HAX603X: Modélisation stochastique
Université de Montpellier (Imag)
CNRS
Inria
Définition 1 (Vecteur gaussien) Un vecteur aléatoire \(\mathbf{X} = (X_1, \dots, X_d)^\top \in \mathbb{R}^d\) est un vecteur gaussien si pour tout \({\alpha} = (\alpha_1, \dots, \alpha_d)^\top\), la variable aléatoire réelle \[ \langle {\alpha}, \mathbf{X} \rangle = \alpha_1 X_1 + \cdots + \alpha_d X_d \enspace, \] suit une loi normale.
Conséquence chaque (loi marginale) \(X_j\) suit une loi gaussienne (choisir ci-dessus \(\alpha = e_j\), les autres égaux à \(0\))
Contre-exemple: \(X\sim \mathcal{N}(0,1)\) et \(\varepsilon\) une loi uniforme (discrète) sur \(\{-1,1\}\), alors \((X, \varepsilon X)^{\top}\) n’est pas un vecteur gaussien bi-dimensionnel, mais \(X\) et \(\varepsilon X\) sont gaussiennes.
\[ \begin{align*} \mathbb{P}(\varepsilon X \leq t) & = \mathbb{P}(X \leq t) \mathbb{P}(\varepsilon = 1) + \mathbb{P}(-X \leq t) \mathbb{P}(\varepsilon = -1)\\ & = \tfrac{1}{2} \mathbb{P}(X \leq t) + \tfrac{1}{2} \mathbb{P}(-X \leq t) = \mathbb{P}(X \leq t) \enspace. \end{align*} \] mais \(X + \varepsilon X\) prend la valeur \(0\) avec probabilité \(1/2\) donc ne suit pas une loi normale.
Notation: on note \(X\sim\mathcal{N}(\mu,\Sigma)\) un vecteur gaussien d’espérance \({\mu}\) et de matrice de variance-covariance \(\Sigma\)
Pour un tel \(\mathbf{X}\), on a \(\langle {\alpha}, \mathbf{X} \rangle \sim \mathcal{N}\left(\langle {\alpha}, {\mu} \rangle, {\alpha}^\top \Sigma {\alpha}\right)\) pour tout \(\alpha\in \mathbb{R}^{d}\)
Preuve \[ \begin{align*} \mathbb{E}[\langle {\alpha}, \mathbf{X} \rangle] = \mathbb{E}[\alpha_1 X_1 + \dots + \alpha_d X_d] = \alpha_1 \mathbb{E}[X_1] + \cdots + \alpha_d \mathbb{E}[X_d] = \langle {\alpha}, {\mu} \rangle\,, \end{align*} \]
et
\[ \begin{align*} \mathrm{var}(\langle {\alpha}, \mathbf{X} \rangle) & = \mathrm{var}(\alpha_1 X_1 + \cdots + \alpha_d X_d)\\ & = \mathrm{cov}(\alpha_1 X_1 + \cdots + \alpha_d X_d, \alpha_1 X_1 + \cdots + \alpha_d X_d) \\ & = \sum_{1 \leq i,j \leq d} \alpha_i \mathrm{cov}(X_i, X_j) \alpha_j = {\alpha}^\top \Sigma {\alpha} \end{align*} \]
\[ \phi_\mathbf{X}({\alpha}) \triangleq \mathbb{E}[e^{i \langle {\alpha}, \mathbf{X} \rangle}] = \exp\Big(i \langle {\alpha}, {\mu} \rangle - \frac{{\alpha}^\top \Sigma {\alpha}}{2}\Big)\,, \quad {\alpha} \in \mathbb{R}^d\,. \] Preuve: utiliser l’expression de la fonction caractéristique d’une variable aléatoire de loi normale \(\mathcal{N}(\langle {\alpha}, {\mu} \rangle, {\alpha}^\top \Sigma {\alpha})\).
Conséquence: \(\phi_\mathbf{X}\) est entièrement déterminée par les quantités \({\mu}\) et \(\Sigma\).
En particulier, si les variables aléatoires \(X_1, \dots, X_d\) sont indépendantes de loi \(\mathcal{N}(0,1)\), alors \({\mu} = (0,\ldots,0)^\top\) et \(\Sigma = \mathrm{Id}_d\).
Cas \({\mu}=0\) et \(\Sigma = \mathrm{Id}_d\) : la loi gaussienne centrée réduite \(\mathcal{N}(0, \mathrm{Id}_d)\)
La loi de \((X_1,\dots,X_n)^\top\) correspond alors à la loi produit de \(n\) lois gaussiennes centrées réduites indépendantes (pour les gaussiennes la décorrélation implique l’indépendance), de densité \[ \varphi_{0,\mathrm{Id}_d}(x) = \frac{1}{ \sqrt{(2\pi)^d}} \exp\left( -\tfrac{1}{2}x^\top x \right) \enspace. \]
Proposition 1 (Densité de la loi gaussienne multivariée) Soient \({\mu} \in \mathbb{R}^d\) et \(\Sigma \in \mathbb{R}^{d \times d}\) (symétrique et définie positive) et supposons que \(X \sim \mathcal{N}({\mu},\Sigma)\). Alors la densité de probabilité de \(X\) est donnée pour tout \(x \in \mathbb{R}^d\) par
\[ \varphi_{{\mu},\Sigma}(x) = \frac{1}{ \sqrt{(2\pi)^d |\det(\Sigma)|}} \exp\Big( -\tfrac{1}{2}(x-{\mu})^\top\Sigma^{-1}(x - {\mu}) \Big) \enspace. \]
Preuve: Soit \(L\in \mathbb{R}^{d \times d}\) t.q. \(LL^\top = \Sigma\) (décomposition spectrale, de Cholevsky, etc.). Loi de \(\mathbf{Y} = \psi(X) \triangleq L \mathbf{X} + {\mu}\), pour \(X\sim \mathcal{N}(0,\mathrm{Id_d})\).
Application de la formule du changement de variable avec \(\psi^{-1}\) et son jacobien: \(\psi^{-1}(y) = L^{-1}(y-{\mu})\), et \(|\det(J_{\psi^{-1}})| = |\det(L^{-1})| = |\det(L)|^{-1} = |\det(\Sigma)|^{-1/2}\).
De plus \(LL^\top \left(L^{-1}\right)^\top L^{-1}=\mathrm{Id}_d\), et donc que \(\left(L^{-1}\right)^\top L^{-1}=\Sigma^{-1}\).
On en déduit la densité de \(\mathbf{Y}\) : \[ \begin{align*} \varphi_{{\mu},\Sigma}(y) & = \varphi_{0,\mathrm{Id}_d}(\psi^{-1}(y)) |\det(J_{\psi^{-1}})| \\ & = \frac{|\det(\Sigma)|^{-1/2}}{ \sqrt{(2\pi)^d }} \exp\left( -\tfrac{1}{2}(y-{\mu})^\top \left(L^{-1}\right)^\top L^{-1}(y - {\mu})\right)\\ & = \frac{1}{ \sqrt{(2\pi)^d |\det(\Sigma)|}} \exp\Big( -\tfrac{1}{2}(y-{\mu})^\top\Sigma^{-1}(y - {\mu}) \Big) \enspace. \end{align*} \]
Proposition 2 (Transformation affine de vecteurs gaussiens) Soit \(\mathbf{X} \sim \mathcal{N}({\mu}, \Sigma)\) un vecteur gaussien sur \(\mathbb{R}^d\), \(\Omega \in \mathbb{R}^{d' \times d}\) et \({\nu}\in \mathbb{R}^{d'}\). Alors, le vecteur aléatoire \(\mathbf{Y} = \Omega \mathbf{X} + {\nu}\) est un vecteur gaussien vérifiant \[ \mathbf{Y} \sim \mathcal{N}(\Omega {{\mu}} + {\nu}, \Omega \Sigma \Omega^\top)\,. \]
Cette proposition se prouve sans peine en utilisant la fonction caractéristique On retrouve en particulier la stabilité par transformation affine établie en dimension \(1\).
Théorème 1 (Factorisation de Cholesky) Soit \(\Sigma \in \mathbb{R}^{d \times d}\) une matrice symétrique définie positive. Alors il existe une matrice triangulaire inférieure \(L \in \mathbb{R}^{d \times d}\) telle que \(\Sigma = LL^\top\). La décomposition est unique si l’on impose que les éléments diagonaux de \(L\) soient strictement positifs.
Preuve: la factorisation de Cholesky est une conséquence directe de la méthode du pivot de Gauss; détails (Th. 4.4.1, Ciarlet 2006).
Utilité: Résolution de systèmes linéaires “\(Ax=b\)” avec \(A\) symétrique définie positive (notamment pour résoudre plusieurs systèmes avec la même matrice A)
Algorithme proposé par André-Louis Cholesky: (1875-1918) ingénieur topographe et géodésien dans l’armée française, mort des suites de blessures reçues au champs de bataille. 
En numpy, la factorisation de Cholesky est disponible via la fonction linalg.cholesky.
import numpy as np
Sigma = np.array([[1, 0.5], [0.5, 2]])
L = np.linalg.cholesky(Sigma)
print(f"Sigma:\n{Sigma}\n")
print(f"L:\n{L}\n")
print(f"LL^T:\n{L@L.T}\n")
print(f"L^TL:\n{L.T@L}\n")Sigma:
[[1. 0.5]
[0.5 2. ]]
L:
[[1. 0. ]
[0.5 1.32287566]]
LL^T:
[[1. 0.5]
[0.5 2. ]]
L^TL:
[[1.25 0.66143783]
[0.66143783 1.75 ]]
La matrice \(\Sigma\) étant symétrique, elle peut s’écrire comme \(\Sigma = LL^\top\) où \(L\) est une matrice triangulaire inférieure de taille \(d \times d\). Grâce à la décomposition de Cholevsky et en reprenant les éléments de la preuve de la Proposition 1, on peut écrire \(\mathbf{Y} = L \mathbf{X} + {\mu}\) où \(\mathbf{X} \sim \mathcal{N}(0, \mathrm{Id}_d)\) et vérifier que \(\mathbf{Y} \sim \mathcal{N}({\mu}, \Sigma)\).
La matrice \(\Sigma\) étant symétrique, elle se diagonalise en base orthonormée : il existe une matrice orthogonale \(P\) telle que \[ \Sigma = P \mathrm{diag}(\lambda_1 \ldots, \lambda_d) P^{-1} = P \mathrm{diag}(\lambda_1 \ldots, \lambda_d) P^\top\ \] où \(\lambda_1, \ldots, \lambda_d \geq 0\) sont les valeurs propres de \(\Sigma\) qui est semi-définie positive. On pose alors \(L = P \mathrm{diag}(\sqrt \lambda_1 \ldots, \sqrt \lambda_d)\) qui est une racine carrée matricielle de \(\Sigma\) au sens où \(\Sigma = L L ^\top\). On part alors d’un vecteur gaussien centrée réduit \(\mathbf{X} \sim \mathcal{N}(0, \mathrm{Id}_d)\) que l’on sait simuler
La proposition Proposition 2 assure alors que le vecteur \(\mathbf{X} = L \mathbf{X} + {\mu}\) est un vecteur gaussien de loi \(\mathcal{N}({\mu}, \Sigma)\).
En dimension \(p=2\), la matrice de covariance \(\Sigma\) peut toujours s’écrire comme suit: \[ \Sigma = \begin{pmatrix}\cos(\theta) & - \sin(\theta)\\ \sin(\theta)& \cos(\theta) \end{pmatrix} \cdot \begin{pmatrix}\sigma_1 & 0\\ 0 & \sigma_2 \end{pmatrix}\cdot \begin{pmatrix} \cos(\theta) &\sin(\theta)\\ -\sin(\theta)& \cos(\theta)\end{pmatrix} \]
cf. cours