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.

Un exemple de mouvement cinétique est celui d’une particule, soumise à 
des chocs aléatoires. En supposant que les chocs encodent
l’accélération, la vitesse suit une équation différentielle
stochastique, tandis que la position intègre simplement la vitesse. Le
mouvement résultant peut être assez délicat à  étudier, si par exemple la
particule est contrainte à  rester sur une surface, ou que la dynamique
de la vitesse est complexe. Je montrerai que sous des hypothèses très
simples de symétrie et d’ergodicité pour le processus vitesse, le
processus convenablement renormalisé converge vers un mouvement brownien
lorsque les chocs augmentent en intensité.

Bivariate signals appear in a broad range of applications: polarized waveforms in seismology and optics, current velocities in oceanography, etc. Formally, bivariate signals are 2D vector time series. Existing approaches for bivariate signal processing do not provide a straightforward description of the signal in terms of its polarization properties. For this purpose we introduce a new and generic framework based on a tailored quaternion Fourier transform.
This new framework re-establishes a clear interpretability in terms of polarization attributes of usual quantities such as spectral densities, linear filters, etc.
In this talk, I will introduce the main features of this approach, with the focus on second-order stationary random bivariate signals. I will discuss spectral analysis, linear filtering and some original decompositions of bivariate signals. Synthetic data will illustrate the usefulness of the proposed framework.

Pendant le séminaire, nous introduirons une formule d’intégration par partie non linéaire qui peut être vu comme une généralisation stochastique du lemme de Alekseev-Gröbner.

La preuve est basée sur le calcule de Malliavin et sur l’expression de certains intégrales stochastiques anticipatifs comme intégrales de Skorohod.

La formule que l’on présente induit une théorie de perturbations, i.e. une façon d’estimer, en terme de caractéristiques locales, l’erreur globale entre la solution exacte d’une équation différentielle stochastique et un processus d’Itô quelconque.

Si le temps le permet, nous parlerons des différences par rapport au résultat de perturbation établi précédemment par M. Hutzenthaler et A. Jentzen, et des applications comme la dérivation des taux de convergence en moyenne quadratique des schémas d’approximations pour ED(P)S.

(Travail en collaboration avec A. Hudde, M. Hutzenthaler, et A. Jentzen)

Integrating the increasing number of available multi-omics cancer data remains one of the main challenges to improve our understanding of cancer. Our approach is based on AMARETTO, an algorithm that integrates DNA methylation, DNA copy number and gene expression data to identify cancer driver genes and associates them to modules of co-expressed genes. We then propose a pancancer version of AMARETTO by connecting all modules in pancancer communities. This leads to the identification of major oncogenic pathways and master regulators involved in different cancers.

The De Vylder and Goovaerts conjecture is an open problem in risk theory, stating that the finite time ruin probability in a standard risk model is greater or equal to the corresponding ruin probability evaluated in the associated model with equalized claim amounts. Equalized means here that the jump sizes of the associated model are equal to the average jump in the initial model between 0 and a terminal time T.
In this talk, we will consider the diffusion approximations of both the standard risk model and the associated risk model. We will prove that the associated model, when conveniently renormalized, converges in distribution to a gaussian process satisfying a simple SDE with explicit coefficients. We will then compute the probability that this diffusion hits the level 0 before time T and compare it with the same probability for the diffusion approximation for the standard risk model, which is well known. We will then conclude that the De Vylder and Goovaerts conjecture holds true for these diffusion limits.
This is a joint work with Stefan Ankirchner (University of Jena) and Christophette Blanchet-Scalliet (Ecole Centrale de Lyon and ICJ).

In a quasicrystal, the arrangement of the atoms is highly ordered (as
in an ordinary crystal) but non-periodic (unlike in a crystal). There
are various mathematical challenges in connection with quasicrystals.
From the point of view of statistical mechanics, the major open
problem is to provide a mathematical explanation of the formation and
stability of quasicrystals in presence of thermal fluctuations. In
this talk, I will present a (toy) lattice gas model with finite-range
interactions that has stable quasicrystal phases at positive
temperature (i.e., Gibbs measures supported at perturbations of
non-periodic tilings). The construction is based on old results on
cellular automata and tilings, in particular, a method of simulating
one cellular automaton with another that is resilient against noise,
and the existence of aperiodic sets of Wang tiles that are
deterministic in one direction.

The distribution of a Markov process with killing, conditioned to be
still alive at a given time, can be approximated by a Fleming-Viot
particle system. In such a system, each particle is simulated
independently according to the law of the underlying Markov process, and
branches onto another particle at each killing time. The purpose of this
talk is to present a central limit theorem for the law of the
Fleming-Viot particle system at a given time in the large population
limit. We will illustrate this result on an application in molecular
dynamics. This is a joint work with Frédéric Cérou, Bernard Delyon and
Mathias Rousset.

In the majority of solid cancers, secondary tumors (metastases) and associated complications are the main cause of death. In order to define the optimal therapeutic strategy for a given patient, one of the major current challenges is to estimate, at diagnosis, the burden of invisible metastases and how they will respond to treatments. In this talk, I will present research efforts towards the establishment of a predictive computational tool of metastatic development, with a particular emphasis on the assessment of mathematical models to empirical data (both experimental and clinical). I will first present the model’s framework, which is based on a physiologically-structured partial differential equation for the time dynamics of a population of metastases, combined to a nonlinear mixed-effects model for statistical representation of the distribution of the parameters in the population. Then, I will show results about the descriptive power of the model on data from clinically relevant ortho-surgical animal models of metastasis (breast and kidney tumors), with recent findings about differential effect of therapies between primary and secondary tumors. The talk will further be devoted to the translation of this modeling approach toward the clinical reality. Using clinical imaging data of brain metastasis from non-small cell lung cancer, several biological processes will be investigated to establish a minimal and biologically realistic model able to describe the data. Integration of this model into a biostatistical approach for individualized prediction of the model’s parameters from data only available at diagnosis will also be discussed. Together, these results represent a step forward towards the integration of mathematical modeling as a predictive tool for personalized medicine in oncology.

Nous présentons plusieurs algorithmes d’exploration de graphes aléatoires, markoviens dans le sens o๠leur implémentation est simultanée à  la construction-même du graphe par le modèle de configuration. Pour différents modèles, par des approximations fluides des processus markoviens sous-jacents, nous obtenons des estimations en grand graphe de (i) la taille de la famille indépendante maximale, avec des applications au protocole de télécommunication CSMA; (ii) la dynamique d’une épidémie de type SIR sur un réseau hétérogène et (iii) la taille d’un couplage maximal sur un grand graphe aléatoire, éventuellement orienté.

I will talk about the problem of detection of a change in mean in a Gaussian vector. A bump is a stepwise change within an interval of a given length but unknown location. We consider the problem of heterogeneous bump detection when the change occurs in mean and in variance of the observed vector and the detection of a bump for dependent observations. Minimax detectability conditions will be presented.
Joint work with A. Munk, M. Pohlmann and F. Werner.

Population dynamics of pathogens invading new territories continues to be of primary concern for both biologists and mathematicians. Extensive researches are mainly carried out throughout mathematical modeling to reconstruct the past dynamics of the alien species.We present a mechanistic-statistical approach that allows us to date and localize the invasion of an alien species and describe other epidemiological parameters as per example, the diffusion, the reproduction and the mortality parameter. The used approach is based on (i) a coupled reaction-diffusion-absorption sub-model that describes the dynamics of the epidemics in a heterogeneous domain and (ii) a stochastic sub-model that represents the observation process. Then, we will jointly estimate the initial conditions (date and site) and the epidemiological parameters using a Bayesian framework through an adaptive multiple importance sampling algorithm. We will show the results obtained in this framework on the basis of abundant post-introduction data gathered to draw up a surveillance plan on the expansion of Xylella fastidiosa, a phytopathogenic bacterium detected in South Corsica in 2015. Nevertheless, this approach could be applied to other post-emergent species in order to endorse a fast reaction.