Les modèles d’appariements aléatoires représentent de nombreux systèmes stochastiques concrets dans lesquels des éléments de différentes classes sont appariés selon des règles de compatibilités spécifiées. Par exemple, on peut citer les systèmes dédiés à l’allocation d’organes, les sites de recherche d’emplois, de logements, etc. De tels modèles sont toujours associés à un triptyque d’éléments : un graphe connexe, dit de compatibilités, dont les sommets représentent les classes des éléments pouvant entrer dans le système et dont chaque arête relie deux classes compatibles, une politique d’appariements permettant de décider, en cas d’incertitude, quels appariements vont s’effectuer à l’intérieur du système, et un taux d’arrivées selon lequel les éléments entrent en son sein. Dans cet exposé, nous considérerons des graphes généralisés, c’est-à-dire que l’on autorisera l’appariement de deux éléments de la même classe, et nous étendrons donc à ce cadre certains résultats déjà connus dans le cas de graphes simples.

La stabilité d’un système régi par un modèle d’appariements est une propriété très importante. En effet, elle assure que les admissions au sein du système étudié sont contrôlées de sorte que les éléments ne restent pas bloqués à l’intérieur et que leur nombre n’augmente pas indéfiniment. Il est donc essentiel que le taux d’arrivées des éléments permette au système d’être stable. Dans cet exposé, nous caractériserons de manière algébrique cette zone de stabilité pour certains modèles d’appariements (généraux, généraux avec abandons, bipartis, bipartis étendus) ou de files d’attente, dites skill-based.

Par ailleurs, nous montrerons que la politique d’appariements dite First Come, First Matched (FCFM) possède la propriété d’être maximale (généralisée), c’est-à-dire que la zone de stabilité du modèle d’appariements général associé à un graphe de compatibilités et à une politique quelconque est toujours incluse dans celle associée à ce même graphe et à FCFM. Notons que cette dernière coïncide alors avec un ensemble de mesures défini par des conditions purement algébriques. Dans ce cas, la question de l’étude des mesures permettant la stabilité des systèmes régis par un modèle d’appariements revient donc à celle, plus élémentaire, de la caractérisation d’un ensemble déterministe. Nous donnerons alors un moyen de construction (simple) des mesures appartenant à celui-ci, ce qui peut s’avérer très utile pour calibrer le contrôle d’accès au système. En effet, la vérification algorithmique qu’une mesure quelconque vérifie ces conditions algébriques nécessite un nombre d’opérations polynomial en le nombre de sommets du graphe, et devient donc très coûteuse à mesure que ce cardinal augmente.

Nous expliciterons également, sous une forme produit, l’expression de la loi stationnaire de l’évolution temporelle du contenu d’un système stable régi par un modèle d’appariements général et sous la politique FCFM, permettant, notamment, de calculer explicitement des caractéristiques à l’équilibre de systèmes concrets et d’estimer leurs performances en temps long. On peut ainsi, par exemple, calculer la taille moyenne à l’équilibre d’une liste d’attente dans le cadre de dons croisés de reins, ou encore, estimer le temps moyen d’attente sur une interface pair-à-pair ou un site de rencontres.

Enfin, les taux d’appariements associés à un modèle d’appariements (général ou biparti étendu) stable seront étudiés. Ils sont définis comme étant les fréquences asymptotiques des appariements réalisés et fournissent un critère de performance des systèmes régis par de tels modèles d’appariements, de même que les propriétés de politique-insensibilité et d’équité de ces taux, qui seront également discutées.

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.

Les deux premiers esposés de l’année nous aurons le plaisir d’écouter Renaud sur Primitives et dérivées fractionnaires : quelques résultats et applications. Suit le résumé que Renaud nous a transmis.
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.

On considère un algorithme probabiliste suivi par des fourmis cherchant un plus court chemin entre leurs nids et une source de nourriture. À chaque étape une fourmi suit une marche aléatoire, dont les transitions dépendent des phéromones déposés par les fourmis précédentes, de son nid jusqu’à la source de nourriture. Nous verrons que le renforcement (i.e. le choix des arêtes sur lesquelles une fourmi dépose des phéromones) influe sur le comportement du processus, qui dans un certain nombre de cas converge : intuitivement, les fourmis coopèrent pour trouver des plus courts chemins. Je parlerai de différents résultats de convergence, en particulier pour une variante du modèle sur laquelle j’ai travaillé, dans laquelle le nid de départ est également aléatoire.

Nous l’avons tous appris en licence : il n’est pas possible d’étendre la mesure de Lebesgue à toutes les parties de [0, 1] d’une façon qui en conserve les propriétés satisfaisantes ! Il y a même pire : même en retirant la notion de « propriétés satisfaisantes », on ne peut construire aucune mesure de probabilité sur 𝔓([0, 1]) qui étende la mesure de Lebesgue (théorème d’Ulam) ; et sur 𝔓(ℝ3), il n’existe aucune extension finiment additive de la mesure de Lebesgue qui serait invariante par isométrie (paradoxe de Banach-Tarski)… D’autres points sont moins paradoxaux, mais presque aussi frustrants : pourquoi ne peut-on pas définir le support d’une mesure comme « la plus petite partie de mesure pleine » ? Pourquoi n’est-il pas possible de couper ℝ en deux parties parfaitement symétriques (comme on couperait une ficelle avec une lame) autrement qu’« à ensemble négligeable près » ?…

Il s’avère que tous ces problèmes disparaissent lorsque, au lieu de raisonner en termes de parties de ℝd, on raisonne plutôt en termes de lieux. Un « lieu » peut représenter une partie de ℝd quelconque, mais aussi des choses plus exotiques, comme par exemple le voisinage de l’infini ou le germe d’un cône ouvert : il s’agit simplement d’une autre façon d’appréhender la topologie, façon parfois qualifiée de « topologie sans points » : en effet, dans cette approche, il est possible de ne contenir aucun point sans être vide pour autant ! La théorie des lieux, développée initialement pour des raisons n’ayant rien à voir avec les questions de mesurabilité, se trouve néanmoins être parfaitement adaptée à celles-ci, et y résout nombre de paradoxes. Le point central est que la notion d’« être disjoints » au sens des lieux s’avère plus restrictive que la notion usuelle d’« ensembles disjoints » : or, toutes les constructions paradoxales de la théorie de la mesure reposent sur des ensembles dont la disjonction est “pathologique”, ce que la théorie des lieux permet de mettre en valeur !

Dans cet exposé, j’essaierai d’expliquer toutes ces choses, que j’ai découvertes récemment.

In this talk we will discuss Self-Interacting diffusions (SID), its basic properties and applications. We also discuss what constitutes the Exit-time problem, why it is important, and for which dynamical systems it was already established. We present the recent results of exit-time problem for a specific case (convex confinement and convex interaction) of SID and how they were established. In the end of the talk we discuss some ideas to generalize this result

Quadratic harnesses (QH) are Markov processes with linear
conditional expectations and quadratic conditional variances given the
natural past-future filtration. They are governed by 5 numerical
constants hidden in coefficients of conditional variances. A large
family of QH processes can be identified through Askey-Wilson (AW)
processes, which are Markov processes with transition and marginal laws
defined in terms of orthogonality measures of the celebrated system of
the Askey-Wilson polynomials. We proved in 2017 (joint paper with W.
Bryc) that the generating function for the stationary distribution of
the ASEP (asymmetric simple exclusion process) with open boundaries can
be represented through moments of QH (and AW) processes. I.Corwin and
A.Knizel (2021) used this representation for ASEPs of growing size with
a suitable asymptotic regime to find the Laplace transform of the
stationary measure of the open Kardar-Parisi-Zhang (KPZ_) equation on
the interval. Recently (joint paper with W. Bryc, A. Kuznetsov, Y. Wang)
we « inverted » this Laplace transform and thus identified directly the
solution of the open KPZ in terms of a Doob h-transform of the Brownian
motion killed at an exponential rate.

The bisexual Galton-Watson process [Daley, ‘68] is an extension of the classical Galton-Watson process, but taking into account the mating of females and males, which form couples that can accomplish reproduction. Properties such as extinction conditions and asymptotic behavior have been studied in the past years, but multi-type versions have only been treated in some particular cases.

In this work we deal with a general multi-dimensional version of Daley’s model, where we consider different types of females and males, which mate according to a ‘’mating function’’. We consider that this function is superadditive, which in simple words implies that two groups of females and males will form a larger number of couples together rather than separate.

One of the main difficulties in the study of this process is the absence of a linear operator that is the key to understand its behavior in the asexual case, but in our case it turns out to be only concave. To overcome this issue, we use a concave Perron-Frobenius theory [Krause ’94] which ensures the existence of eigen-elements for some concave operators. Using this tool, we find a necessary and sufficient condition for almost sure extinction as well as a law of large numbers. Finally, we study the convergence of the process in the long-time through the identification of a supermartingale.
This is a joint work with Coralie Fritsch and Denis Villemonais.

Je présenterai un modèle de percolation en une dimension introduit par Curien, Kozma, Sidoravicius et Tournier en 2017, la « nouille infinie ». Bien que le modèle soit unidimensionnel et très simple à définir (en utilisant des appariements non croises), la question de l’existence d’une composante infinie est ouverte. Je définirai ce modèle, expliquerai ce qui est connu et conjecturé, puis comment, lors d’un travail en cours avec Paul Thévenin (Uppsala), on est arrivés à regarder la taille de la composante de 0 dans ce modèle de percolation pour répondre à une question de Goulden, Nica et Puder sur le nombre de composantes d’un système méandrique.

Julia est un nouveau langage de programmation pour le calcul scientifique et les mathématiques. Son développement a commencé en 2009, dans le laboratoire Lincoln du MIT.

On retrouve dans ce langage de haut niveau les facilités classiques des langages couramment utilisés en calcul scientifique, avec en plus une rapidité d’exécution comparable
au C, tirant partie de la technologie de compilation Just In Time. Ainsi, le langage permet d’avoir un temps d’écriture rapide tout en préservant la vitesse d’exécution.

Depuis son lancement public en 2012, le langage Julia a rassemblé une large communauté. La sortie de la version 1.0 en août 2018 marque la maturité du langage, qui bénéficie aujourd’hui d’un écosystème complet: large collection de bibliothèques en ligne, environnement intégré de qualité, débogueur et profileur.

Le but de cet exposé est de présenter les fondements du langage ainsi que quelques exemples dans des domaines divers des mathématiques, avec une présentation succincte de quelques bibliothèques utiles.

L’exposé sera délibérément très généraliste, car je suis convaincu que les qualités du langage (syntaxe naturelle, rapidité d’exécution, création simple d’objets mathématiques,sans être un pro de la POO), en font un excellent candidat pour être le couteau suisse du mathématicien.

Étant donnée une famille de graphes, une question naturelle (qui constitue un pan de la littérature en graphes aléatoires) est de décrire la forme limite d’un graphe pris uniformément au hasard dans cette famille. On étudiera cette question pour la famille des cographes, et on décrira leur limite (appelée le « cographon Brownien ») dans le formalisme des graphons.
Dans l’exposé, je ne supposerai aucune connaissance préalable des cographes ni des graphons. J’en présenterai d’abord les définitions et quelques propriétés clés, notamment le codage des cographes par des « cotrees ». Je décrirai les étapes principales de la preuve de la limite en graphon dans le cas des cographes étiquetés. Cette preuve utilise surtout de la combinatoire analytique sur les « cotrees » (un des exemples présentés en séance 1).
Si le temps le permet, je mentionnerai plusieurs résultats associés, notamment la limite en graphon des cographes non-étiquetés, et des résultats parallèles dans le monde des permutations qui suggèrent une universalité du cographon Brownien.

Travail en commun avec F. Bassino, V. Feray, L. Gerin, M. Maazoun, A. Pierrot.

La combinatoire analytique est une théorie développée par Philippe Flajolet et son école, dont l’idée centrale est d’obtenir des propriétés de familles d’objets discrets en étudiant leurs séries génératrices vues comme des fonctions d’une variable complexe. Il s’agit le plus souvent d’obtenir l’énumération asymptotique de la famille considérée. En considérant des séries génératrices bivariées, on peut aussi obtenir des informations sur le comportement limite de statistiques sur les objets considérés.
Dans cet exposé, j’essaierai de faire un panorama des théorèmes principaux de la combinatoire analytique, illustré de quelques exemples, et en donnant quelques éléments de preuve. Une partie de l’exposé est préparatoire à la séance 2, où l’on utilisera l’énumération asymptotique d’une certaine famille d’arbres dans la preuve de la limite en graphon des cographes.

à venir

Le modèle statistique qui relie des expériences physiques à un simulateur contient souvent une fonction de discrépance. La fonction de discrépance permet de modéliser l’écart systématique entre le simulateur et le phénomène réel. Étudier la fonction de discrépance aide à comprendre à quel point le simulateur est fiable. En particulier, déterminer que certaines variables d’entrées sont actives ou inertes dans la fonction de discrépance comporte un intérêt majeur puisque cela indique quelles variables sont correctement modélisées ou non par le simulateur. Ainsi, cela permettrait d’avoir des informations afin d’améliorer le simulateur et aiderait à décider si l’extrapolation dans certaines directions est risquée ou non. La fonction de discrépance est modélisée comme un processus gaussien paramétré comme dans l’article de Linkletter et al. (2006). Cette paramétrisation a pour intérêt d’avoir une distinction simple entre une variable active et une variable inerte. La procédure de sélection de variables repose sur une méthode de sélection de modèles où les modèles en compétition diffèrent sur les distributions a priori choisies pour les paramètres liés aux variables d’entrées. Nous nous appuyons sur le facteur de Bayes calculé efficacement par une procédure de « Bridge Sampling » pour effectuer la sélection de modèle. Des exemples artificiels sont utilisés pour faire la preuve de l’efficacité de la méthode et celle-ci sera appliquée à un simulateur permettant de prévoir la production d’énergie photovoltaïque. Travail en collaboration avec Anabel Forte et Rui Paulo.

En théorie des probabilités, divers processus ponctuels — dont, par exemple, l’ensemble des valeurs propres de l’« ensemble gaussien unitaire » (GUE) — sont dits « déterminantaux », c’est à  dire qu’ils vérifient la propriété suivante : pour x1, …, xn des points, la probabilité que le processus charge simultanément tous ces points est de la forme « det ⸨K(xi, xj)⸩i,j » — o๠le noyau K a parfois une forme particulièrement alambiquée, même pour des processus assez simples… Si vous avez déjà  rencontré cette définition au détour d’une conférence, elle vous aura sans doute semblé fort mystérieuse : pourquoi avoir introduit cette notion de processus déterminantal ; d’o๠vient que certains processus naturels se mettent sous cette forme ; en quoi cette définition est-elle susceptible de donner des propriétés intéressantes ; … ?

J’apporterai quelques éléments de réponse à  ces questions en m’appuyant sur l’article fondateur du concept de processus déterminantal [Benard & Macchi 1973], article qui traitait de… physique quantique ! En effet, il s’avère que les processus déterminantaux sont essentiellement ceux qui décrivent les positions d’un type de particules quantiques appelées fermions, dont l’état vit dans la partie antisymétrique d’une puissance tensorielle d’espace hilbertien (!).

Bien entendu, toutes ces notions seront expliquées au cours de l’exposé, dont la présentation sera orientée selon un angle aussi mathématique que possible. à€ noter que du point de vue technique, il y aura finalement assez peu de probabilités dans ce que je vais raconter (car ici on se contentera de justifier l’intérêt d’étudier les processus déterminantaux : or les probabilités interviennent surtout ensuite, lors de l’étude à  proprement parler) ; par contre, préparez-vous à  subir une bonne dose d’analyse hilbertienne complexe…!

Cette seconde partie se basera sur le preprint « Convergence to quasi-stationarity through Poincaré inequalities and Bakry-Emery criteria ». Il y sera démontré que l’on peut obtenir de la quasi-ergodicité (i.e. convergence de lois marginales de processus conditionnée à  la non-absorption) à  vitesse exponentielle au moyen d’un processus auxiliaire, appelé Q-processus, satisfaisant une inégalité de Poincaré ou une condition de Bakry-Emery. Lorsque le processus absorbé est une diffusion de Kolmogorov, le Q-processus l’est aussi, ce qui permet dans ce cas précis d’énoncer des critères intéressants sur le potentiel pour l’estimation du taux de convergence.

Cette première partie s’intéressera à  l’utilisation d’inégalités fonctionnelles visant à  obtenir une vitesse de convergence d’un processus de Markov vers une mesure invariante. Plus précisément, nous parlerons de l’inégalité de Poincaré et démontrerons, entre autre, qu’elle implique une convergence exponentielle en divergence du $chi_2$ et en variation totale. Puis nous évoquerons la condition courbure-dimension de Bakry-Emery et montrerons qu’elle implique une inégalité de Poincaré. Si le temps le permet, nous parlerons aussi de l’inégalité de Sobolev logarithmique.