Séminaire Probabilités et Statistique

La structure du paysage agricole peut avoir une influence sur les processus qui s’y déploient : la propagation des maladies des cultures, le flux de gènes entre des variétés cultivées, le transfert des contaminants dans le sol… L’étude des interactions entre ces processus et le paysage a été facilité grâce aux développement récent des simulateurs de paysages, basés sur des modèles de la géométrie stochastique.

Le modèle gibbsien de tessellation aléatoire en T [1] s’inscrit dans ce contexte. En effet, le choix approprié des composantes de la fonction d’énergie du modèle conduit à  des simulations réalistes des parcellaires agricoles. Dans mon exposé je présenterai le modèle et l’algorithme de simulation associé. Je parlerai de la méthode d’estimation des paramètres et je l’appliquerai aux données de la petite région agricole en Loir-et-Cher. Enfin, j’aborderai la question du choix de modèle qui fait l’objet de nos travaux récents.
Katarzyna Adamczyk-Chauvat, Mouna Kassa, Kiên Kiêu, Radu Stoica.
[1] K. Kiêu, K. Adamczyk-Chauvat, H. Monod, R. S. Stoica. A completely random T-tessellation model and Gibbsian extensions. Spatial Statistics, 6, 118-138, 2013.

Nous présenterons un nouveau couplage martingale entre deux mesures de probabilité $mu$ et $nu$ dans l’ordre convexe en dimension un. Ce couplage s’exprime explicitement en fonction des intégrales des parties positive et négative de la différence des fonctions quantiles de $mu$ et $nu$. L’intégrale de $|y-x|$ contre ce couplage est plus petite que deux fois la distance de Wasserstein d’indice un entre $mu$ et $nu$. Lorsque le couplage comonotone entre $mu$ et $nu$ est donné par une application de transport $T$, il minimise l’intégrale de $|y-T(x)|$ parmi tous les couplages martingales. Il fait partie de toute une famille de couplages martingales qui partage ces propriétés.

Je vais profiter de cette occasion pour délaisser un peu la biologie au profit des maths et parler d’un sujet qui me tient à  cÅ“ur en ce moment : la représentation de Poisson. Introduite par C. W. Gardiner en 1977 comme un ansatz pratique pour résoudre certaines équations maîtresses (alias Kolmogorov progressives) représentant des systèmes de réactions chimiques modélisés par des processus markoviens de sauts, cette représentation a fait ses preuves d’un point de vue formel mais n’a pas encore livré tous ses secrets mathématiques.

In food science, it is of great interest to get information about the temporal perception of aliments to create new products, to modify existing ones or more generally to understand the perception mechanisms. Temporal Dominance of Sensations (TDS) is a technique to measure temporal perception which consists in choosing sequentially attributes describing a food product over tasting.
This work introduces new statistical models based on finite mixtures of semi-Markov chains in order to describe data collected with the TDS protocol, allowing different temporal perceptions for a same product within a population. The identifiability of the parameters of such mixture models is discussed. Sojourn time distributions are fitted with gamma probability distribution and a penalty is added to the log likelihood to ensure convergence of the EM algorithm to a non degenerate solution. Information criterions are employed for determining the number of mixture components. Then, the individual qualitative trajectories are clustered with the help of the maximum a posteriori probability (MAP) approach. A simulation study confirms the good behavior of the proposed estimation procedure. The methodology is illustrated on an example of consumers perception of a Gouda cheese and assesses the existence of several behaviors in terms of perception of this product.
Joint work with G. Lecuelle, P. Schlich and M. Visalli (Centre des Sciences du Gout et de l’Alimentation, UMR Agrosup-CNRS-INRA-UB, Dijon)

Nous nous intéressons au comportement asymptotique du premier temps de retour des orbites d’un système dynamique dans un petit voisinage de leurs points de départ. Nous étudions cette quantité dans le contexte de systèmes dynamiques préservant une mesure infinie. Plus précisément, nous considérons le cas de $mathbb{Z}$-extensions de sous-shift de type fini. Nous considérons également un modèle probabiliste pour éclairer la stratégie de nos preuves.

De nombreux modèles écologiques sont représentés par des équations différentielles ordinaires. Si ces modèles nous permettent, plus ou moins facilement de comprendre certains comportements observés dans la nature, ils ne prennent pas en compte deux éléments inhérents à  la vie réelle : l’aléa et la tragique destinée de toute population – la mort en temps fini.
Dans cet exposé, nous considérons un processus de Markov X « immortel » et une famille de processus de Markov X^N qui meurent en temps fini, et qui convergent vers X, et nous explorerons le comportement de la famille des distributions quasi-stationnaires (QSD) associées aux X^N. Nous verrons en particulier que ce comportement dépend fortement de la nature du processus X (persistant ou non). Cela permet, en un certain sens, de justifier l’approximation et l’étude de processus immortels.

Nous proposons une méthode d’analyse des dissimilarités spatiales d’une ville fondée sur la représentation de celle-ci par un faisceau de trajectoires, obtenues en explorant la ville à  partir de chacun de ses points. L’échelle à  partir de laquelle une trajectoire converge vers la ville entière constitue en quelque sorte une distance focale : le rayon du disque qu’il faut parcourir, en partant de tel point, pour « voir » la ville telle qu’elle est en réalité, dans son ensemble. Cette distance dépend de la variable (ou de la distribution) considérée, ainsi que du seuil de convergence choisi. Une intégrale permet à  la fois de s’affranchir de l’arbitraire dans le choix du seuil et d’identifier les points pour lesquels la convergence est presque toujours lente, y compris pour des seuils relativement élevés. Nous définissons ainsi un coefficient de distorsion, qui mesure à  quel point l’image de la ville, perçue en tel ou tel point, est différente de son image globale réelle. Travail en collaboration avec J. Randon-Furling (Université Paris 1) et W. Clark (UCLA)

We study stochastic multiple-fragmentation processes driven by a spatial flow. The final goal is actually to make a numerical simulation of the time evolution of a system of particles located on an Euclidean surface.

We take into account not only the fragmentation of the mass of a particle, but also of the kinetic energy. The talk is based on a joint work with Ioan R. Ionescu and Oana Lupascu-Stamate.

Considérons un graphe G_n uniformément choisi dans
l’ensemble des graphes à  n noeuds étiquetés avec des degrés D_1,…,D_n
donnés, eux-mêmes aléatoires i.i.d. tels que E[D^2]<∞ et P(D=2)E[D]. On se place ici dans le cas critique
E[D(D-1)]=E[D] et on suppose que P(D=k)∼ck^{-2-α}, 1<α<2. Des travaux de
Joseph 14, Riordan 12 et Conchon-Kerjan et Goldschmidt (à  paraître), il
résulte que le graphe G_n, après normalisation, converge en loi vers un
graphe continu aléatoire appelé graphe stable d'indice α. Nous
présenterons ici quelques propriétés géométriques de ce graphe limite.

Basé sur un travail en collaboration avec C. Goldschmidt et D.
Sénizergues.

To unveil the nature of 95% of the Universe, missions such as Euclid aim at reaching a few percent precision. In
this quest for precision, tensions between the standard cosmological model and observations already arise: local and global H0
measurements are incompatible at more than 3σ, anomalies emerge within the CMB, etc. These tensions suggest that we should perhaps not be so quickly inclined to disregard our observational site as a bias factor: Accuracy
is not Precision. Few percent precision and local-induced biases are of the same order of magnitude. A precise
mapping of the local distribution of matter is essential to properly account for these biases. Simulations constrained to resemble the local Universe constitute the tool of choice for such a mapping. I will summarize the genesis of the initial conditions of such simulations as well as present a few results that promise to tremendously impact our understanding of the local-induced biases that will matter in future analyses. Eventually, I will present the initial conditions of the
GMO-CLONES (GMO-Constrained LOcal & Nesting Environment Simulation) suite to reach an Accurate Precision Cosmology.