ATLAS Ouvrir dans l'atlas →

Théorème 3Martingales

Convergence des martingales bornées dans L²

Énoncé

Si (Mn)(M_n) est une martingale telle que sup⁡nE[Mn2]<+∞\sup_n E[M_n^2] < +\infty, elle converge presque sûrement et dans L2{L^2} vers une variable M∞M_\infty, et Mn=E[M∞∣ℱn]M_n = E[M_\infty \mid \mathcal F_n].

Démonstration

Par l'orthogonalité des accroissements (Inégalité maximale), E[Mn2]E[M_n^2] croît et est bornée, donc ∑kE[(Mk−Mk−1)2]<+∞\sum_k E[(M_k - M_{k-1})^2] < +\infty, et E[(Mn−Mm)2]=∑m<k⩽nE[(Mk−Mk−1)2]:\begin{aligned} &E[(M_n - M_m)^2] \\ &= \sum_{m < k \leqslant n} E[(M_k - M_{k-1})^2] : \end{aligned} la suite est de Cauchy pour (E[(⋅)2])1/2\big(E[(\cdot)^2]\big)^{1/2}. Le point (iv) du nœud Espaces L¹ et L², qui porte sur une suite de fonctions données et ne fait aucun choix, fournit une variable M∞M_\infty de carré intégrable telle que E[(Mn−M∞)2]→0E[(M_n - M_\infty)^2] \to 0, ainsi qu'une suite extraite qui converge presque sûrement vers M∞M_\infty.

Pour mm fixé, (Mm+j−Mm)j⩾0(M_{m+j} - M_m)_{j \geqslant 0} est une martingale ; l'inégalité maximale, et la continuité croissante appliquée à la réunion croissante en n′n' des événements {max⁡m⩽n⩽n′∣Mn−Mm∣>ε}\{\max_{m \leqslant n \leqslant n'}|M_n - M_m| > \varepsilon\}, donnent P(sup⁡n⩾m∣Mn−Mm∣>ε)⩽1ε2∑k>mE[(Mk−Mk−1)2],\begin{aligned} &P\Big(\sup_{n \geqslant m}|M_n - M_m| > \varepsilon\Big) \\ &\leqslant \frac{1}{\varepsilon^2}\sum_{k > m} E\big[(M_k - M_{k-1})^2\big], \end{aligned} qui tend vers 00 quand m→∞m \to \infty.

Les événements {sup⁡n,n′⩾m∣Mn−Mn′∣>2ε}\{\sup_{n, n' \geqslant m}|M_n - M_{n'}| > 2\varepsilon\}, contenus dans les précédents, décroissent donc vers un événement négligeable.

Avec ε=1/(j+1)\varepsilon = 1/(j + 1), j∈ℕj \in {\mathbb N}, la suite est presque sûrement de Cauchy, donc converge presque sûrement, vers une limite égale à M∞M_\infty presque sûrement, puisque la suite extraite obtenue plus haut converge presque sûrement vers M∞M_\infty.

Enfin, pour G∈ℱnG \in \mathcal F_n et m⩾nm \geqslant n, E[Mm1G]=E[Mn1G]E[M_m\mathbf 1_G] = E[M_n\mathbf 1_G] (Martingales, (ii)), et ∣E[(Mm−M∞)1G]∣⩽E[(Mm−M∞)2]1/2\big|E[(M_m - M_\infty)\mathbf 1_G]\big| \leqslant E[(M_m - M_\infty)^2]^{1/2} par Cauchy-Schwarz (Espérance, variance, (ii)), d'où E[M∞1G]=lim⁡mE[Mm1G]=E[Mn1G].\begin{aligned} E[M_\infty\mathbf 1_G] &= \lim_m E[M_m\mathbf 1_G] \\ &= E[M_n\mathbf 1_G]. \end{aligned} La variable MnM_n, qui est ℱn\mathcal F_n-mesurable, vérifie donc la propriété qui caractérise E[M∞∣ℱn]E[M_\infty \mid \mathcal F_n], d'où Mn=E[M∞∣ℱn]M_n = E[M_\infty \mid \mathcal F_n] ; l'unicité qui fonde cette caractérisation ne fait aucun choix.

□
Remarque

Le théorème de Doob affirme plus : une martingale bornée dans L1{L^1} converge presque sûrement. Sa démonstration, qui compte les montées de la martingale entre deux niveaux, fait l'objet de deux nœuds de ce graphe, Montées et Martingales bornées dans L¹.

Ouvrir dans l'atlas interactif →