Institut Notional de Statistique ot Année: 2019- Beonomie Appliquée (INSEA) Pe, Kadai Rabat Corrs temps discret Exercice 1 On concidtre & points équirépartis sur un corcle, Un promenour cauto & chaque inctant, dun point & Lun de ses voisins avec la probabilité 1/2 pour chaque yoisin. Déterniner le graphe et 1a natrice de transition de la chatne ainel obtenue. Quelle est 1a période de ses étate? ensemble des états ast £ = {1,2,3,4,5). Les probabilités de transition d'un point & lun de ses voisins sont: 1=1/2 pour ie (2.3.4) La matrice de transition est done Le graphe de transition ext donc Figure 1: Grapho repeésentaif de la ehaine TY fe tats communiquent, is forment done une seule clue persistante (rn seule composante fortement con: exe) ct par conséquent la chaine est iéductible. Les états apparticnnent a In méme classe pesstante, is sont iméme nature, Come le nombre d'état est fini ils sont récurtents posits (eécurtents non tls) et ln chaine est dane réeutrente positive. Les états ont également la meme période (propriéé de elasse) et on alors chercher la période d'un seul état, par exemple Tétat 1. La pétiode de Létat 1 est define comme sui auy= Paco {n> 1 o} ri > 0}. On apf > J. car pl? est ba probbilité de tons les circuits compen de deus transitions On a également 7°) > prapapoipapa = $x 4x bx dx d= b>, Or 2 et 5 sont premiers entre eux et done d(1) 1 et done l'état 1 est apériodique et les sures sont également apériodique. Par conséquent la chuine est aptriodiau Exercive 2, Dans un cortain pays, il ne fait jamais beau deux jours de suite. Si un jour il fait beau, le lendemain 41 peut neiger ot plewotr avec autant de chances. Si un jour 11 pleut ou 11 neige, 11 y a une chance fur deux qu’ii y sit changenent de teape le lendenain, et e'i1 y a changement, i1 ya une chance sur deux que ce soit pour du beau teape 1, Former, & partir de cela, une chatne de Markov et en déterminer aa matrice de transition Liespace des états est € = {B,P.N} ‘signer le Beau temps, *P": Pluie ot "N": Neig Le temps pour un jour ne dépend que de celui du jour précédent, inépendamment de la période de Panne, La propriété de Markov ext bel et bien vérifge et done on tine ehaine de Marke qui sera définie par la mateice de Pp (: 1 Mw Si un Jour 41 fait beau, quel est Ie teupe Ie plus probable pour 2e surlendensin? Pour déterminer les probabilités du temps qui fera Je surlendemain, i faut caleuler ke probabilités de dew transitions 92), i,j = B,P..V. Ces probabilités sont les éléments de la matrice P®? qui rest autre que P? ‘Comme 11 on sinterease au temps probable pour le surlendemain sun jour i fit Beau, alors seule la premiéve ligne de P* qui nous iméresse Pew x Pow + Pap * pen + pan x Pyn = 0% Pg = Pen x Par pnp X per + PRN * BXP Pox = Pon X Pax * Pow X Pew + Pax X Dw Ainsi fait beau un jour, Je temps Te plus probable pour le surlendemain ext la pluie ou ha nee i. on suppose que on a que deux étate (beau teapo ot sauvais temps), déterninor 1a matrico de transition de 1a nouvelle chaine ainsi obvenue En supposant maintenant qu'on juste deux états €” = {B, Af} ("B": Beau temps ot "MP: Mauvais temps), ce qui est possible car In plu et la nege se comportent de Ta méme fagon pour ce qui est des transitions. Ales, on a # Dap =O pyr = par + Poy = 1 © pear = § car pee + pew = par + Px 01) (ih a) Doudou, e hanster pareaseur, ne connaft que trois endroits dans sa cage : les copeaux ob 31 dort, 1a mangeoire of 41 mange et 1a roue of il fait de l’exercice. Sen journées sont asvez verblables les ues faur autres, et gon activité go reprécente aieésent par une chaine de Narkov. Toutes lee minutes, 12 peut soit changer d?activité, soit continuer celle qu’il était en train de faire. L’appellation processus ‘sane ménoire n'est pas di cout exagérée pour parler de Doudow, ‘Quand 11 dort, 11 a9 chances sur 10 de ne pas se révelller 1a minute suivante. Quand 11 se révedtie, Aly af chance ur 2 qu’il aille manger et 1 chance sur 2 quil parte faire de 1/exercice Le repas ne dure qu’une minute, aprée sl fait autre chose. Aprée avoir mangé, il y a 3 chances sur 10 qu'il parte courir, mais surtout 7 chances sur 10 qu’il retourne dormir Courir est fatiguant; 11 y a 8 chances sur 10 qu’il retourne dorsir au bout dune minute. Sinon Si continie en oublaant qu!t] est deja tn pen tatiana Tracer 16 graphe de cette chatne de Narkoy et donner sa natrice de transition Liespace des états est £ = (C,M, R} of "O° dsigne le Copeaux, "M's la Mangeolre et "Rs la Rowe.Le graphe dle transition est Figure 2: Graphe de transition de la ehaine 1a matrie de transition: Si Doudou dort 1a promiére minute, quelle est la probabilité qu'il dorme 1a minute suivante? colle d’apree? Si Doudou doct la premiére minute, on a 7 = (1.000). D'aprés le cours on a Pp Bs) [La probabilité qu'il dorme ln minute suivante est done {fot Jf celle dapat. Momtrer que 1a chatne est irréductible et apéricdique. En déduire la nature des état. Copoaux -> Mangeoire -> Roue -» Copeaux > La chaine eat iréductibie, De plus pay est positif done elle ext apériodique, Une chaine & espace d'stats finis posse au moins un état recurrent posit. Blle est iméductible et ne possde qu'une seule clase d'équivalence, Elle est donc récurrente positive 4, Donner #8 mesure stationnaire. Estelle unique? Interpréter cette nesure Dapris le cour, elle posse une unique mesure stationnaire qui vérf x a= iy y= 1-21 lot a3) On o alows x = (187 ahr at fen meyenne, Doudou dort 88.4% du temps, 4.4% du tomps et fat du sport Exercive 4, Un fabricant yout fixer 1e niveau de publicité qu'il fait passer dans un média, Tl peut choisir entre une couverture publicitaire élevée (E) et une couverture publieitaire noyenne (I). Lee ventes menauellee sont réparties en trois catégories suivant leur nombre : C; (peu de ventes), C (nombre de ventes normal et C; (eaucoup de ventes). On estine que 1’évolution de 1a catégorie des ventes wensuelles au cours au tomps pout Gtre reprécentée par une chaino de Markov, dont 1a matrico de transition dépend de 1a cower publicitaire, Lee deux matrices de transition sont respectivenent les suivantes: 02 05 03 06 04 0 = (0105 04) Py=( 04 05 01 Lor 02 07 oa 05 01 Ua nois de vente de catégorie C\ (respectivenent C, et Cs) rapporte environ 9000 euros (respectivenent 12000 et 16000 euros). Une forte couverture publicitaire coite 6000 euros par nois, alors qh publicitatre noyenne ne cotte que 1000 euros par mois. 1. Apres avoir sontré que 1a O% dans les deux cas est ergodique, calculer 1a nesure stationnaire pour ee deux cae Pour Pr tons les p,s sont posits, doue tous les états sout communicants et due Ia chine est ieéductibh apriodique Pour Pay, Cy + Cs (pra > 0), C2 > Cr (pan > 0), Ca -> Cr (pa > 0), done tons los états out communicants ct done la chaine est irvéduetible apériodique (car pix > 0)- Duns les deux cas, Vespace des état est fini, done Ia caine est ergodique reovainan( $B B) on 0.8m +0.1%2 +0.175 = 0 (3 { | wo (EH E)-0%8 2. Calculer alors 1e bénéfice moyen du fabricant sur une grande période de tenpe loraque la couverture publicitaire eat élevée, puis lorequ’elle ect moyenne. Quel est Je choix le plus rentable? énitice moyen pour Pe ests 9000 x 4+ 120001 8 + 18000 x $ — 5000 = 10000, [Bénétice moyen pour Pay ests 9000 x $+ 12000 2 + 1800 x 25 ~ 1000 = 9000 En moyenne, i stable plus rentable utilis Ia couverture publicise la plus Slovée Bxerciee 5, (On dispose de 2 machines sdentiques fonctionnant indépendanment et pouvent tonber en panne au cours d’une Journée avec 1a probabilizé q= 1/1. On note X; le noxbre de machines on panne au début do la nine journée 1. Om suppose que, ai une machine est tombée on panne un jour, elle est réparée 1a nuit auivante et quion ne pout réparer qu'une machine dane 1a nuit, Montrer que l'on peut définir aine une chaine do Markov dont on ddterminora 1e grapho, 1a matrice de transition ot Gvontuellomont les distributions tant donné que Xp est le nombre de machines en panne au début de la n—iéme journée, et sous Vaypothise fqw'me seule machine qui sera répanio ke rnit suivante alos hes valeurs possbles de Xy sont O ow 1, En effet, Te oir ily a ume ow aucune machine en panne, le endemain matin, iy eh aura aueune en panne: ets le soi, iy enn deux en pannes, le lendemain matin, i y en aura une seule car on ne pent répater qu'une seule machine. Par tonsdquent, Vensemble dos états est & = (0,1) [Le nombre de machines s¢ trouvant en panne le matin, dépend uniquement du nombre de celles qui étaient en panne dans In eile a matin et de celles qu sont tombées an cours de In journée et cect indépendanament de La période de année. Cela sgnific que connatsant Vétat du proccss an “présent”(la weil), som deat at "utr (le lendemains matin) et indépendant. de ceux du "passe"? (Aeant la vole matin). Cette peoprié n'est autre alors que la proprité de Markov. 1 farait maintenant déterminer la matrice de transition pa (me m ) (nwo pa Soit APL, = 1,2eenx variables aléatoins A valeurs dass {F; Pp, derivant respectivement état de dex machines Tet 2 au cours da 1a n- 0. On suppose pour simplifier qu’il svagit 1a de 1*intégralité de ses cote de production. Soi Q 1a matrice carrée dordre n avec le coetfic| uy €% Ligne i colonne 5 a suppose que pour toute industrie i, Say <1 On note x; 1a valeur (en euros) de 1a production totale de 1?industrie i, et X le vecteur Ligne (ri, Enfin, on connaie les besoins des consommateurs: on suppose que 1a valeur de leurs besoins en produits de 1'industrie i eat by. On note H le vecteur Ligne (busby,---4ly) Que asgnstie économiquenent 1’hypotnese Sy Cette condition signs que pour produice leuro, 'odustre | pense rina de Leuro auprée de sea fournissenrs SiTinggalité est strict, cette indhistre est béndciit, sinon elle ne produit pas de bénéfice, Aucune Industrie ne produit perte Coneidérons une industrie j. Soit y, 18 valeur totale de ea production qui sert aux autres industries et Y le vectour Ligne (y1.¥i.---sts)- Exprinez Y en fonction de Q et X ‘ast est la valour de Ls production de industri j que toute industri # doit acheter pour produins ame valenr So = tage. Som forme matrclle: ¥ = X 0. (Du suppose que 1a production de chaque industria a atteint un 4quilibre pernettant de satisfaire es besoins des consonateurs et le besoins des autres industries. ferivez 1’squation traduisant cette hypotheses. A quelle condition sur 1a matrice Q peut-on trouver un vecteur de production X réalisant 1! équilibro? [La production 2 de Vindustrie {se décompose en deux parts: une part servant a la production des aux autres industries (qi) et Pautze part la satisfaction des besoins by. Done X=X.Q4+B, ou :X.(-Q)=B On peut done trouver une solution X pour toute valeur de si ot seulement sila matrice I~ @ est inversib Ou smtrodust une n+ I-tne industrie “fictive telle que: Cette n+ I-ene industrie est appelée “banque” dans 1a 1ittérature, A votre avis, pourquot? dint ext apes la question 1 Ia valeur du béndlie de V'industre ¢ pour 1 euros de production, Aw lew de servi i paver Pindstee j comme lex gy pour € {I,---s1}sdinen MERE A payer Pinduntie + 1, qui ell ne pa rea personne. Dai le nom de “banque” qui capitalise les Héndfces. Notons quvune instr ne faisant pas de benefice fst tlle que inn = 0 (elle ne pie rien & ln banque Assoctez au mod®le input-output une chaine de Markov dont vous préciserez les étate et les probabili do transition. A quel type do chatue vu en cours correspond-elle? [Les tats de In chaine associ sont les industries + ka banque, ot les probabiltés de transition sont les guy. Co sont bien des probabilités par construction des ge (la matrice de transition est bien stochastique). Un ae va du sommet 4 vers le sommet ai Vindustrie ia besoin 0) on déduit que les besoin en les industries de ces tats transitoires ne peuvent alors qu'étre mus Récapituons: si sme clas d'industres est absorbante, alors i existe pas de plan de production satisfisant dex bsoins de produits de ees industries ov des besoins de produits d'industries appurtenant A des classes tennsioives ‘menant uniquement vers In clase absorbante (ie. les industries dont Jes industries de la classe absorbante sont sous-traitantes, éventuelloment indinectoment