Càdlàg
En mathématiques, une fonction càdlàg (continue à droite, limite à gauche) est une fonction définie sur un ensemble E de nombres réels qui est continue à droite en tout point de E et admet une limite à gauche en tout point de E. Les fonctions càdlàg sont importantes dans l'étude des processus stochastiques qui sont notamment des processus à sauts. L'ensemble des fonctions càdlàg est appelé l’espace de Skorokhod.
La notation « càdlàg » est utilisée internationalement[réf. nécessaire]. Il existe cependant la notation équivalente en anglais RCLL (« right continuous with left limits »). Il existe également la notion de fonction càglàd (continue à gauche, limite à droite), qui est l'équivalent par une inversion gauche-droite, et la notion de fonction càllàl (continue à l'un, limite à l’autre).
Définition
modifierSoient (M,d) un espace métrique et E ⊆ R un sous-ensemble de nombres réels. Une fonction ƒ: E → M est une fonction càdlàg si pour tout t ∈ E,
- la limite à gauche définie par ƒ(t−) := lims↑t ƒ(s):= lims→t, s<t ƒ(s) existe; et
- la limite à droite définie par ƒ(t+) := lims↓t ƒ(s):= lims→t, s>t ƒ(s) existe et est égale à ƒ(t).
La limite utilisée ici est celle définie par la métrique d.
Exemples
modifier- Les fonctions continues sont des fonctions càdlàg.
- Les fonctions de répartition sont des fonctions càdlàg.
- les trajectoires d'un processus de Lévy sont des trajectoires càdlàg.
L'espace de Skorokhod
modifierL'ensemble des fonctions càdlàg de E dans M est souvent noté D(E; M) et est appelé l'espace de Skorokhod en référence au mathématicien ukrainien Anatoliy Skorokhod. L'espace de Skorokhod peut être muni d'une topologie qui, intuitivement, permet de "tordre" un petit peu le temps et l'espace (alors que la topologie traditionnelle de la convergence uniforme permet de "tordre" l'espace un petit peu). Pour simplifier, restreignons-nous à E = [0, T] et M = Rn (voir Billingsley pour des cas plus généraux).
Définissons d'abord un analogue, que l'on note ϖ′ƒ(δ), du module de continuité. Pour tout sous-ensemble F ⊆ E, on pose
et, pour δ > 0, définissons le module càdlàg par
où l'infimum est pris sur l'ensemble des partitions Πδ = {(t0,t1,...,tk), tel que 0 = t0 < t1 < … < tk = T, k ∈ N et mini (ti − ti−1) > δ}. Cette définition reste valable pour des fonctions non-càdlàg (de même que le module de continuité usuel est valable pour les fonctions non-continues). On peut montrer que ƒ est càdlàg si et seulement si ϖ′ƒ(δ) → 0 quand δ → 0.
Notons Λ l'ensemble des bijections continues strictement croissantes de E dans lui-même. Notons également
la norme uniforme des fonctions sur E. Définissons la métrique de Skorokhod σ sur D(E; M) par
où I: E → E est la fonction identité. La notion intuitive de "tordue" en temps est mesurée par ; de même, mesure la taille de la "torsion" en espace.
On peut montrer que cette métrique de Skorokhod est une vraie métrique. La topologie Σ engendrée par σ est appelée topologie de Skorokhod sur D(E; M).
Propriétés de l'espace de Skorokhod
modifierGénéralisation de la topologie uniforme
modifierL'espace C(E,M) des fonctions continues de E dans M est un sous-espace de D(E,M). La topologie de Skorokhod relative à C(E,M) coïncide avec sa topologie uniforme.
Complétude
modifierOn peut montrer que, bien que D(E,M) ne soit pas un espace complet par rapport à la métrique de Skorokhod σ, il existe une métrique topologiquement équivalente σ0 par rapport à laquelle D(E,M) est complet.
Séparabilité
modifierPar rapport à σ ou σ0 D(E,M) est un espace séparable. L'espace de Skorokhod est ainsi un espace polonais.
Tension dans l'espace de Skorokhod
modifierPar une application du théorème d'Ascoli, on peut montrer qu'une suite (μn)n=1,2,… de mesures de probabilité sur l'espace de Skorokhod est tendue si et seulement si les deux conditions suivantes sont satisfaites :
et
- .
Références
modifier- (en) Cet article est partiellement ou en totalité issu de l’article de Wikipédia en anglais intitulé « Càdlàg » (voir la liste des auteurs).
- (en) Billingsley, Patrick, Probability and Measure, New York, NY, John Wiley & Sons, Inc., , 3e éd., 608 p. (ISBN 978-0-471-00710-4, LCCN 94028500)
- (en) Billingsley, Patrick, Convergence of Probability Measures, New York, NY, John Wiley & Sons, Inc., , 2e éd., 296 p. (ISBN 978-0-471-19745-4, LCCN 99030372)