Statistique des évènements persitants : La mouche rattrapera-t
Transcription
Statistique des évènements persitants : La mouche rattrapera-t
INRIA Rocquencourt, 7 avril 2003 1 Statistique des évènements persitants : La mouche rattrapera-t-elle le coche ? Avec Claude Godrèche et Jean-Marc Luck Plan I Le coche et la mouche II Motivations III Approche analytique IV Approche combinatoire V Limite continue Modélisation de la fable Chemin montant = Droite réelle Mouche = Mobile aléatoire Coche = Obstacle déterministe de vitesse constante : v Question : La mouche part vers l’arrière (par exemple), quelle est la probabilité quelle n’ait pas retrouvé le coche jusqu’au temps n, qu’elle ne retrouve jamais le coche ? Motivations 3 Persistance et grandes déviations Stabilité des opinions électorales : fraction des gens qui votent pour le même parti depuis n scrutins ? Dans un système magnétique, atomes petits aimants qui interagissent entre eux et avec le mileu extérieur, et dont l’orientation, Mi t , fluctue. La fraction des i tels que 1t 0t Mi τ dτ Ω pour t 0 T se comporte comme t α Ω Cas limite : Mi t pointe dans une direction fixe, seule l’amplitude change, pas d’interactions entre atomes, pas de corrélations temporelles, le temps est discret. Question analogue : Probabilité que M1 Mm mv pour m 1 n . Définitions 4 Reformulation Sn Soient Ym m 1 2 des v.a.i.i.d., et Y1 Yn la nieme somme partielle. On pense à Ym comme Mm v. On définit Pn Fn Prob S1 P̃n F̃n Prob Sn 0 Prob Sn Prob S1 0 0 Sn n 0 0 Sn 1 n n 0 exp 1 n 1 1 0 Formule de Sparre Andersen : ∑ Fn zn n Pn n ∑ nz n 1 Définitions 5 Le cas binomial ε1 Prob ε 1 Xn Pn Fn n ∑ m 1 εm Prob Vn v Prob Vn Prob V1 v.a.i.i.d. Prob ε p Prob V1 P̃n F̃n εm v 1 v n 1 v v Vn 1 Xn n Vn Vn q n v n 1 n 1 1 p Définitions 6 Exemples Pas de rencontre Trois rencontres Approche analytique 7 Résultats numériques Pour n ∞, Fn F donne la loi de la v.a. supm Vm et F̃n F̃ celle de infm Vm . Vitesse de dérive 1 Probabilité critique v 2p 1 2pc Approche analytique 8 Quelques résultats Entropie S v pc log pc p qc log qc q Régime de grandes déviations : p Pn an v n 1 2 e nS v Fn pc 1 bn v n 3 2 v 2 e nS v an v a npc fonction périodique de période 1, calcul analytique. bn v b npc fonction périodique de période 1 Approche analytique 9 Régime marginal : p Pn C̃ v C C v C̃ v 1 2 p 1 Fn v 2 C v πn 1 2 v (symétrie) 1 (Sparre Andersen). Régime convergent : p F v pc pc F v pc C v 1 v 2 2 pc qc 1 2 p pc Approche combinatoire 10 Reformulation combinatoire Le poids d’un chemin ne dépend que de son point final. 1 1 1 1 1 2 3 2 5 5 Cette remarque réduit le problème à un comptage de chemins, dans un triangle de Pascal tronqué. Approche combinatoire 11 Conditions aux limites 1 0 1 0 0 1 1 0 0 1 2 2 0 0 3 5 5 0 0 1 4 9 14 14 0 0 785 0 1 8 35 110 275 530 785 7 75 255 1 27 165 255 0 20 90 0 1 6 48 90 0 5 28 0 1 14 42 0 1 Approche combinatoire 12 Sauts interdits 1 1 1 1 1 1 1 5 7 8 9 35 154 42 165 14 42 42 132 297 572 1001 5 14 90 275 429 5 28 75 2 14 48 110 2 9 20 1 5 14 27 44 3 4 6 1 1 2 1 1 1 132 429 1001 2002 132 561 1562 3564 132 561 2123 5687 561 2123 7810 Approche combinatoire 13 Fuite de probabilité 8 7 6 5 4 3 2 1 3 5 n 3 =7 9 11 14 16 Sur chaque lien qui croise la trajectoire du mobile, fuite d’une probabilité A k pk 1 p nk k Approche combinatoire 14 Formule cruciale p ∑k A k pk 1 Si p pc , F F p nk k 0 i.e. Loi des grands nombres : p ∑ A k pk 1 p nk k p pc k Calcul récursif des A k : toute intégrale de contour bien choise donne une relation linéaire entre eux. δk 1 Ak nk 1 k 1 ∑Al l Ak nl l k l k 1 ∑ Al l 1 1 nk k k l nl l (combinatoire, convolution pour v rationnel). Γ k pc 1 k!Γ k pc k Ak Γ k pc 1 k!Γ k pc k 2 Approche combinatoire 15 Combinatoire du coté droit 1 1 1 1 1 1 1 2 1 1 2 2 3 5 4 5 9 14 5 20 90 132 297 297 869 869 27 165 1 8 35 110 275 572 1 7 75 297 132 1 6 48 42 869 5 28 42 42 1 14 14 14 1 Approche combinatoire 2 4 6 8 10 16 1 2 3 4 5 6 7 8 9 ~ n 6 =12 13 15 17 La suite des longueurs des marches qui traversent par la droite est complémentaire de celle des longueurs des marches qui traversent par la gauche. Approche combinatoire 17 Marche canonique On va a droite si le mur est à droite et à gauche si le mur est à gauche. Approche combinatoire 18 Fusion de la droite et de la gauche 1 1 1 1 1 1 1 1 7 3 4 14 20 0 0 0 5 0 5 19 0 0 0 14 28 0 0 2 9 0 0 5 5 6 1 2 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 2 0 0 1 3 5 0 0 0 1 2 0 0 0 1 0 0 0 1 0 9 0 9 0 1 1 1 1 1 2 2 2 2 5 5 5 5 A k et à k An Si 0 p pc , p ∑k A k pk qnk k 0 Si 1 p pc , q ∑k à k qk pñk k 0 1 5 14 1 1 1 4 1 6 1 Approche combinatoire 19 Récurrence linéaire t 1 1 1 1 1 1 2 1 3 1 4 2 6 5 1 2 2 7 5 8 14 5 5 9 10 14 42 14 14 11 42 132 132 297 42 12 42 13 132 14 15 561 869 1 5 2 132 297 16 17 1 561 869 17 = 1 + 16 = 6 + 11 = 8 + 9 = 10 + 7 = 12 + 5 869 = 1 . 561 + 2 . 42 + 5 . 14 + 14 . 5 + 42 . 2 Approche combinatoire 20 Asymptotique des A n n kn tel que θn An β θn npc kn 1 2πpc qc n3 qc pc 1 2 pc pc qc qc n Cas rationnel 21 Cas rationnel pc Périodicité nk L’équation t uα , α 1 nk M pM 1 uM 1 M u uα p N t Par analyticité 0 M N p N M ∑k N M a M petites racines k 1 A k uα 1 uα nk k . Cas rationnel 22 Méthode 1 : On regroupe F p ∑k A k pk 1 p nk k en k 1 nk k F t F p ∑M p p k k 1 0 uα k ∑M k 1 uα 1 uα nk k F k t . On resoud pour les F k . On en déduit F. Méthode 2 : On définit Dα par k nk k pk 1 p ∑M 1 Dα uα 1 uα pour k F p 1 M. Alors c’est vrai pour tous les k. M ∑ Dα ∑ A k ukα α 1 nk k k 1 uα nk k p M ∑ Dα uα 1 Méthode 3 : La dualité donne des équation quadratiques qui lient les F k t et les F̃ k t Remarque : F Prob V1 v Vn v F mais F Prob V1 v Vn v se traite par les mêmes méthodes. 1 F F est la probabilité que V1 1 et v V1 V2 . Cas rationnel 23 Exemples La fonction F et les F̃ k sont des fonctions algébriques de p et t. Les cas M M 1 et M N 1 sont très simples. 1 : combinatoire Nk 2 ! k! Nk k 1 ! Ak Ak Nk ! k! Nk k 1 ! 0 M N F 1 : probabilités 1 Nq F 1 Nq p Q q M 2 et N 5 est encore de genre 0, revètement de degré 10 de t. Limite continue 24 Limite continue p F p 1 µ µeµ µ e µ pc p p 0 1 µ 0 µ fixé