Présentation

Article

1 - RAPPELS ET COMPLÉMENTS DE PROBABILITÉS

  • 1.1 - Espérance conditionnelle
  • 1.2 - Processus aléatoires et espace L2  (Ω, A, P)
  • 1.3 - Mouvement brownien
  • 1.4 - Filtrations, martingales et temps d'arrêt

2 - L'INTÉGRALE D'ITÔ

  • 2.1 - Position du problème
  • 2.2 - Construction de l'intégrale d'Itô
  • 2.3 - Exemple

3 - INTÉGRATION DES EDS

  • 3.1 - Formule d'Itô
  • 3.2 - Intégration des EDS

4 - INTÉGRATION NUMÉRIQUE DES EDS

  • 4.1 - Rappels sur l'intégration numérique des EDO
  • 4.2 - Intégration numérique des EDS par la méthode d'Euler
  • 4.3 - Intégration numérique des EDS par la méthode de Milstein
  • 4.4 - Méthodes d'ordre supérieur à un
  • 4.5 - Exemples

5 - ESTIMATION DES PARAMÈTRES DES EDS

  • 5.1 - Compléments sur les processus de diffusion
  • 5.2 - Estimation paramétrique des EDS
  • 5.3 - Estimation non paramétrique des EDS
  • 5.4 - Exemple : détection de saut de modèle

6 - EDS PRÉSENTANT DES SAUTS

  • 6.1 - Processus de Lévy
  • 6.2 - Mesures aléatoires de Poisson
  • 6.3 - Intégrales de Lévy et formule d'Itô
  • 6.4 - Exemples

7 - CONCLUSION

Article de référence | Réf : AF105 v1

Intégration des EDS
Équations différentielles stochastiques

Auteur(s) : Thierry CHONAVEL

Relu et validé le 08 juil. 2015

Pour explorer cet article
Télécharger l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !

Sommaire

Présentation

RÉSUMÉ

Les équations différentielles servent à décrire des phénomènes physiques très variés. Cependant, en pratique l'observation de ces phénomènes ne suit souvent que grossièrement les trajectoires des équations qui semblent devoir leur correspondre. Dans ces situations, les approches probabilistes trouvent naturellement leur place et permettent d'incorporer des termes aléatoires dans les équations différentielles afin de prendre en compte les incertitudes rencontrées. La théorie des équations différentielles stochastiques vise à étudier les équations ainsi obtenues. On s'intéresse ici aux méthodes analytiques et numériques développées pour la résolution de ces équations ainsi qu'à l'estimation de leurs paramètres.

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

ABSTRACT

Stochastic differential equations are very useful for describing the evolution of many physical phenomena. However, real life signals often roughly follow trajectories of associated equations. In such situations, tools from probability theory are obvious ways to incorporate random terms in differential equations to account for uncertainties met when modeling. The theory of stochastic differential equations focuses on studying the resulting equations. We present analytic and numerical methods for their solution, together with some techniques to estimate their parameters.

Auteur(s)

  • Thierry CHONAVEL : Professeur - Département Signal et Communication, Télécom Bretagne

INTRODUCTION

Les équations différentielles servent à décrire des phénomènes physiques très variés. Cependant, dans de nombreuses situations les phénomènes observés ne suivent que grossièrement les trajectoires des équations qui semblent devoir leur correspondre. Les causes possibles d'un tel comportement peuvent être variées : erreur de modélisation, fluctuation au cours du temps des paramètres de l'équation, présence de bruit d'observation… Dans ces situations, les approches probabilistes trouvent naturellement leur place, et il peut alors être intéressant d'incorporer des termes aléatoires dans les équations différentielles afin de prendre en compte les incertitudes précédentes. Cependant, l'introduction de ces termes aléatoires conduit à une intégration des équations qui ne correspond pas, en général, à une adaptation immédiate de la théorie classique des équations différentielles.

Un premier objectif de cet article est d'introduire le calcul d'Itô qui permet d'aborder les équations différentielles stochastiques. On commencera pour cela par quelques rappels et compléments de théorie des probabilités (section 1). Après avoir présenté quelques résultats importants relatifs au calcul d'Itô, on verra (section 2) comment il peut être mis en œuvre pour la résolution des équations différentielles stochastiques (EDS, section 3). Comme pour les équations différentielles classiques, on ne sait pas en général intégrer de manière exacte les EDS. Aussi, on présentera quelques techniques permettant d'obtenir des approximations numériques des trajectoires des EDS (section 4). Dans de nombreux problèmes, les paramètres de l'EDS ne sont pas connus a priori et il importe pour l'utilisateur de les estimer à partir de la donnée du modèle paramétrique et de la réalisation d'une ou plusieurs trajectoires de l'EDS. On présentera une démarche générale pour traiter ce genre de situation (section 5). On verra également comment des approches non paramétriques peuvent être utilisées dans le cas où l'on ne dispose pas de modèle paramétrique a priori pour estimer les coefficients de l'EDS. On présente également une introduction aux processus de Lévy qui permettent d'étendre l'étude des EDS au cas où l'entrée du modèle présente des discontinuités (section 6).

Si cet article ne fournit qu'un exposé succinct des sujets précédents, plus largement développés dans de nombreux articles et ouvrages spécialisés, on a cependant cherché à travers la variété de ces sujets et les exemples proposés à ce que le lecteur en comprenne la philosophie générale et acquière une capacité pratique de modélisation et de résolution pour divers problèmes d'ingénierie qu'il pourrait rencontrer et pour lesquels l'emploi des EDS peut s'avérer utile. L'exposé pourra notamment être complété par la lecture des principales références sur lesquelles il s'appuie, notamment sur le livre de de Bernt Øksendal intitulé Sochastic differential équations  qui constitue une bonne introduction aux EDS, sur les références  et  respectivement pour ce qui concerne plus particulièrement la résolution numérique des EDS et l'estimation de leurs paramètres. D'autres références sont également fournies dans la bibliographie. Pour les processus de Lévy, on pourra consulter .

Cet article est réservé aux abonnés.
Il vous reste 93% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

KEYWORDS

Itô calculus   |   integration   |   estimation   |   Probability   |   statistics

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-af105


Cet article fait partie de l’offre

Mathématiques

(202 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

ABONNEZ-VOUS

Lecture en cours
Présentation

3. Intégration des EDS

Comme pour les équations différentielles ordinaires (EDO, ou en anglais ODE pour Ordinary Differential Equation), il n'est pas possible en général d'obtenir une forme analytique pour une équation différentielle stochastique (EDS, ou en anglais SDE pour Sochastic Differential Equation). Cependant, un certain nombre d'EDS admettent une solution analytique que l'on peut alors souvent obtenir grâce à la formule d'Itô. Cette section est consacré à sa présentation et à sa manipulation à travers quelques exemples.

3.1 Formule d'Itô

L'exemple d'intégrale (47) se réécrit

( 48 )

Plus généralement, on définira un processus d'Itô, ou processus de diffusion, comme un processus de la forme

( 49 )

et b est , avec (p.s.). On réécrira encore la relation (49) sous la forme différentielle équivalente.

( 50 )

Notons...

Cet article est réservé aux abonnés.
Il vous reste 94% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Mathématiques

(202 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

ABONNEZ-VOUS

Lecture en cours
Intégration des EDS
Sommaire
Sommaire

BIBLIOGRAPHIE

  • (1) - APPLEBAUM (D.) -   Lévy processes and stochastic calculus  -  Cambridge University Press (2009).

  • (2) - BILLINGSLEY (P.) -   Convergence of probability measures  -  Wiley (1968).

  • (3) - BLADT (M.), SØRENSEN (M.) -   *  -  . – Simple simulation of diffusion bridges with application to likelihood inference for diffusions, unpublished paper http://www.math.ku.dk/ michael/#papers (2009).

  • (4) - CHONAVEL (T.) -   Statistical Signal Processing  -  Springer (2002).

  • (5) - COMETS (T.), MEYRE (T.) -   Calcul stochastique et modèles de diffusion  -  Dunod (2006).

  • (6) - BOSQ (D.) -   Nonparametric Statistics for Stochastic Processes : Estimation and Prediction  -  Springer (1998).

  • ...

Cet article est réservé aux abonnés.
Il vous reste 94% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Mathématiques

(202 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

ABONNEZ-VOUS