Accroissement indépendant

En théorie des probabilités, un accroissement indépendant est une propriétés des processus stochastiques et des mesures aléatoires. Souvent, un processus ou une mesure aléatoire comporte par définition des accroissements indépendants, ce qui souligne leur importance. Parmi les processus stochastiques qui par définition possèdent des accroissements indépendants, on trouve le processus de Wiener, tous les processus de Lévy, tous les processus additifs[1] et le processus ponctuel de Poisson.

Définition des processus stochastiques modifier

Soit un processus stochastique. Dans un grand nombre de cas , ou . Alors le processus stochastique possèdes un accroissement indépendants si et seulement si pour chaque et n'importe quel choix avec

les variables aléatoires

sont stochastiquement indépendants[2].

Définition des mesures aléatoires modifier

Une mesure aléatoire a un accroissement indépendant si et seulement si la variable aléatoire est stochastiquement indépendante pour chaque sélection d'ensemble disjoints chaque section et tout [3].

Accroissements S-indépendants modifier

Soit une mesure aléatoire sur et définit pour tout ensemble mesurable borné la mesure aléatoire sur comme

Alors est appelée une mesure aléatoire avec des S-accroissement indépendants, si pour tous les ensembles bornés et tout les mesures aléatoires sont indépendants[3].

Application modifier

Les accroissements indépendants sont une propriété fondamentale de nombreux processus stochastiques et sont souvent incorporés dans leur définition. La notion d'accroissement indépendants et d'accroissement S-indépendants de mesures aléatoires joue un rôle important dans la caractérisation du processus ponctuel de Poisson et de la divisibilité infinie.

Références modifier

  1. Ken-Ito Sato, Lévy processes and infinitely divisible distributions, Cambridge University Press, , 31-68 p. (ISBN 9780521553025).
  2. Achim Klenke, Probability Theory, Berlin, Springer, , 190 p. (ISBN 978-1-84800-047-6, DOI 10.1007/978-1-84800-048-3)
  3. a et b Olav Kallenberg, Random Measures, Theory and Applications, Switzerland, Springer, , 87 p. (ISBN 978-3-319-41596-3, DOI 10.1007/978-3-319-41598-7)