1 / 10

PROCESSUS DE WIENER (MVT BROWNIEN, MARCHE ALEATOIRE)

PROCESSUS DE WIENER (MVT BROWNIEN, MARCHE ALEATOIRE). W(t). 1 réplique. t. (W 0 =0 déterministe). t. 2t. 3t. nt. dW(t) = (2D ) 1/2 f(t) dt. W n+1 = W n + (2D t) 1/2 G n. f(t) : bruit blanc gaussien unitaire. G n : n-ième réplique d’une VAR N(0,1).

renee-holder
Télécharger la présentation

PROCESSUS DE WIENER (MVT BROWNIEN, MARCHE ALEATOIRE)

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. PROCESSUS DE WIENER (MVT BROWNIEN, MARCHE ALEATOIRE) W(t) 1 réplique t (W0=0 déterministe) t 2t 3t nt dW(t) = (2D)1/2f(t) dt Wn+1= Wn + (2Dt)1/2 Gn f(t) : bruit blanc gaussien unitaire Gn : n-ième réplique d’une VAR N(0,1) Cours probabilités-statistique HY2 - nov 2003 - R. Ababou et W. Bergez - version 16/11/2003

  2. INTENSITE DU BRUIT BLANC ET COEFFICIENT DE DIFFUSION  dW(t) = (2D)1/2f(t) dt D : coefficient de diffusion [m]2[s]-1 f(t) : bruit blanc gaussien d’intensité 1  dW(t) = b(t) dt b(t) = (2D)1/2f(t) b(t) : bruit blanc gaussien d’intensité c [m]2[s]-1avec : c = 2D preuve : Cbb ()= c () = 2D Cff () = 2D () Cours probabilités-statistique HY2 - nov 2003 - R. Ababou et W. Bergez - version 16/11/2003

  3. MOMENTS DU PROCESSUS DE WIENER  ESPERANCE E(W(t)) = E(W(0)) = W0 = 0 E(Wn+1) = E(Wn)+ (2Dt)1/2 E(Gn) = … = E(W0) = W0 = 0  VARIANCE DES INCREMENTS E((W(t+)-W(t))2) = 2D || E((Wn+1-Wn)2) = 2Dt E(Gn2) = 2Dt E((Wn+p-Wn)2) = 2D(pt) E(Gn2) = 2D(tn+p - tn) (INCREMENTS STATIONNAIRES) Cours probabilités-statistique HY2 - nov 2003 - R. Ababou et W. Bergez - version 16/11/2003

  4. SIMULATION D ’UN PROCESSUS DE WIENER (estimateur de la variance des incréments : V(=jt) = (N-j)-1 0N-j (Wn+j - Wn )2 Cours probabilités-statistique HY2 - nov 2003 - R. Ababou et W. Bergez - version 16/11/2003

  5. Cours probabilités-statistique HY2 - nov 2003 - R. Ababou et W. Bergez - version 16/11/2003

  6. PROCESSUS DE LANGEVIN  dL(t)/dt + 0 L(t) = 0 f(t) avec L(0)=0 (déterministe) f(t) : bruit blanc gaussien unitaire Cff()=() [f]=[s]-1/2 02 : intensité du b. blanc non unitaire b(t)= 0 f(t), [02]=[L]2[s]-1 0 : constante déterministe (résistance visqueuse), [0]=[s]-1  L(t) est un processus non-stationnaire aux temps courts, mais il tend asymptotiquement (pour t >> 1/0 = 0) vers un processus stationnaire de moyenne nulle et d’autocovariance exponentielle : CLL(t,t+)=L2 exp(- 0 ||) 0 = 1/0 est le temps d ’autocorrélation du processus L(t) L2 = 02 /(2 0) est la variance de L(t). Cours probabilités-statistique HY2 - nov 2003 - R. Ababou et W. Bergez - version 16/11/2003

  7. SIMULATION D ’UN PROCESSUS DE LANGEVIN Cours probabilités-statistique HY2 - nov 2003 - R. Ababou et W. Bergez - version 16/11/2003

  8. EQUATION DIFFÉRENTIELLE STOCHASTIQUE ET DISPERSION : • "LÂCHER DE BALLONS GONFLABLES AU STADE TOULOUSAIN" dW/dt + o W = - g + o f(t) , W(0) = W0 V  W=mV(t) m : déterministe (éventuellement aléatoire)  -g : poussée d ’Archimède volume : déterministe (éventuellement aléatoire)  o : coefficient de traînée (Stokes), déterministe  f(t) : bruit blanc gaussien unitaire (turbulence) o: amplitude des fluctuations de la force turbulente - g -o W g z Cours probabilités-statistique HY2 - nov 2003 - R. Ababou et W. Bergez - version 16/11/2003

  9. RESULTATS : MOMENTS DE LA VITESSE Hypothèses : V(0)=0, Z(0)=0, m,  eto déterministes Notation : Vs = g/(mo) , vitesse de Stokes 0=0/m Equation de la vitesse : dV/dt + oV = - oVS + 0 f(t) t  E(V(t))= Vs (1-exp(-ot)) Vs t  E(v(t)2)= 02 (1-exp(-ot))/(2o) c2 /2o  CVV(t’,t’’) = E(v(t’)v(t’’)) = 02 exp[-o (t’+t’’)] (exp[2omin(t’,t’’)]-1)/(2o) t 0 2 exp[-o |t’-t’’|] /(2o) LA VITESSE TEND VERS UN PROCESSUS STATIONNAIRE Cours probabilités-statistique HY2 - nov 2003 - R. Ababou et W. Bergez - version 16/11/2003

  10. RESULTATS : MOMENTS DE LA POSITION Hypothèses : V(0)=0, Z(0)=0, m,  eto déterministes Notation : Vs = g/(mo) , vitesse de Stokes 0 =0/m t Vs (t -1/o)  E(Z(t))= Vs (t-(1-exp(-ot))/o) t  E(z(t)2) (0/o)2 t = 2 D t C’EST DONC LA VARIANCE D’UN PHENOMENE DE DIFFUSION DU TYPE PROCESSUS DE WIENER (MVT BROWNIEN, MARCHE ALEATOIRE) AVEC UN COEFFICIENT DE DIFFUSION : D = 0.5 (0/o)2 Cours probabilités-statistique HY2 - nov 2003 - R. Ababou et W. Bergez - version 16/11/2003

More Related