Vitesse de convergence de processus markoviens déterministes par
Transcription
Vitesse de convergence de processus markoviens déterministes par
Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Vitesse de convergence de processus markoviens déterministes par morceaux Djalil Chafaï - Florent Malrieu - Katy Paroux http://djalil.chafai.net/ Avril 2010 1/ 28 Introduction Un cas spécial et sa chaîne incluse Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes 2/ 28 Le processus à temps continu Questions ouvertes Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes PDMP ? 3/ 28 I Mark Davis Piecewise-deterministic Markov processes : a general class of nondiffusion stochastic models, JRSS B (1984) Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes PDMP ? 3/ 28 I Mark Davis Piecewise-deterministic Markov processes : a general class of nondiffusion stochastic models, JRSS B (1984) I Espace d’état E Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes PDMP ? 3/ 28 I Mark Davis Piecewise-deterministic Markov processes : a general class of nondiffusion stochastic models, JRSS B (1984) I Espace d’état E I Flot de trajectoires déterministes Φ : E × R+ → E Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes PDMP ? 3/ 28 I Mark Davis Piecewise-deterministic Markov processes : a general class of nondiffusion stochastic models, JRSS B (1984) I Espace d’état E I Flot de trajectoires déterministes Φ : E × R+ → E I Intensité λ : E → R+ Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes PDMP ? 3/ 28 I Mark Davis Piecewise-deterministic Markov processes : a general class of nondiffusion stochastic models, JRSS B (1984) I Espace d’état E I Flot de trajectoires déterministes Φ : E × R+ → E I Intensité λ : E → R+ I Noyau markovien K : E × E → [0, 1] Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes PDMP ? 3/ 28 I Mark Davis Piecewise-deterministic Markov processes : a general class of nondiffusion stochastic models, JRSS B (1984) I Espace d’état E I Flot de trajectoires déterministes Φ : E × R+ → E I Intensité λ : E → R+ I Noyau markovien K : E × E → [0, 1] Partant de x , on suit le flot jusqu’au temps T1 tel que Z T1 λ(Φ(x , s)) ds = E1 ∼ E(1) 0 puis on saute en y avec la loi K (Φ(x , T1 ), ·). On recommence partant de y . . . Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes PDMP ? À ce stade : 4/ 28 I Construction trajectorielle (Xt )06t<T∞ I Contient les chaînes de Markov à temps continu. . . I Mais permet un mouvement déterministe entre les sauts Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes PDMP ? À ce stade : I Construction trajectorielle (Xt )06t<T∞ I Contient les chaînes de Markov à temps continu. . . I Mais permet un mouvement déterministe entre les sauts Questions naturelles : 4/ 28 I Critère de non-explosion P(T∞ = ∞) = 1 I Critère d’ergodicité Xt → µ (Costa-Dufour) I Vitesse de convergence à l’équilibre d(Xt , µ) 6 ϕ(X0 , t) I Propriétés de l’équilibre µ Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Exemple Sur E = R générateur infinitésimal Z (Lf )(x ) = µf 0 (x ) + λ(x ) (f (x − y ) − f (x )) K (x , dy ) ∂t Pt (f )(x ) = L(Pt f )(x ) où Pt (f )(x ) = E(f (Xt )|X0 = x ) Processus de Poisson marqué ((Tn , Zn ))n>1 Xt = X0 + µt − Nt X Zn où Nt := card{n ∈ N : Tn 6 t}. n=1 G. Last Properties of stress release, repairable system and workload models, AAP (2004). Conditions sur K et λ pour non-explosion, ergodicité, vitesse (distance ad hoc). 5/ 28 Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Processus TCP Window Size 6/ 28 PDMP sur E = R+ de générateur infinitésimal 0 Z 1 (f (hx ) − f (x )) H(dh) (Lf )(x ) = f (x ) + λ(x ) 0 où H est une loi de probabilité sur [0, 1). I Croissance linéaire entre les sauts I Sauts aléatoires multiplicatifs (décroissance, rappel vers 0) I Taux de saut inhomogène. Exemple : λ(x ) = x . I En pratique, H est la masse de Dirac en 1/2 I Ott, Robert, Guillemin, Zwart, Dumas, Graham, . . . I Relié à des fonctionnelles exponentielles de processus de Lévy I Additive Increase Multiplicative Decrease (AIMD) Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Trajectoires du processus quand λ(x ) = x Si X0 = x le premier temps de saut T1 vérifie Z T1 0 7/ 28 λ(Xs ) ds = E1 ∼ E(1). Questions ouvertes Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Trajectoires du processus quand λ(x ) = x Si X0 = x le premier temps de saut T1 vérifie Z T1 λ(Xs ) ds = E1 ∼ E(1). 0 Avant le saut, Xs = x + s et donc T1 = 7/ 28 q x 2 + 2E1 − x . Questions ouvertes Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Trajectoires du processus quand λ(x ) = x Si X0 = x le premier temps de saut T1 vérifie Z T1 λ(Xs ) ds = E1 ∼ E(1). 0 Avant le saut, Xs = x + s et donc T1 = q x 2 + 2E1 − x . Lorsque le saut a lieu avec un facteur multiplicatif Q ∼ H ( Xs = et ainsi de suite. . . 7/ 28 x +s Q(x + T1 ) si s < T , si s = T1 , Questions ouvertes Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Structure récursive auto-regressive quand λ(x ) = x 8/ 28 I Temps de saut (Tn )n>1 avec T0 = 0 I Positions après les sauts (XTn )n>1 Tn = Tn−1 + q XT2n−1 + 2En − XTn−1 q XTn = Qn XT2n−1 + 2En où (En )n>1 ⊥⊥ (Qn )n>1 iid de lois E(1) et H. Xt = ∞ X n=0 (XTn + t − Tn ) 1[Tn ,Tn+1 ) (t). Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Trajectoire et lois invariantes 9/ 28 2.2 2 1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 0 1 2 3 4 5 6 7 Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Trajectoire et lois invariantes 9/ 28 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 delta=1/4 delta=1/2 delta=3/4 0 0.5 1 1.5 2 2.5 3 3.5 4 Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Loi invariante Le processus (Xt )t>0 de générateur infinitésimal Lf (x ) = f 0 (x ) + x Z 1 (f (hx ) − f (x )) H(dh) 0 est irréductible et possède une unique loi invariante (série). 10/ 28 Questions ouvertes Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Loi invariante Le processus (Xt )t>0 de générateur infinitésimal Lf (x ) = f 0 (x ) + x Z 1 (f (hx ) − f (x )) H(dh) 0 est irréductible et possède une unique loi invariante (série). Fonction de Lyapounov ϕ : x → 7 1+x Lϕ(x ) = 1 − 1 − Z 1 0 10/ 28 h H(dh) x 2 6 −aϕ(x ) + b1[0,R] (x ). Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Loi invariante Le processus (Xt )t>0 de générateur infinitésimal Lf (x ) = f 0 (x ) + x Z 1 (f (hx ) − f (x )) H(dh) 0 est irréductible et possède une unique loi invariante (série). Fonction de Lyapounov ϕ : x → 7 1+x Lϕ(x ) = 1 − 1 − Z 1 0 h H(dh) x 2 6 −aϕ(x ) + b1[0,R] (x ). Mais processus irréversible et espace d’état non compact. Difficile d’obtenir une vitesse de convergence en Wasserstein. Vitesse de convergence pour des distances modifiées. 10/ 28 Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Loi invariante ν de la chaîne incluse λ(x ) = x Pour la chaîne incluse X̂ := (X̂n )n>0 := (XTn )t>0 : 2 2 2 X̂n+1 = Qn+1 X̂n2 + 2Qn+1 En+1 Théorème (Cf. Dumas-Guillemin-Robert, 04) Si H est la masse de Dirac en δ ∈ (0, 1) alors X̂ admet une unique loi invariante ν de densité ∞ X 1 (−1)n−1 δ −2n −2n 2 xe −δ x /2 . Q n−1 2n −2k | n=1 (1 − δ ) n=1 k=1 |1 − δ x ∈ R+ 7→ Q∞ Unimodale. O(x exp(−δ 2 x 2 /2)) quand x → ∞. Toutes les dérivées sont nulles en x = 0. 11/ 28 Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Loi invariante µ du processus. λ(x ) = x . Théorème (Cf. Dumas-Guillemin-Robert, 04) Si H est la masse de Dirac en δ ∈ (0, 1) alors X admets une unique loi invariante µ de densité ∞ X 2/π (−1)n δ −2n −2n 2 Q e −δ x /2 . n 2n+1 ) −2k | (1 − δ |1 − δ n=0 k=1 n=0 p x ∈ R+ 7→ Q∞ Unimodale. O(exp(−x 2 /2)) quand x → ∞. Toutes les dérivées nulles en x = 0. Si E ⊥⊥ Z avec E ∼ E(1) et Z ∼ ν alors Z ∞ 0 12/ 28 1 √ f (x ) µ(dx ) = E 2 E( Z + 2E − Z ) Z √Z 2 +2E ! f (x ) dx Z Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Lois invariantes µ et ν. λ(x ) = x . 13/ 28 Pour H quelconque : ν(x 7→ exp(sx 2 )) < +∞ ssi 2sq 2 < 1, µ(x 7→ exp(sx 2 )) < +∞ ssi 2s < 1, où q := inf {x ∈ [0, 1) : P(Q > x ) = 1}. À l’infini : I ν ressemble à une gaussienne de variance q 2 6 1 I µ ressemble à une gaussienne standard. Questions ouvertes Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Distance de Wasserstein (couplage) I Pour tout p > 1 et toutes lois µ, ν sur Rn : Z p Wp (µ1 , µ2 ) := inf Π |x − y |p Π(dx , dy ) E ×E I Convergence en Wp ⇔ Convergence en loi + moments 6 p I En statistique : distance de Mallows (de Fréchet pour p = 2) I En analyse : distance de transport I Note but : trouver ϕ telle que Wp (L(Xt ), µ) 6 ϕ(X0 , t) I Méthode de couplage : Wp (µ1 , µ2 )p = inf E(|X1 − X2 |p ). (X1 ,X2 ) 14/ 28 Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Distance de Wasserstein 15/ 28 Formulation duale de Kantorovich-Rubinstein : Z W1 (µ1 , µ2 ) = f dµ1 − sup Z f dµ2 Lip(f )61 Sur R : Wp (µ1 , µ2 )p = Z 1 p −1 F1 (u) − F2−1 (u) du 0 et Z W1 (µ1 , µ2 ) = |F1 (x ) − F2 (x )| dx . R Brenier-McCann : sur Rn il existe ϕ : Rn → Rn convexe t.q. 2 W2 (f dµ, µ) = Z |x − ∇ϕ(x )|2 dµ(x ). Monge-Ampère : si dµ(x ) = e −V (x ) dx alors f (x )e −V (x ) = det(Hess(ϕ)(x ))e −V (∇ϕ(x )) Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Vitesse exponentielle chaîne incluse. λ(x ) = x . Théorème (Vitesse exponentielle pour chaîne incluse) Soient (Xt )t> et (Yt )t>0 deux copies du processus dont les lois initiales ont un moment d’ordre p > 1 fini. Si X̂ et Ŷ sont les chaînes incluses alors pour tout n > 0 et avec Q ∼ H, Wp (L(X̂n ), L(Ŷn )) 6 E(Q p )n/p Wp (L(X0 ), L(Y0 )). En particulier, si ν désigne la loi invariante de X̂ alors Wp (L(X̂n ), ν) 6 E(Q p )n/p Wp (L(X0 ), ν). Méthode : couplage horloges-sauts + auto-régression Lipschitz 16/ 28 Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Concentration pour chaîne incluse. λ(x ) = x . Théorème (Concentration pour chaîne incluse) Soit X̂ la chaîne incluse partant de x , de loi invariante ν. Si H est la masse de Dirac en δ ∈ (0, 1) alors pour tout u > 0 et toute fonction 1-Lipschitz f : R+ → R, ! Z n 1 X δ f (X̂k ) − f dν > u + W1 (δx , ν) P n 1−δ k=1 ! n(1 − δ 2 )u 2 6 2 exp − . 2δ 2 Concentration fonctionnelles additives dans théorème ergodique Méthode : inégalité de Sobolev logarithmique pour noyau de saut 17/ 28 Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Concentration pour chaîne incluse. λ(x ) = x . 18/ 28 Une loi η vérifie une inégalité de Sobolev logarithmique (Gross) si Z (∃c > 0)(∀f ) 2 2 Z 2 f log(f ) dη − f dη log Z 2 Z f dη 6 c |∇f |2 dη. Entraîne une borne supérieure gaussienne sur la log-Laplace : Z (∀u > 0)(∀f ) log c exp(uf ) dη 6 Lip(f )u 2 + u 4 Z f dη. Le noyau K (x , ·) de la chaîne incluse X̂ vérifie une ISL avec c = 2δ 2 . Ensuite, stabilité par tensorisation de ISL. Que peut-on faire pour le processus (Xt )t>0 ? Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Moments transitoires du cas λ(x ) = λ. 19/ 28 Le générateur L conserve les polynômes de degré n On applique le générateur L à f (x ) = x n : ∂t E((Xt )n )|X0 = x ) = E(L(x 7→ x n )(Xt )|X0 = x ) = · · · d’où par récurrence : E((Xt )n |X0 = x ) = Qn n! k=1 θk + n! n X m=1 n X m=1 n xk Y k! j=k j6=m 1 e −θm t θ i − θj avec θk = λ(1 − E(Q k )) et Q ∼ H. Van Leeuwaarden et Löpker Transient moments of the TCP window size process JAP (2008) Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Vitesse exponentielle. λ(x ) = λ. Théorème (Vitesse pour λ constant) Si (Xt )t>0 et (Yt )t>0 sont deux copies du processus dont les lois initiales ont des moments d’ordre p > 1 finis alors pour tout t > 0, Wp (L(Xt ), L(Yt )) 6 Wp (L(X0 ), L(Y0 ))e −p −1 θ t p En particulier, si µ est la loi invariante de (Xt )t>0 , Wp (L(Xt ), µ) 6 Wp (L(X0 ), µ)e −p Preuve élémentaire. . . 20/ 28 −1 θ t p . Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Vitesse exponentielle. λ(x ) = λ. Comme λ est constant, on peut construire un couplage (Xt , Yt )t>0 avec des marges de mêmes sauts (Qn )n>0 et de même temps de sauts associés à un processus de Poisson (Nt )t>0 : E(|Xt − Yt |p ) = ∞ X E(|Xt − Yt |p 1{Nt =k} ) k=0 p = |x − y | ∞ X E(Q p )P(Nt = k) k=0 p −λt(1−E(Q p )) = |x − y | e . Ainsi, si Π est un couplage des lois initiales : Wp (L(Xt ), L(Yt ))p 6 e −θp t Z R2+ Ne marche pas si λ n’est pas constant. 21/ 28 |x − y |p Π(dx , dy ). Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Vitesse exponentielle. λ(x ) = a + x , a > 0. Théorème (Vitesse pour λ minoré par a) Si (Xt )t>0 et (Yt )t>0 sont deux copies du processus dont les lois initiales ont un moment d’ordre 1 fini alors pour tout t > 0, W1 (L(Xt ), L(Yt )) 6 e −aκ1 t W1 (L(X0 ), L(Y0 )) où κ1 = 1 − Z 1 h H(dh). 0 Si µ est la loi invariante de (Xt )t>0 : W1 (L(Xt ), µ) 6 e −aκ1 t W1 (L(X0 ), µ). Méthode : couplage au mieux des temps et contrôle à la Gronwall. 22/ 28 Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Vitesse exponentielle. λ(x ) = a + x , a > 0. Générateur du couple pour x > y : (Lf )(x , y ) = ∂1 f (x , y ) + ∂2 f (x , y ) + (x − y ) Z 1 (f (hx , y ) − f (x , y )) H(dh) 0 Z 1 (f (hx , hy ) − f (x , y )) H(dh) + (y + a) 0 Le second composant ne saute jamais seul. Les sauts simultanés vont au même point. α(t) := E(|Xt − Yt ||X0 = x , Y0 = y ) On montre que α0 (t) 6 −aκ1 α(t). 23/ 28 Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Ergodicité forte. λ(x ) = a + x . Théorème (Ergodocité forte pour λ minoré par a) Si (Xt )t>0 et (Yt )t>0 sont deux copies du processus de lois initiales quelconques alors pour tous 0 < s < t W1 (L(Xt ), L(Yt )) 6 √ 2e aκ1 s e −aκ1 t . √ κ1 tanh(s κ1 ) Preuve : observer que L(x 7→ x )(x ) 6 1 − κ1 x (x + a) 6 1 − κ1 x 2 puis via Ricatti supx >0 E(Xt |X0 = x ) 6 W1 (L(Xt ), L(Yt )) 6 √ 24/ 28 √ 1 √ κ1 tanh( κ1 t) 2 . √ κ1 tanh( κ1 s) qui donne Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Problèmes ouverts sur la vitesse I PDMP plus généraux (pas grand chose sur diffusions à saut) Z (Lf )(x ) = (∆f )(x ) − ∇V · ∇f + λ(x ) (f (y ) − f (x ))K (x , dy ). Récemment : Wang sur Lévy-Ornstein-Uhlenbeck (couplage) I I I Particules suivant la même dynamique de type TCP mais en interaction (Graham-Robert) Interactions champs moyen (McKean-Vlasov) Versions branchantes → ÉDP transport-fragmentation ∂t n(t, x ) + ∂x n(t, x ) + B(x )n(t, x ) = 4B(2x )n(t, 2x ) (Mischler-Perthame-Ryzhik) (Perthame-Laurençot) (Baccelli-McDonald-Reynier) 25/ 28 Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Travaux récents de Baccelli et al sur TCP 26/ 28 I Baccelli, Kim, McDonald, Equilibria of a Class of Transport Equations Arising in Congestion Control, Queue. Sys. (2007) I Baccelli, McDonald, A Stochastic Model for the Throughput of Non-Persistent TCP Flows, Performance Evaluation (2008) I Baccelli, Carofiglio, Foss, Proxy Caching in Split TCP : Dynamics, Stability and Tail Asymptotics, Proc. IEEE (2008). Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Problème ouvert : critère de type Hörmander ? 27/ 28 Champs de vecteurs lisses V0 , . . . , Vn sur Rd . Processus de diffusion (Xt )t>0 de générateur infinitésimal L= n X Vk2 + V0 k=1 Si Lie(V0 , . . . , Vn )(x ) = Rd pour tout x ∈ Rd Alors Xt a une densité lisse pour tout t > 0. Critère type Hörmander pour absolue continuité de µ d’un PDMP ? Régularité de solution d’équations intégro-différentielles. Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Une petite curiosité pour la fin. . . W2 (N (m1 , Σ1 ), N (m2 , Σ2 )) 28/ 28 Questions ouvertes Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Une petite curiosité pour la fin. . . W2 (N (m1 , Σ1 ), N (m2 , Σ2 ))2 −1/2 km1 − m2 k22 + Tr(Σ1 + Σ2 − 2(Σ1 28/ 28 −1/2 1/2 Σ2 Σ1 ) ) Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Une petite curiosité pour la fin. . . W2 (N (m1 , Σ1 ), N (m2 , Σ2 ))2 −1/2 km1 − m2 k22 + Tr(Σ1 + Σ2 − 2(Σ1 et si Σ1 Σ2 = Σ2 Σ1 alors 28/ 28 −1/2 1/2 Σ2 Σ1 ) ) Introduction Un cas spécial et sa chaîne incluse Le processus à temps continu Questions ouvertes Une petite curiosité pour la fin. . . W2 (N (m1 , Σ1 ), N (m2 , Σ2 ))2 −1/2 km1 − m2 k22 + Tr(Σ1 + Σ2 − 2(Σ1 −1/2 1/2 Σ2 Σ1 et si Σ1 Σ2 = Σ2 Σ1 alors 1/2 km1 − m2 k22 + Tr((Σ1 28/ 28 1/2 − Σ2 )2 ) ) )