Processus stochastique continu

En théorie des probabilités, un processus stochastique continu est un type de processus stochastique que l'on peut qualifier de « continu » vis-à-vis du temps ou de l'indice. La continuité est une propriété intéressante pour (les trajectoires d') un processus, car elle implique que celles-ci présentent une certaine régularité et sont, par conséquent, beaucoup plus faciles à analyser. Il est ici sous-entendu que l'indice du processus stochastique est une variable continue. Certains auteurs définissent un « processus (stochastique) continu » en exigeant uniquement que la variable d'indice soit continue, sans pour autant exiger la continuité des trajectoires. Dans une autre terminologie, on parlerait dans ce cas de processus à trajectoires continues, par opposition à un « processus à temps discret ». Compte tenu des risques de confusion, une certaine prudence est de mise.

Définitions

Soit (Ω, Σ, P) un espace probabilisé, T un intervalle de temps, et X : T × Ω → S un processus stochastique. Pour simplifier, nous supposerons dans la suite de cet article que l'espace d'états S est la droite réelle R ; toutefois, les définitions restent valables — mutatis mutandis — si S est Rn, un espace vectoriel normé, ou même un espace métrique quelconque.

Continuité presque sûre

Pour un instant t ∈ T donné, on dit que X est continu presque sûrement en t si :

𝐏({ω∈Ω|lims→t|Xs(ω)−Xt(ω)|=0})=1

Continuité en moyenne quadratique

Pour un instant t ∈ T donné, on dit que X est continu en moyenne quadratique' en t si E[|Xt|2] < +∞ et si :

lims→t𝐄[|Xs−Xt|2]=0

Continuité en probabilité

Étant donné un instant t ∈ T, on dit que X est continue en probabilité en t si, pour tout ε > 0,

lims→t𝐏({ω∈Ω||Xs(ω)−Xt(ω)|≥ε})=0

ou, de manière équivalente,

lims→t𝐏({ω∈Ω||Xs(ω)−Xt(ω)|<ε})=1

De façon également équivalente, X est continue en probabilité à l'instant t si

lims→t𝐄[|Xs−Xt|1+|Xs−Xt|]=0

Continuité en loi

Étant donné un instant t ∈ T, on dit que X est continue en loi en t si

lims→tFs(x)=Ft(x)

pour tout point x en lequel Ft est continue, où Ft désigne la fonction de répartition de la variable aléatoire Xt.

Continuité des trajectoires

On dit qu'un processus X est un processus à trajectoires continues si, pour P-presque tout ω ∈ Ω, la fonction t ↦ Xt(ω) est continue. La continuité des trajectoires est la notion de continuité appropriée pour des processus tels que la diffusion d'Itō.

Continuité au sens de Feller

On dit qu'un processus X est continu au sens de Feller si, pour tout t ∈ T fixé et toute fonction g : S → R qui est bornée, continue et Σ-mesurable, l'espérance Ex[g(Xt)] dépend continûment de x. Ici, x désigne l'état initial du processus X, et Ex désigne l'espérance conditionnelle sachant que le processus X démarre en x.

Relations

Les relations entre les différents types de continuité des processus stochastiques sont analogues à celles qui existent entre les divers types de convergence de variables aléatoires. En particulier :

Il est tentant de confondre la continuité presque sûre en un point t avec la continuité des trajectoires. La continuité presque sûre à l'instant t signifie que P(At) = 0, où l'événement At est défini par :

At={ω∈Ω|lims→t|Xs(ω)−Xt(ω)|≠0}

et il est tout à fait possible de vérifier si cette condition est remplie ou non pour chaque t ∈ T. La continuité des trajectoires, en revanche, exige que P(A) = 0, où :

A=⋃t∈TAt

A étant une union non dénombrable d'événements, il est possible que A ne soit pas lui-même un événement ; par conséquent, P(A) peut ne pas être défini ! Pire encore, même si A est un événement, P(A) peut être strictement positif, alors même que P(At) = 0 pour tout t ∈ T. C'est le cas, par exemple, du processus télégraphique.