Processus stochastique
Informations générales
| Objectif général | Fournir à l’étudiant les connaissances théoriques et pratiques nécessaires pour modéliser, analyser et résoudre des problèmes impliquant des phénomènes aléatoires évoluant dans le temps, en utilisant les concepts et outils des processus stochastiques. |
|---|---|
| Objectifs spécifiques | À l’issue du cours, l’étudiant devra être capable de :
|
| Bref contenu du cours | Ce cours est axé sur la loi d’un processus, la régularité des trajectoires, la convergence faible des lois de processus, les lois des processus gaussiens, les propriétés en loi du mouvement brownien, la propriété de Markov forte. Il aborde les notions de martingales en temps continu, celles de semimartingales continues ainsi que les notions d’intégration stochastique. Il aborde enfin le applications et simulations numériques en en télécommunications, physique et finance, la modélisation de files d’attente et systèmes de production et l’ implémentation de chaînes de Markov et processus de Poisson avec Python ou MATLAB. |
Informations pratiques
| Crédits | 2 |
|---|---|
| Prérequis | Statistique descriptive, Calcul des probabilités |
| Déroulement | CM : 20 heures et TD : 10 heures |
| Évaluation | Evaluation formative : 40% et sommative : 60% |
Enseignants
KUBWIMANA Gervais
Master · Statistique
Université du Burundi
Visiteur
Références bibliographiques
- David Applebaum Lévy Processes and Stochastic Calculus, Cambridge series in advanced mathematics, vol. 93, 2004..
- Bernard Bercu, Djalil Chafaı̈, Modélisation stochastique et simulation, Dunod, 2007.
- Jean-Christophe Breton, Calcul stochastique, Notes de cours, M2 Mathématiques, Université de Rennes 1, 2020.