ATLAS Ouvrir dans l'atlas →

ExerciceMaths expertes, chapitre 9 — Chaînes de Markov · Problèmes de synthèse

Exercice 19 La ruine du joueur

DémonstrationCalcul

Un joueur possède 11 € et joue à pile ou face avec une pièce équilibrée : il gagne 11 € s'il obtient pile, il perd 11 € sinon. Il s'arrête lorsqu'il est ruiné ou lorsqu'il possède 33 €. On note XnX_{n} sa fortune après nn parties, à valeurs dans {0 ;1 ;2 ;3}\{0\,;1\,;2\,;3\}.

1. Représenter le graphe de cette chaîne de Markov et donner sa matrice de transition PP. Que dire des états 00 et 33 ?

2. On note rkr_{k} la probabilité que le joueur finisse ruiné en partant d'une fortune de kk euros. On admet que r0=1r_{0}=1, r3=0r_{3}=0 et, en raisonnant sur la première partie, que r1=12r0+12r2r_{1}=\dfrac{1}{2}r_{0}+\dfrac{1}{2}r_{2} et r2=12r1+12r3r_{2}=\dfrac{1}{2}r_{1}+\dfrac{1}{2}r_{3}. Calculer r1r_{1} et r2r_{2}.

3. À l'aide de la calculatrice, calculer P20P^{20} et confronter au résultat précédent.

4. Montrer que (p001−p)\begin{pmatrix} p & 0 & 0 & 1-p \end{pmatrix} est une distribution invariante pour tout p∈[0 ;1]p\in[0\,;1]. Pourquoi ce résultat n'est-il pas en contradiction avec la Proposition 3 du cours ?

Corrigé

1.

Figure

P=(10001201200120120001)\boxed{P=\begin{pmatrix} 1 & 0 & 0 & 0 \\ \frac{1}{2} & 0 & \frac{1}{2} & 0 \\ 0 & \frac{1}{2} & 0 & \frac{1}{2} \\ 0 & 0 & 0 & 1 \end{pmatrix}} Les états 00 et 33 ont une boucle de probabilité 11 : une fois atteints, on ne les quitte plus. Ce sont des états absorbants.

2. Avec r0=1r_{0}=1 et r3=0r_{3}=0 : r1=12+12r2r_{1}=\frac{1}{2}+\frac{1}{2}r_{2} et r2=12r1r_{2}=\frac{1}{2}r_{1}. En reportant : r1=12+14r1r_{1}=\frac{1}{2}+\frac{1}{4}r_{1}, soit 34r1=12\frac{3}{4}r_{1}=\frac{1}{2}. r1=23;r2=13\boxed{r_{1}=\frac{2}{3} \qquad ; \qquad r_{2}=\frac{1}{3}} Partant de 11 €, le joueur a deux chances sur trois d'être ruiné avant d'avoir atteint 33 €.

3. La calculatrice donne P20≈(10000,667000,3330,333000,6670001)P^{20}\approx\begin{pmatrix} 1 & 0 & 0 & 0 \\ 0{,}667 & 0 & 0 & 0{,}333 \\ 0{,}333 & 0 & 0 & 0{,}667 \\ 0 & 0 & 0 & 1 \end{pmatrix}, à 10−310^{-3} près. La deuxième ligne donne la loi de X20X_{20} en partant de 11 : la chaîne est presque sûrement absorbée, en 00 avec probabilité proche de 23=r1\frac{2}{3}=r_{1}, en 33 avec probabilité proche de 13\frac{1}{3}. Les deux méthodes concordent.

4. (p001−p)P=(p001−p)\begin{pmatrix} p & 0 & 0 & 1-p \end{pmatrix}P=\begin{pmatrix} p & 0 & 0 & 1-p \end{pmatrix}, puisque les lignes 11 et 44 de PP sont celles de l'identité. Il y a donc une infinité de distributions invariantes. Ce n'est pas contradictoire avec la Proposition 3 : son hypothèse n'est pas vérifiée, car PP a des coefficients nuls hors de la diagonale. Une proposition qui donne une condition suffisante ne dit rien quand la condition n'est pas remplie.

Dans l'édifice

Thèmes

graphes probabilistes, matrice de transition, chaînes de markov, probabilités conditionnelles, distributions, distribution invariante, puissances de matrices, états absorbants

Notions

matrices (espace des), variable aléatoire, espace probabilisé, matrice de transition, chaîne de Markov, mesure invariante

Ouvrir dans l'atlas interactif →