ATLAS Ouvrir dans l'atlas →

ExerciceMaths expertes, chapitre 9 — Chaînes de Markov · Distribution invariante

Exercice 12

DémonstrationModélisation

Dans une ville il peut venter, neiger ou grêler. Le vent et la grêle ne restent jamais deux jours de suite. S’il vente un jour donné, le lendemain il neige ou il grêle de manière équiprobable. S’il neige, il y a une chance sur trois qu’il vente le jour d’après et une chance sur deux qu’il continue à neiger le lendemain. Après un jour de grêle, il y a deux fois plus de chance d’avoir de la neige que du vent.

1. Justifier la modélisation de la météo dans cette ville par une chaîne de Markov.

2. Représenter le graphe puis donner la matrice TT de transition de cette chaîne de Markov associée aux états VV, NN et GG.

3. Quelle est la probabilité, qu’après deux jours de neige, le vent souffle ?

4. Quelle est la distribution invariante de cette chaîne de Markov ?

Corrigé

1. Le temps du lendemain ne dépend que du temps du jour, et les règles énoncées sont les mêmes chaque jour. C’est une chaıˆne de Markov homogeˋne, d’eˊtats V,  N,  G\boxed{\text{C'est une chaîne de Markov homogène, d'états } V, \; N, \; G}

2. On traduit chaque phrase :

• « le vent et la grêle ne restent jamais deux jours de suite » : P(V→V)=0P(V\to V)=0 et P(G→G)=0P(G\to G)=0 ;

• après du vent, neige ou grêle de façon équiprobable : P(V→N)=P(V→G)=12P(V\to N)=P(V\to G)=\dfrac{1}{2} ;

• après la neige : P(N→V)=13P(N\to V)=\dfrac{1}{3} et P(N→N)=12P(N\to N)=\dfrac{1}{2}, d'où P(N→G)=1−13−12=16P(N\to G)=1-\dfrac{1}{3}-\dfrac{1}{2}=\dfrac{1}{6} ;

• après la grêle : P(G→N)=2 P(G→V)P(G\to N)=2\,P(G\to V) et P(G→G)=0P(G\to G)=0, donc 3 P(G→V)=13\,P(G\to V)=1, soit P(G→V)=13P(G\to V)=\dfrac{1}{3} et P(G→N)=23P(G\to N)=\dfrac{2}{3}.

Figure
T=(0121213121613230)\boxed{T=\begin{pmatrix} 0 & \dfrac{1}{2} & \dfrac{1}{2} \\[3mm] \dfrac{1}{3} & \dfrac{1}{2} & \dfrac{1}{6} \\[3mm] \dfrac{1}{3} & \dfrac{2}{3} & 0 \end{pmatrix}}

3. Il s'agit de la probabilité de passer de NN à VV en deux étapes, c'est-à-dire du coefficient d'indice (N,V)(N,V) de T2T^{2}. La formule des probabilités totales donne : P(N→ ⋅ →V)=P(N→V)P(V→V)+P(N→N)P(N→V)+P(N→G)P(G→V)=13×0+12×13+16×13=16+118=318+118=29\begin{aligned} P(N\to\ \cdot\ \to V) &= P(N\to V)P(V\to V)+P(N\to N)P(N\to V)+P(N\to G)P(G\to V) \\ &= \frac{1}{3}\times 0+\frac{1}{2}\times\frac{1}{3}+\frac{1}{6}\times\frac{1}{3} \\ &= \frac{1}{6}+\frac{1}{18}=\frac{3}{18}+\frac{1}{18}=\boxed{\frac{2}{9}} \end{aligned}

4. On cherche π=(vng)\pi=\begin{pmatrix} v & n & g \end{pmatrix} vérifiant πT=π\pi T=\pi et v+n+g=1v+n+g=1. Le système πT=π\pi T=\pi s'écrit : {13n+13g=v12v+12n+23g=n12v+16n=g\left\{\begin{array}{l} \dfrac{1}{3}n+\dfrac{1}{3}g=v \\[2mm] \dfrac{1}{2}v+\dfrac{1}{2}n+\dfrac{2}{3}g=n \\[2mm] \dfrac{1}{2}v+\dfrac{1}{6}n=g \end{array}\right. La première équation donne n+g=3vn+g=3v, et comme v+n+g=1v+n+g=1 il vient v+3v=1v+3v=1, soit v=14v=\dfrac{1}{4}. La troisième donne alors g=18+16ng=\dfrac{1}{8}+\dfrac{1}{6}n, que l'on reporte dans n+g=34n+g=\dfrac{3}{4} : n+18+16n=34  ⟺  76n=58  ⟺  n=1528n+\frac{1}{8}+\frac{1}{6}n=\frac{3}{4} \iff \frac{7}{6}n=\frac{5}{8} \iff n=\frac{15}{28} puis g=34−1528=21−1528=628=314g=\dfrac{3}{4}-\dfrac{15}{28}=\dfrac{21-15}{28}=\dfrac{6}{28}=\dfrac{3}{14}. π=(141528314)≈(0,2500,5360,214)\boxed{\pi=\begin{pmatrix} \dfrac{1}{4} & \dfrac{15}{28} & \dfrac{3}{14} \end{pmatrix}\approx\begin{pmatrix} 0{,}250 & 0{,}536 & 0{,}214 \end{pmatrix}} Vérification : 14+1528+314=7+15+628=1\dfrac{1}{4}+\dfrac{15}{28}+\dfrac{3}{14}=\dfrac{7+15+6}{28}=1.

À long terme, il neige donc un peu plus d'un jour sur deux dans cette ville.

Ouvrir dans l'atlas interactif →