L’objectif de ces deux séances est de présenter la théorie de la persistance stochastique et les résultats récemment obtenus par Michel Benaïm (preprint 2018).
On s’intéresse à  un processus de Markov (type EDS ou PDMP) modélisant une population et laissant invariant un ensemble (typiquement, un point, ou une face de l’orthant positif) qui représente l’extinction d’une ou plusieurs espèces.
L’hypothèse d’invariance implique que le processus n’est pas absorbé en temps fini par l’ensemble d’extinction. Les outils développés par Michel Benaïm permettent d’étudier le processus au voisinage de l’ensemble d’extinction, et ainsi d’obtenir des conditions suffisantes pour l’extinction (convergence vers l’ensemble invariant) ou la persistance (concentration des trajectoires à  une certaine distance de l’ensemble d’extinction). L’hypothèse principale est l’existence d’une fonction de type Lyapunov, qui permet de contrôler le processus au voisinage du bord, et les résultats se lisent sur le signe d’exposants de Lyapunov liés à  cette fonction.
Dans la partie 1, nous verrons les définitions et les principaux résultats, ainsi que quelques exemples d’application.
Dans la partie 2, nous verrons les idées de preuves des principaux résultats et d’autres exemples.

The talk comprises two parts. In the first one, the problem of optimal
stopping is introduced, and some classical results are presented and proved in certain
detail, after a discussion of several different existing approaches.
In the second one, some new results are presented, concerning diffusions with discontinuous
coefficients. In this case, new phenomena concerning the classical solutions appear.

le démon de Solomonoff

Nous aborderons la loi des grands nombres pour des processus de branchement en temps discret, vu comme des composés de noyau de transition. L’exposé commencera par quelques exemples simples, présentera le formalisme utilisé, et abordera la formule many-to-one, un critère de type x log x pour l’uniforme intégrabilité de la martingale de Biggins et, enfin, un critère de type R-positivité pour la loi des grands nombres.

Le but est de déterminer la distribution d’un arbre couvrant d’un graphe G sur l’ensemble des arêtes de G.
Ceci est fait via le théorème de Kirchhoff pour la distribution marginale et le théorème de transfert de courant pour la distribution totale.

Le but est de déterminer la distribution d’un arbre couvrant d’un graphe G sur l’ensemble des arêtes de G.
Ceci est fait via le théorème de Kirchhoff pour la distribution marginale et le théorème de transfert de courant pour la distribution totale.

J’introduirai rapidement le processus de contact ainsi que les problèmes qui nous intéresserons à  son sujet. Je discuterai des difficultés qui apparaissent lors de son étude sur un graphe non-régulier et j’essaierai de montrer comment, pour le graphe Booléen, on peut les contourner à  l’aide des propriétés démontrées dans l’exposé précédent.

Je commencerai par présenter le modèle avant de démontrer quelques propriétés du graphe Booléen qui seront utiles à  l’étude du processus de contact sur ce-dernier.

Dans cet exposé récréatif, nous verrons comment calculer des probabilités liées
à  des marches aléatoires sur des graphes à  l’aide de résistances électriques, d’une prise
de courant et d’un voltmètre.

Sophisticated functional connections appears in experiments designed for assessing the visual working memory of the human brain. Elucidating the nature
of these interactions is supposedly a doorway for fruitful inference on brain cognitive processes. A challenging aspect is that they may involve brain waves
oscillatory components of possibly different frequencies. We develop a statistical methodology to study collections of replicated spatially localized EEG time
series. In the pursue of realistic and tractable time series models, we introduce
a new class of spatio-temporal processes that are time-harmonizable. We consider available replicates and seek for the estimation of both the spatial Loeve-
spectrum and the spatial dual-frequency coherence function. In other words we
measure a squared correlation coefficient across different frequencies between
any spatial locations. Our method exploit the spatial correlations to improve
the local estimation of the coherence between different frequency bands. We
derive the asymptotic distribution of the spatial coherence function and build
bootstrap-based confidence intervals.
This is based on joint work with John Aston, Dominique Dehay, Anna Dudek
and Denes Scusz.

Dans une première partie, on considèrera et illustrera les problèmes de contrôle optimal à  horizon fini. Apres la dérivation des équations de Bellman, on verra comment calculer efficacement, par « programmation dynamique », la valeur d’une politique et une politique optimale.
Dans une seconde partie, on considèrera les problèmes actualisés stationnaires à  horizon infini. Je détaillerai la preuve d’un résultat fondamental de ce cadre: l’existence d’une politique optimale stationnaire. On présentera ensuite un algorithme, itération sur les politiques, pour résoudre ce problème de manière élégante et efficace (si le temps le permets, j’évoquerai de récents résultats sur sa complexité).

We consider a critically branching population in R^d of particles of K types, starting off from a Poisson random
population. The branching laws, lifetimes and motions of particles are type-dependent.
We give conditions for asymptotic extinction in the following two cases:
1. All particle lifetimes have finite means,
2. There is a particle whose lifetime disruption has heavy tail, and the other lifetimes have finite mean.
These conditions depend upon the mobility, fertility and longevity parameters of the population.

In these two presentations, we will first introduce using basic stochastic calculus, the parametrx method and then show how to deduce an unbiased simulation method and its interpretations.

We will discuss its advantages and shortcomings and then discuss how to solve them.
using a second
order method.
We will also give some simulation results and then time allowing we will discuss some other extensions.

On peut définir une notion de fonction de répartition fractionnaire en utilisant les outils du calcul différentiel fractionnaire. Cette probabilité est en fait l’espérance d’une certaine variable aléatoire. Le schéma d’approximation basé sur théorème central limite permet de mettre en évidence un processus gaussien. On peut représenter ce processus comme une intégrale stochastique d’une fonction par rapport au pont brownien classique.