Processing math: 100%

May 02, 2025

Wiki

Python

Aide

edit SideBar

Search

Les Marches Aleatoires


Marche unidimensionnelle symétrique

Considérons une expérience de pile ou face, répétée à chaque incrément de temps de manière indépendante. Associons au jet de la pièce à l'instant j la variable aléatoire Yj définie par

  • Yj=1 si le j-ième jet donne pile,
  • Yj=1 si le j-ième jet donne face.

Considérons la suite des variables aléatoires à valeurs dans Z définies par Xt=tj=1Yj

Le processus stochastique correspondant à la suite des (Xt) décrit donc l'évolution, au cours du temps, de l'excès de résultats pile par rapport aux face.

Ce processus a aussi une interprétation connue sous le nom de marche aléatoire unidimensionnelle symétrique.

En effet, soit une particule se déplaçant sur l'axe des Z par incrément de 1, la particule étant à l'instant initial en 0. Imaginons qu'à chaque étape du temps on tire (avec équiprobabilité) si la particule se déplace vers la droite ou vers la gauche. La suite des (Xt) représente une marche aléatoire de cette particule suivant ces lois.

On peut facilement obtenir la loi que suit Xt, puisque le nombre de déplacement à droite suit une loi binomiale (penser à la planche de Galton). Mais la connaissance de la loi de chaque Xt n'est pas suffisante pour répondre à des questions sur la dynamique de l'ensemble des (Xt), comme par exemple :

  • Quelle est la probabilité de revenir au point de départ en un temps fini ?
  • Quelle est l'espérance du nombre de déplacements nécessaire ?

Dans cet exemple, les (Xt) ne sont pas indépendants, mais Xt+1 ne dépend que de Xt. Plus précisément : P(Xt+1=j)=12P(Xt=j1)+12P(Xt=j+1)

Cette situation, très courante, correspond à la notion de chaîne de Markov.

On peut montrer que la probabilité de revenir en 0 en un temps fini est égale à 1. En fait, tous les états sont récurrents.

Généralisation à plusieurs dimensions

Polya a étudié la généralisation de ce modèle à plusieurs dimensions.

Considérons par exemple la grille 2-dimensionnelle Z2 correspondant aux points du plan à coordonnées entières.

A chaque étape, on évolue avec équiprobabilité d'un point à un autre de ses 4 voisins immédiats. Là aussi, tous les états sont récurrents. Avec une probabilité 1, on reviendra donc toujours une infinité de fois à l'origine.

Polya a montré, en 1921, qu'à partir de la dimension 3 ce n'est plus vrai. La probabilité de revenir à l'origine pour la marche 3-dimensionnelle symétrique est d'environ 0,34.

En quelque sorte, s'il est vrai que tous les chemins terrestres mènent à Rome, cela n'est plus vrai des chemins spatiaux...

Page Actions

Recent Changes

Group & Page

Back Links