Interprétation avec un exemple simple :
Considérons un processus ayant 3 états : E = {1, 2, 3}. La matrice de transition
est donnée par :
0.5 0.3 0.2
P = 0.4 0.4 0.2 .
0.1 0.5 0.4
Supposons que la distribution initiale est :
P (X0 = 1) = 0.6, P (X0 = 2) = 0.3, P (X0 = 3) = 0.1.
Étape 1 : Calcul de la loi marginale après 1 étape (n = 1) :
X
P (X1 = j) = P (X0 = i) · pij .
i∈E
Pour j = 1 :
P (X1 = 1) = P (X0 = 1) · p11 + P (X0 = 2) · p21 + P (X0 = 3) · p31 .
Substituons les valeurs :
P (X1 = 1) = 0.6 · 0.5 + 0.3 · 0.4 + 0.1 · 0.1 = 0.3 + 0.12 + 0.01 = 0.43.
On calcule P (X1 = 2) et P (X1 = 3) de manière similaire.
Forme matricielle :
Pour simplifier les calculs, on peut utiliser une représentation matricielle. Soit :
• La distribution initiale comme un vecteur-ligne π (0) = [P (X0 = 1) , P (X0 = 2) , P (X0 = 3)] =
[0.6, 0.3, 0.1],
• La matrice de transition P .
La loi marginale au pas n = 1 est donnée par :
π (1) = π (0) · P.
Pour n étapes, on a :
π (n) = π (0) · P n .
1
Résumé :
• Les lois marginales donnent les probabilités associées aux états du
processus à un instant donné.
• Elles se calculent à partir de la distribution initiale et de la matrice de
transition.
• La formule générale est :
(n)
X
P (Xn = j) = P (X0 = i) · pij ,
i∈E
• ou en notation matricielle :
π (n) = π (0) · P n .