(t,T ) )t0 est FT -mesurable.
Exercice 2 Temps darret ?
Soit O un ouvert non-trivial de Rd . Le temps datteinte de O est-il un F 0 -temps
darret ?
Exercice 3 Temps datteinte.
Soit B un mouvement brownien unidimensionnel standard. Soit O un ouvert de R.
Montrer que, presque s
urement, les temps datteinte de O et de son adherence sont egaux.
Demontrer que cet enonce nest plus correct (en general) si on autorise louvert O a`
dependre de .
Exercice 4 Des heros et des huns.
Soit E une partie mesurable de lespace de Wiener sur Rd . On suppose que lappartenance dune fonction f a` E ne depend que de sa restriction a` [T, [, et ce quelle que
soit la valeur de T . Par loi du 0 -1, un mouvement brownien de dimension d issu de x
appartient `a E avec probabilite p(x) {0, 1}. On va montrer de deux facons differentes
que la fonction p est en fait constante.
1. Soient B et B 0 deux mouvements browniens sur Rd issus de points a priori differents.
Demontrer que les processus (Bt )t1 et (Bt0 )t1 sont absolument continus lun par
rapport `a lautre. En deduire la constance de p.
2. Par un argument de couplage, redemontrer que p est constante.
Exercice 5 Le dernier point du cercle.
Soit B un mouvement brownien sur R. Par projection sur R/Z, ce processus definit
une trajectoire aleatoire sur le cercle. Demontrer que le dernier point `a etre decouvert par
ce processus est presque s
urement bien defini et que sa loi est uniforme sur le cercle.
ENS de Lyon - M1
18 f
evrier 2014
Exercice 1 Indecision.
Soit B un mouvement brownien unidimensionnel standard. Demontrer que la probabilite de levenement suivant est nulle : pour suffisamment petit, B atteint avant
datteindre .
Exercice 2 Temps darret.
Soit B un mouvement brownien. Soient S et T des F 0 -temps darret tels que, presque
s
urement, S T < . Est-il vrai que 1T < (BT BS ) est necessairement independant
de FS0 ?
Exercice 3 Les proprietes de Markov.
Soit B un mouvement brownien unidimensionnel issu de 1. Soit X une variable de
Bernoulli de param`etre 1/2 independante de B. Demontrer que le processus XB a la
propriete de Markov faible mais pas la propriete de Markov forte.
Exercice 4 Un espace de Cantor aleatoire.
Soit B un mouvement brownien standard unidimensionnel defini sur [0, 1]. Demontrer
que, presque s
urement, son lieu dannulation est homeomorphe a` lespace de Cantor
N
{0, 1} .
ENS de Lyon - M1
25 f
evrier 2014
Exercice 1 Contre-exemple.
Soit B un mouvement brownien unidimensionnel standard. Trouver deux F 0 -temps
darret S et T tels que les trois conditions suivantes soient satisfaites :
S T < ,
E[S] < ,
E[BS2 ] > E[BT2 ].
Exercice 2 Dautre martingales issues du brownien.
Soit B un mouvement brownien unidimensionnel standard.
1. Demontrer que Bt3 3tBt est une martingale.
2. Demontrer que Bt4 6tBt2 + 3t2 est une martingale.
Soit (Ft ) une filtration. On appelle martingale locale tout processus adapte 1 X tel
quil existe une suite croissante de temps darret Tn verifiant les proprietes suivantes :
presque s
urement, Tn tend vers linfini
et, pour tout n, (Xmin(t,Tn ) )t est une martingale.
Exercice 3 Martingale locale positive.
Demontrer que toute martingale locale positive est une surmartingale.
Exercice 4 Un exemple de martingale vraiment locale.
Soit X le processus defini comme suit. Soit (Yi ) une suite de variables ind
ependantes
P
1
de loi de Bernoulli de param`etre 2 . On definit Z comme egal `a n + 1 2 ni=1 Yi sur
lintervalle [1 2n , 1 2(n+1) [ et a` 0 sur [1, [. Enfin, on pose Xt := Zt 1min{Zs ;st}>0 .
1. Demontrer que X nest pas une martingale.
2. En considerant, pour chaque n N? , le temps datteinte de n, demontrer que X est
une martingale locale.
Exercice 5 Processus de Cauchy.
Soit B = (B (1) , B (2) ) un mouvement brownien bidimensionnel. Pour a 0, on pose
V (a) := {a} R et note T (a) le temps datteinte de V (a). On definit le processus X par
(2)
Xa := BT (a) . Demontrer 2 quil sagit dun processus de Markov de noyau de transition
a
p(a, x, dy) =
dy.
2
(a + (x y)2 )
1. Pour tout t, Xt est Ft -mesurable.
2. On pourra commencer par expliciter la densite de la loi de T (a).
ENS de Lyon - M1
2. Soit ]0, ab [. Montrer que, pour tout entier naturel m, pour tous s et t elements
distincts de Dm , les inegalites suivantes sont presque s
urement valables :
X
|Xt Xs |
+1
2
2k Kk < .
|t s|
k=0
3. Conclure proprement.
4. Demontrer que si une autre modification continue (Zt ) convient, alors, sur un
evenement de mesure pleine, Y et Z sont partout egales.
5. Retrouver le fait que, presque s
urement, pour tout ]0, 21 [, le mouvement brownien
unidimensionnel standard est -holderien sur [0, 1].
ENS de Lyon - M1
11 mars 2014
On rappelle que si B designe un mouvement brownien unidimensionnel, alors les processus suivants sont des martingales :
1. exp(Bt 2 t/2), (pour > 0)
2. Bt2 t,
3. Bt3 3tBt ,
4. Bt4 6tBt2 + 3t2 .
Exercice 1 Uniforme cachee.
Soit B un mouvement brownien unidimensionnel issu de 1. Soit T le temps datteinte
de 0 et X la valeur maximale de B sur [0, T ]. Demontrer que la variable aleatoire 1/X
est de loi uniforme sur [0, 1].
Exercice 2 Croiser une droite.
Soient a et b deux reels strictement positifs. Soit B un mouvement brownien unidimensionnel issu de 0. Demontrer que P[t R, Bt = a + bt] = exp(2ab).
Exercice 3 Loi de Cauchy.
Dans cet exercice, on identifie le plan reel a` la droite complexe. Soit donc B un mouvement brownien a` valeurs dans C et issu de i.
1. Soit R. Montrer que exp(iBt ) est une martingale.
2. Soit T le temps datteinte de laxe reel. Montrer que T est fini presque s
urement et
que R, E[exp(iBT )] = exp(||).
3. En deduire la loi de BT .
Exercice 4 Moment dun temps.
Soit B un mouvement brownien unidimensionnel issu de 0. On note T le temps datteinte de {1, 1}. Calculer E[T 2 ]. (Les plus temeraires pourront egalement calculer E[T 2 ] pour
T le temps datteinte de {a, b}, o`
u a < 0 et b > 0.)
ENS de Lyon - M1
ENS de Lyon - M1
8 avril 2014
Montrer quils ont meme loi, et en deduire que Un /n converge en loi vers la loi de
larcsinus.
3. Si (Bt )t[0,1] est un mouvement brownien reel standard, montrer que la mesure de
Lebesgue de lensemble des instants t (0, 1) tels que Bt > 0, est une variable
aleatoire qui suit la loi de larcsinus.
Exercice 3 Excursion brownienne
Soit (Bt )t0 un mouvement brownien reel standard. Pour a > 0, on introduit les temps
darret Ta := inf{t 0, Bt = a} et Ua := inf{t Ta , Bt = 0}, ainsi que Sa := sup{t
Ta , Bt = 0}. La loi du processus
Ea (t) := BSa +t ,
0 t Ua Sa
ENS de Lyon - M1
15 avril 2014
0 t Ua Sa
1. Pour 0 < b < a, soit b := inf{t 0, Ea (t) = b}. Montrer que le processus
(Ea (t + b ))0ta b
est un mouvement brownien issu de b, conditionne `a toucher le niveau a avant le
niveau 0, et tue en son premier temps de retour en 0.
2. Montrer que la loi de lexcursion brownienne est invariante par retournement du
temps, cest-`a-dire que les processus Ea et (Ea (a t))0ta ont meme loi.
3. Pour c > a, montrer que lexcursion Ea conditionnee a` atteindre le niveau c, a la
meme loi que Ec .
4. Montrer que la famille de variables aleatoires (a )a>0 est stochastiquement croissante.
5. Soit (Xt )0t un processus aleatoire tue a` linstant aleatoire > 0. On suppose que
le processus X a` trajectoires continues et prend des valeurs strictement positives
aux instants t (0, ), et verifie de plus la propriete de la question 1 pour tout
0 < b < a. Montrer que X est une excursion brownienne conditionnee a` atteindre le
niveau a.
Montrer quils ont meme loi, et en deduire que Un /n converge en loi vers la loi de
larcsinus.
3. Si (Bt )t[0,1] est un mouvement brownien reel standard, montrer que la mesure de
Lebesgue de lensemble des instants t (0, 1) tels que Bt > 0, est une variable
aleatoire qui suit la loi de larcsinus.
ENS de Lyon - M1
22 avril 2014
S
nt ,
n
o`
u Snt = B(Tbntc )+(ntbntc)(B(Tbntc+1 )B(Tbntc )).
n
o
Bnt
?
Soit > 0. Montrer que la probabilite de levenement sup0t1 n Sn (t) >
tend vers 0 quand n tend vers linfini.
3. Soit K un ferme de C([0, 1], R). En ecrivant K comme lintersection de ses voisinages, demontrer que lim sup P[Sn? K] P[B K]. Conclure.
0 t Ua Sa
5. Soit (Xt )0t un processus aleatoire tue a` linstant aleatoire > 0. On suppose
que le processus X est a` trajectoires continues, sannule en 0, prend des valeurs
strictement positives aux instants t (0, ), et verifie de plus la propriete de la
question 1 pour tout 0 < b < a. Montrer que X est une excursion brownienne
conditionnee a` atteindre le niveau a.
Exercice 3 Temps passe dans la demi-droite
Soit (Sn )n0 la marche aleatoire simple sur Z partant de 0 et (Xn )n1 = (Sn Sn1 )n1
la suite des sauts de la marche (i.i.d et de loi 12 1 + 21 1 ).
1. On fixe n 1, et on definit (Y1 , . . . , Yn ) le rearrangement de (X1 , . . . , Xn ) obtenu
en placant dabord, par ordre decroissant de k, les Xk pour lesquels Sk > 0, puis,
par ordre croissant de k, les Xk pour lesquels Sk 0. Montrer que (Y1 , . . . , Yn ) suit
la meme loi que (X1 , . . . , Xn )
2. On introduit Tn et Un definis par
Tn := inf{k n, Sk = max Si },
0in
Montrer quils ont meme loi, et en deduire que Un /n converge en loi vers la loi de
larcsinus.
3. Si (Bt )t[0,1] est un mouvement brownien reel standard, montrer que la mesure de
Lebesgue de lensemble des instants t (0, 1) tels que Bt > 0, est une variable
aleatoire qui suit la loi de larcsinus.
Exercice 4 Plongement dAzema-Yor
Soit X une variable aleatoire reelle centree de carre integrable. On definit : R R
par (x) := E[X|X x] si P[X x] > 0 et (x) = 0 sinon. Soit aussi B un mouvement
brownien standard unidimensionnel. On pose
Mt := max Bs
et
0st
Le but de cet exercice est de demontrer que est un temps darret, que son esperance
vaut E[X 2 ] et que B a meme loi que X.
P
1. On suppose que la loi de X est de la forme ni=1 pi xi avec p1 . . . pn > 0 ainsi que
x1 < < xn . On note yi := (xi+1 ). On pose
T0 := 0
et
Montrer que T := Tn1 est un temps darret desperance E[X 2 ] et que BT a meme
loi que X.
2. Dans le cadre de la question precedente, montrer que = T .
3. Par un argument dapproximation, deduire le cas general du cas traite.
ENS de Lyon - M1
5 mai 2014
1 g
1 2g
2g
(r,
)
+
(r,
)
+
(r, ).
r2
r r
r2 2
ENS de Lyon - M1
6 mai 2014
k+1
2k
et
p(k, k 1) =
k1
.
2k
Cette formule ayant le bon got de ne pas faire intervenir n, si ce nest pour dire o k est pris,
on dfinit la marche alatoire sur N conditionne ne jamais sannuler comme la chane de
Markov sur N de noyau de transition p.
Lemme 1. Soit (x0 , . . . , x` ) un (` + 1)-uplet dentiers naturels non-nuls. On note la marche
alatoire conditionne ne jamais sannuler et S la marche alatoire simple sur Z ; le point de
dpart x sera spcifi par la notation usuelle Px . On a
x0 Px0 [i `, (i) = xi ] = x` Px0 [i `, S(i) = xi ].
W (t)
Z := W (t + 1), |W
(t)| |W (t)| |W (t + 1)| |W (t)|,
0
o t est un rel positif quelconque, h, i le produit scalaire usuel sur R3 et |0|
un vecteur unitaire
3
arbitraire fix de R . La notation Z ne fait pas intervenir t car la loi de Z conditionnellement
(W (s))0st est gaussienne centre rduite. Comme
k
[
j=1
la variable alatoire n n1 est majore stochastiquement par une variable alatoire gomtrique de paramtre p := P[Z > 2] ; cela signifie quon peut les coupler de telle sorte que la
gomtrique soit presque srement plus grande que la premire variable. On en dduit que la
variance de n n1 1 vaut au plus 2/p. On conclut par orthogonalit des accroissements de
martingale.
On utilisera dsormais les notations S et pour se rfrer aux marches prcdemment voques initialises 0. On pose, pour j N,
M (j) := max S(k)
:= min (k).
I(j)
et
0kj
kj
Enfin, pour t rel positif, on pose I(t) := inf st (s), o est toujours un processus de Bessel
de dimension 3.
Proposition 3. On prolonge I et par interpolation affine, rendant ainsi ces variables valeurs dans C(R+ , R). On a les convergences en loi suivantes dans lespace de Wiener C([0, 1], R) :
(h
(t/h2 ))0t1 ((t))0t1 ,
h0+
2 ))
(hI(t/h
0t1 (I(t))0t1 .
h0+
E max
En particulier, max
(h)
bh2 tc
(h)
bh2 tc
2
2
: t [0, 1]
= O(h2 ).
: t [0, 1]
(h)
bh2 tc
2
(t)
: t [0, 1]
converge galement en
(h)
probabilit vers 0 quand h tend vers 0. Le processus temps discret ((j ))jN ayant mme
loi que (h
(j))jN , la preuve est termine en ce qui concerne , et un raisonnement analogue
traite la convergence en loi des renormalisations de I vers I.
Thorme 4. Soit B un mouvement brownien unidimensionnel standard. On dfinit le processus M par M (t) := max0st B(s). Soit un processus de Bessel de dimension 3 initialis
en 0. On rappelle que I est dfini par I(t) := inf st (s). On a lgalit en loi des processus
(2M B, M ) et (, I). En particulier, M 2B a mme loi quun processus de Bessel de dimension 3.
Remarque. Le processus M 2B est un mouvement brownien qui, chaque instant, est rflchi
par rapport la plus grande valeur quil ait atteinte jusqualors.
S, M
) et (
sont gaux en
Dmonstration. On va montrer que les processus discrets (2M
, I)
loi. Avec le thorme de Donsker et la proposition 3, ceci suffit tablir le thorme.
) et (2I , I).
Lgalit en loi quon cherche tablir revient celle des processus (S, M
On tablit cette dernire en montrant que les deux processus considrs sont markoviens de
), le caractre markovien est facile obtenir et les
mmes probabilits de transition. Pour (S, M
probabilits de transition aisment calcules.
Mme si cest moins facile voir que dans le cas
On cherche maintenant dsosser (2I , I).
prcdent, on est de nouveau face un processus markovien. On peut faire les deux observations
suivantes :
= maxkj 2I(k)
(k) ,
pour tout entier j positif, I(j)
i|
daprs le lemme 1, ds que j k i > 0, on a P[I(j)
(j) = k] = i/k.
et de
Ces deux remarques permettent de calculer les probabilits de transition de (2I , I),
constater quelles sont gales celle du premier processus.