Leçon 308 — Chaînes de Markov à espace d'états fini.

Points clés

Plan

  1. Définition et propriété de Markov
    • Processus stochastique [formule] à valeurs dans un ensemble fini [formule]
    • Propriété de Markov : [formule]
    • Matrice de transition [formule] avec [formule]
    • Chaîne homogène : la matrice [formule] ne dépend pas de [formule]
  2. Classification des états
    • Accessibilité : [formule] s'il existe [formule] tel que [formule]
    • Communication : [formule] si [formule] et [formule]. Classes de communication
    • État récurrent : [formule] ; état transient sinon
    • Période d'un état : [formule]
  3. Irréductibilité et mesure invariante
    • Chaîne irréductible : tous les états communiquent
    • Mesure invariante [formule] : [formule] avec [formule]
    • Existence et unicité de [formule] pour une chaîne irréductible sur un espace fini
  4. Théorème ergodique
    • Énoncé : [formule] pour tout [formule]
    • Lien avec le théorème de Perron-Frobenius
    • Convergence de [formule] vers la matrice dont chaque ligne est [formule] (cas apériodique)
  5. Convergence vers l'équilibre
    • Cas apériodique irréductible : [formule] quand [formule]
    • Vitesse de convergence : trou spectral [formule]
    • Temps de mélange : [formule]
  6. Applications
    • Algorithme PageRank : marche aléatoire sur le graphe du web
    • Marche aléatoire sur un graphe fini : [formule]
    • Algorithme de Metropolis-Hastings et méthodes MCMC

Théorèmes clés

Exemples importants

Erreurs courantes

Conseils du jury

Développements associés

Prérequis

algebre lineaire, espaces probabilises, matrices