Graphes probabilistes et matrice de transition stochastique
Terminale générale Spé · Option Mathématiques Expertes
À retenir
• Graphe probabiliste : graphe orienté pondéré dont les poids sont les probabilités de transition en une étape. • Pour chaque sommet, la somme des poids des arcs sortants, boucle comprise, vaut 1. • m_i,j = probabilité de passer de l'état i à l'état j : coefficients dans [0\ ;\ 1], chaque ligne de somme 1. • Le même ordre des états sert pour les lignes et pour les colonnes.
Le cours
1. Graphe probabiliste Un graphe probabiliste est un graphe orienté pondéré dont les sommets sont les états possibles d'un système et dont le poids de l'arc de i vers j est la probabilité de passer de l'état i à l'état j en une étape. Pour chaque sommet, la somme des poids des arcs qui en partent, boucle comprise, vaut exactement 1. Ce poids est une probabilité conditionnelle : si X_n désigne l'état à l'étape n, c'est P_(X_n = i)(X_n+1 = j), la même à chaque étape. 2. Matrice de transition Les états étant rangés dans un ordre fixé, la matrice de transition est M = (m_i,j) où m_i,j est la probabilité de passer de i à j. Elle est stochastique : m_i,j 0 et _j m_i,j = 1 \ pour chaque ligne i Exemple : M = pmatrix 0,8 & 0,2 \\ 0,3 & 0,7 pmatrix ; depuis l'état 1 on reste avec probabilité 0,8 et on passe en 2 avec probabilité 0,2. Les colonnes, elles, n'ont aucune raison de sommer à 1. 3. Méthode : traduire un énoncé 1. Lister les états et choisir leur ordre. 2. Pour chaque état de départ, écrire les probabilités de sortie données par l'énoncé. 3. Compléter la ligne par complément à 1. 4. Vérifier que chaque ligne somme à 1 et que tous les coefficients sont dans [0\ ;\ 1]. 4. Attention Une phrase comme « 30\ \% des clients de F passent en M » renseigne la ligne de F (départ), pas celle de M.
Dans ce chapitre
- Arbres pondérés et formule des probabilités totales de Première
- Produit scalaire et équations de droites dans le plan de Première
- Probabilités conditionnelles et suites arithmético-géométriques de Première
- Vocabulaire des graphes orientés et pondérés
- Graphes probabilistes et matrice de transition stochastique
- Distribution probabiliste à l'étape n
- Calcul explicite de l'état probabiliste par puissance de matrice
- Recherche et caractérisation de l'état stable
- Théorème de convergence pour les graphes probabilistes réguliers
- Étude complète d'une chaîne de Markov à deux états
- Modélisation de marches aléatoires et de processus stochastiques
- Graphes, matrice de transition et états probabilistes
- État stable et convergence à long terme
- Bilan : Synthèse et méthode sur Graphes probabilistes et chaînes de Markov