Évènements

Suite de la semaine précédente:
Dans cet exposé nous donnons des définitions des primitives et dérivées fractionnaires.
Plusieurs résultats seront enoncées et démontrés, en particulier sur l’intégration par parties et les équations différentielles fractionnaires.
Enfin nous présenterons quelques applications en probabilités.

During this talk, we will review some recent advances in the multiplicative coalescent theory and its link to random graphs. The multiplicative coalescent dynamic naturally emerges when one regards the evolution of the connected components in a graph-valued Markov process. We will mainly focus on the breadth-first walk introduced by V. Limic (2019), a Lévy-type process encoding a random forest whose components (trees) are a representation of the multiplicative coalescent. We will then focus on the extension of this construction to account for the surplus edges data, in addition to the spanning edge data. We will present two different graph representations of the multiplicative coalescent, with different advantages and drawbacks, that are discussed in detail. In particular, we will show how to recover a realization of the random graph at a fixed time, and also as a process when the time parameter evolves. We will also discuss the use of these results to understand the scaling limits of near-critical random graphs in the domain of attraction of general eternal multiplicative coalescent.

Nous donnons une caractérisation des ensembles $D_p (1 < p < 2)$ des nombres complexes $c$ tels que $z\mapsto \frac{1+z}{2}+c\left(\frac{1-z}{2}\right)^{p}$ soit une self-map du disque unité fermé, et nous montrons que ces ensembles sont croissants en fonction de $p$.

La suite d’Oldenburger-Kolakoski est l’unique suite infinie sur l’alphabet {1,2} qui commence par un 1 et est un point fixe de l’application de codage par plage. Dans cet exposé, nous prendrons un peu de recul par rapport à cette suite bien connue et très étudiée, en introduisant de l’aléa dans le choix des lettres écrites. Cela nous permettra de montrer des résultats portant sur la convergence de la densité de 1 dans les suites ainsi construites. Dans le cas où les lettres sont choisies selon une suite i.i.d. de variables aléatoires ou selon une chaîne de Markov, la densité moyenne de 1 converge. De plus, dans le cas i.i.d., nous arrivons même à démontrer que la densité converge presque sûrement. Il s’agit d’un travail réalisé conjointement par Chloé Boisson, Damien Jamet, et Irène Marcovici.