Aller à la navigation principale Aller au contenu principal Aller au pied de page

Processus stochastique

Informations générales

Objectif généralFournir 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 :

  • Comprendre les notions fondamentales des processus aléatoires et de leur classification.
  • Décrire les propriétés des processus stochastiques (stationnarité, indépendance, martingale, Markov).
  • Modéliser des phénomènes réels à l’aide de chaînes de Markov et de processus de Poisson.
  • Analyser les processus continus et discrets pour obtenir des probabilités et des statistiques temporelles.
  • Appliquer les concepts de processus stochastiques à l’ingénierie, à la finance, aux télécommunications et à la physique.
  • Utiliser des méthodes numériques et simulations pour étudier le comportement des processus stochastiques.
Bref contenu du coursCe 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

Crédits2
PrérequisStatistique descriptive, Calcul des probabilités
DéroulementCM : 20 heures et TD : 10 heures
ÉvaluationEvaluation 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.