Automates cellulaires probabilistes et processus itérés ad libitum Jérôme Casse LaBRI, Université de Bordeaux Soutenance de thèse 19 novembre 2015 Jérôme Casse ACP et PI a.l. 19 novembre 2015 1 / 58 Plan 1 Automates cellulaires probabilistes et lois invariantes markoviennes Cas d’un alphabet E fini Cas d’un alphabet E général (fini ou infini / discret ou continu) 2 Processus itérés ad libitum Processus α-stables itérés ad libitum Lois finies-dimensionnelles du mouvement brownien itéré ad libitum 3 Fonction de corrélation du modèle à 8 sommets où a + c = b + d Jérôme Casse ACP et PI a.l. 19 novembre 2015 2 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Automates cellulaires probabilistes et lois invariantes markoviennes Jérôme Casse ACP et PI a.l. 19 novembre 2015 3 / 58 ACP et lois markoviennes Cas d’un alphabet E fini 1 Automates cellulaires probabilistes et lois invariantes markoviennes Cas d’un alphabet E fini Cas d’un alphabet E général (fini ou infini / discret ou continu) 2 Processus itérés ad libitum 3 Fonction de corrélation du modèle à 8 sommets où a + c = b + d Jérôme Casse ACP et PI a.l. 19 novembre 2015 4 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Automate cellulaire déterministe Définition E un alphabet. f : E2 −→ E une règle locale. (a, b) 7−→ c L’automate cellulaire A : E Z −→ E Z avec wi0 = f (wi , wi+1 ). Initial 0 1 0 1 2 E = {0, 1, 2}. f (a, b) = a + b mod 3. Jérôme Casse ACP et PI a.l. 19 novembre 2015 5 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Automate cellulaire déterministe Définition E un alphabet. f : E2 −→ E une règle locale. (a, b) 7−→ c L’automate cellulaire A : E Z −→ E Z avec wi0 = f (wi , wi+1 ). Initial 0 1 0 1 2 Image 1 1 1 0 0 Jérôme Casse ACP et PI a.l. E = {0, 1, 2}. f (a, b) = a + b mod 3. 19 novembre 2015 5 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Automate cellulaire déterministe Définition E un alphabet. f : E2 −→ E une règle locale. (a, b) 7−→ c L’automate cellulaire A : E Z −→ E Z avec wi0 = f (wi , wi+1 ). Initial 0 Image 1 Jérôme Casse 1 0 1 2 E = {0, 1, 2}. f (a, b) = a + b mod 3. ACP et PI a.l. 19 novembre 2015 5 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Automate cellulaire déterministe Définition E un alphabet. f : E2 −→ E une règle locale. (a, b) 7−→ c L’automate cellulaire A : E Z −→ E Z avec wi0 = f (wi , wi+1 ). Initial 0 1 0 1 2 Image 1 1 1 0 0 Jérôme Casse ACP et PI a.l. E = {0, 1, 2}. f (a, b) = a + b mod 3. 19 novembre 2015 5 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Automate cellulaire probabiliste (ACP) f est remplacée par une dynamique locale aléatoire T où T a,b = P c Jérôme Casse a b c a Initial a b Image c e ACP et PI a.l. b . d 19 novembre 2015 6 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Exemple d’un ACP E = {0, 1, 2}. ( 1/2 si c = a + b mod 3 T a,b = c 1/4 sinon Initial Jérôme Casse 0 1 0 ACP et PI a.l. 1 2 19 novembre 2015 7 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Exemple d’un ACP E = {0, 1, 2}. ( 1/2 si c = a + b mod 3 T a,b = c 1/4 sinon Jérôme Casse Initial 0 Image 1 1 0 ACP et PI a.l. 1 2 19 novembre 2015 7 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Exemple d’un ACP E = {0, 1, 2}. ( 1/2 si c = a + b mod 3 T a,b = c 1/4 sinon Jérôme Casse Initial 0 1 0 1 2 Image 1 1 2 0 0 ACP et PI a.l. 19 novembre 2015 7 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Automate cellulaire probabiliste (ACP) Transforme une configuration x en une configuration aléatoire y (qui a pour loi ν). k Y ν(yj , . . . , yk ) = T xi ,xi+1 . i=j Initial x1 x2 x3 Image y1 y2 y3 Jérôme Casse yi x4 ∼ν ACP et PI a.l. 19 novembre 2015 8 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Automate cellulaire probabiliste (ACP) x ∼ µ en y ∼ ν ν(yj , . . . , yk ) = X µ(xj , . . . , xk+1 ) x Initial x1 x2 x3 Image y1 y2 y3 x4 k Y i=j T xi ,xi+1 . yi ∼µ ∼ν Formellement, ACP est une application de M E Z dans M E Z . Jérôme Casse ACP et PI a.l. 19 novembre 2015 8 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Automate cellulaire probabiliste (ACP) x ∼ µ en y ∼ ν ν(yj , . . . , yk ) = X µ(xj , . . . , xk+1 ) x Initial x1 x2 x3 Image y1 y2 y3 x4 k Y i=j T xi ,xi+1 . yi ∼µ ∼ν Si ν = µ, on dit que µ probabilité invariante. Jérôme Casse ACP et PI a.l. 19 novembre 2015 8 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Question principale Pour un ACP A donné par T , quelles sont ses lois invariantes ? Jérôme Casse ACP et PI a.l. 19 novembre 2015 9 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Question principale Pour un ACP A donné par T , quelles sont ses lois invariantes ? Pour quel T peut-on trouver une loi invariante ? Jérôme Casse ACP et PI a.l. 19 novembre 2015 9 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Question principale Pour un ACP A donné par T , quelles sont ses lois invariantes ? Pour quel T peut-on trouver une loi invariante ? À l’heure actuelle, que quand la loi est markovienne. Jérôme Casse ACP et PI a.l. 19 novembre 2015 9 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Lois markoviennes Définition Soit (M(a; b))a,b∈E une matrice de probabilité. La chaîne de Markov (Xi ) de noyau M est une mesure qui vérifie P (Xi+1 = xi+1 |Xi = xi , Xi−1 = xi−1 , . . .) = P (Xi+1 = xi+1 |Xi = xi ) = M(xi ; xi+1 ). xi−1 xi M (xi ; xi+1 ) xi+1 xi+2 k−1 Y µ(xj , . . . , xk ) = P (Xi = xi )j≤i≤k = ρxj M(xi ; xi+1 ). i=j Jérôme Casse ACP et PI a.l. 19 novembre 2015 10 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Littérature : sur le réseau Z [Belyaev & al. (1969)] : un ACP (Z, E = {0, 1}, T ) a une loi invariante markovienne M ssi T vérifie une condition du type : T 0,0 T 1,1 T 0,1 T 1,0 = T 1,1 T 0,0 T 1,0 T 0,1 0 0 1 1 1 1 0 0 ou une autre parmi 3 conditions similaires. Jérôme Casse ACP et PI a.l. 19 novembre 2015 11 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Littérature : sur le réseau Z [Belyaev & al. (1969)] : un ACP (Z, E = {0, 1}, T ) a une loi invariante markovienne M ssi T vérifie une condition du type : T 0,0 T 1,1 T 0,1 T 1,0 = T 1,1 T 0,0 T 1,0 T 0,1 0 0 1 1 1 1 0 0 ou une autre parmi 3 conditions similaires. [Toom & al. (1990)] : un ACP (Z, E fini, T ) admet une loi markovienne de noyau M où M = DU = UD, si : D(a; c)U(c; b) T (a, b; c) = pour tout a, b, c ∈ E . (DU)(a; b) Jérôme Casse ACP et PI a.l. 19 novembre 2015 11 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Littérature : sur le réseau Z [Belyaev & al. (1969)] : un ACP (Z, E = {0, 1}, T ) a une loi invariante markovienne M ssi T vérifie une condition du type : T 0,0 T 1,1 T 0,1 T 1,0 = T 1,1 T 0,0 T 1,0 T 0,1 0 0 1 1 1 1 0 0 ou une autre parmi 3 conditions similaires. [Toom & al. (1990)] : un ACP (Z, E fini, T ) admet une loi markovienne de noyau M où M = DU = UD, si : D(a; c)U(c; b) T (a, b; c) = pour tout a, b, c ∈ E . (DU)(a; b) [Mairesse et Marcovici (2014)] : un ACP (Z, E fini, T ) admet une loi invariante produit (M(a; b) = ρb ) si T vérifie X ρb T (a, b; c) = ρc pour tout a, b, c b∈E ou la condition symétrique en a, b. Jérôme Casse ACP et PI a.l. 19 novembre 2015 11 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Littérature : sur d’autres réseaux ACP sur Z/nZ : n−1 Initial 0 1 2 Image Jérôme Casse ACP et PI a.l. 19 novembre 2015 12 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Littérature : sur d’autres réseaux [Vasilyev (1978)] : un ACP (Zd , E fini, T ) admet une mesure de Gibbs invariante ssi T est réversible. [Bousquet-Mélou (1998)] : un ACP (Z/nZ, E = {0, 1}, T ) admet une loi invariante markovienne cyclique M ssi T 0,0 T 1,1 T 0,1 T 1,0 = T 1,1 T 0,0 T 1,0 T 0,1 . 0 0 1 1 1 1 0 0 [Dai-Pra, Louis, Roelly (1992 et 2002)] : de nombreuses propriétés sur les liens entre les mesures de Gibbs stationnaires d’un ACP (Zd , E fini, T ) et les mesures stationnaires (de Gibbs ou pas) invariantes par translation du même ACP. Jérôme Casse ACP et PI a.l. 19 novembre 2015 12 / 58 ACP et lois markoviennes Cas d’un alphabet E fini ACP agissant sur HZ Dans ce cas, on considère qu’un ACP agit sur M E HZ . (x, y ) ∼ µ en (y , z) ∼ ν. ν(y1 , z1 , . . . , zk , yk+1 ) = X µ(x1 , y1 , . . . , yk+1 , xk+2 ) x t = 0( Initial t = 1( Image t=2 Jérôme Casse x1 x2 x3 y1 y2 y3 z1 k Y T yi ,yi+1 . zi i=1 x4 z2 ACP et PI a.l. ) ) ∼µ ∼ν 19 novembre 2015 13 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Chaîne de Markov sur HZ (HZMC) Définition Soient (D(a; c))a,c∈E et (U(c; b))c,b∈E deux matrices de probabilité. La chaîne de Markov de noyaux (D, U) sur HZ est une mesure sur HZ qui vérifie P (Yi = yi |Xi = xi , Yi−1 = yi−1 , . . .) = D(xi ; yi ) P (Xi+1 = xi+1 |Yi = yi , Xi = xi , . . .) = U(yi ; xi+1 ). et xi−1 xi xi+1 xi+2 yi+1 yi+2 D(xi ; yi ) U (yi ; xi+1 ) yi−1 Jérôme Casse yi ACP et PI a.l. 19 novembre 2015 14 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Le résultat pour tout alphabet fini Théorème Soit A = (Z, E = {0, 1, . . . , κ}, T ) un ACP. A admet une HZMC invariante ssi (i) T 0,0 T a,b T a,0 T 0,b = T a,b T 0,0 T 0,b T a,0 pour tous a, b, c et 0 0 c c c c 0 0 (ii) D γ U γ = U γ D γ . Dans ce cas, la HZMC a pour noyaux (D γ , U γ ). Jérôme Casse ACP et PI a.l. 19 novembre 2015 15 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Que sont D γ et U γ ? Une solution algébrique 1. A1 = T i,i j 2. A2 = : ν le vecteur propre à gauche avec i,j∈E T a,a νa 0 T a,d 0 ! X νx = 1. x : γ le vecteur propre à gauche. d,a∈E 3. Les deux noyaux de Markov (D γ , U γ ) : P γk γb T a,k T 0,b T a,k c T 0,b c γ 0 et Uc,b = P 0γk . P γk T 0,k k k T a,k T 0,k c k γ Da,c = 0 Jérôme Casse ACP et PI a.l. 0 19 novembre 2015 16 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Rappel : le résultat pour tout alphabet fini Théorème Soit A = (Z, E = {0, 1, . . . , κ}, T ) un ACP. A admet une HZMC ssi (i) T 0,0 T a,b T a,0 T 0,b = T a,b T 0,0 T 0,b T a,0 pour tous a, b, c et 0 0 c c c c 0 0 (ii) D γ U γ = U γ D γ . CNS uniquement sur T . Jérôme Casse ACP et PI a.l. 19 novembre 2015 17 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Éléments de preuve : 4 lemmes Le premier lemme : Lemme (Vasilyev (1978), Toom (1990)) Soit A = (Z, E = {0, 1, . . . , κ}, T ). La HZMC de noyaux (D, U) est invariante par A ssi : Da,c Uc,b (i) T a,b = pour tous a, b, c et c (DU)a,b (ii) DU = UD. d U D a b D U c Jérôme Casse ACP et PI a.l. 19 novembre 2015 18 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Éléments de preuve : 4 lemmes Équivalence entre les conditions rouges. Lemme Soit A = (Z, E = {0, 1, . . . , κ}, T ). Les trois conditions suivantes sont équivalentes : (a) il existe D et U matrices stochastiques tel que, pour tous a, b, c, T a,b = c Da,c Uc,b , (DU)a,b (b) pour tous a, b, c ∈ E , T 0,0 T a,b T a,0 T 0,b = T a,b T 0,0 T 0,b T a,0 , 0 c 0 c c c 0 0 (c) pour tous a, a0 , b, b 0 , c, c 0 ∈ E , T a0 ,b0 T a,b T a,b0 T a0 ,b = T a,b T a0 ,b0 T a0 ,b T a,b0 . c0 Jérôme Casse c0 c c ACP et PI a.l. c c c0 c0 19 novembre 2015 19 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Éléments de preuve : 4 lemmes Équivalence entre les conditions rouges. Indexation de la classe des (D, U) solutions par η ∈ M(E ). Lemme Soit A = (Z, E = {0, 1, . . . , κ}, T ). Les trois conditions suivantes sont équivalentes : (a) il existe D et U matrices stochastiques tel que, pour tous a, b, c, T a,b = c Da,c Uc,b , (DU)a,b (b) pour tous a, b, c ∈ E , T 0,0 T a,b T a,0 T 0,b = T a,b T 0,0 T 0,b T a,0 , 0 Jérôme Casse 0 c ACP et PI a.l. c c c 0 0 19 novembre 2015 19 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Éléments de preuve : 4 lemmes Équivalence entre les conditions rouges. Indexation de la classe des (D, U) solutions par η ∈ M(E ). D η U η = U η D η implique une unique solution γ possible. Lemme Soit A = (Z, E = {0, 1, . . . , κ}, T ). Les trois conditions suivantes sont équivalentes : (a) il existe D et U matrices stochastiques tel que, pour tous a, b, c, T a,b = c Da,c Uc,b , (DU)a,b (b) pour tous a, b, c ∈ E , T 0,0 T a,b T a,0 T 0,b = T a,b T 0,0 T 0,b T a,0 , 0 Jérôme Casse 0 c ACP et PI a.l. c c c 0 0 19 novembre 2015 19 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Résultats supplémentaires en lien Sur le réseau N. Sur le réseau Z/nZ : Théorème Soit A = (Z/nZ, E = {0, 1, . . . , κ}, T ) un ACP. A admet une cyclic-HZMC invariante ssi (i) T 0,0 T a,b T a,0 T 0,b = T a,b T 0,0 T 0,b T a,0 pour tous a, b, c et 0 c c 0 0 c c 0 (ii) Diagonal (D γ U γ )k = Diagonal (U γ D γ )k pour tout 1 ≤ k ≤ κ + 1. Dans ce cas, la cyclic-HZMC a pour noyaux (D γ , U γ ). Conditions suffisantes sur T pour des ACP à taux non positifs. Jérôme Casse ACP et PI a.l. 19 novembre 2015 20 / 58 ACP et lois markoviennes Cas d’un alphabet E fini Lien entre les différentes structures Loi markovienne Loi HZMC pour L = Z/nZ pour L = Z/nZ pour un n. i. de n M = DU = UD pour un n. i. de n Loi HZMC pour L = Z Loi markovienne pour L = Z Loi HZMC d’ordre 2 pour L = Z M = DU = UD Jérôme Casse ACP et PI a.l. 19 novembre 2015 21 / 58 ACP et lois markoviennes Cas E espace polonais 1 Automates cellulaires probabilistes et lois invariantes markoviennes Cas d’un alphabet E fini Cas d’un alphabet E général (fini ou infini / discret ou continu) 2 Processus itérés ad libitum 3 Fonction de corrélation du modèle à 8 sommets où a + c = b + d Jérôme Casse ACP et PI a.l. 19 novembre 2015 22 / 58 ACP et lois markoviennes Cas E espace polonais Formalisme E = R. La matrice de transition T (a, b; c) est remplacé par un noyau de transition T (a, b; C ). Jérôme Casse ACP et PI a.l. 19 novembre 2015 23 / 58 ACP et lois markoviennes Cas E espace polonais Exemple : ACP gaussien a T (a, b; C ) = P Initial a+b + |{z} N ∈ C 4 1.61 ∼N (0,1) 1.28 b a+b 4 0.68 +N −1.9 Image Jérôme Casse ACP et PI a.l. 19 novembre 2015 24 / 58 ACP et lois markoviennes Cas E espace polonais Exemple : ACP gaussien a T (a, b; C ) = P a+b + |{z} N ∈ C 4 Initial 1.61 Image 0.27 Jérôme Casse ∼N (0,1) 1.28 b a+b 4 0.68 +N −1.9 ACP et PI a.l. 19 novembre 2015 24 / 58 ACP et lois markoviennes Cas E espace polonais Exemple : ACP gaussien a T (a, b; C ) = P a+b + |{z} N ∈ C 4 ∼N (0,1) a+b 4 Initial 1.61 1.28 0.68 −1.9 Image 0.27 1.66 −0.1 −1.5 Jérôme Casse b ACP et PI a.l. +N 19 novembre 2015 24 / 58 ACP et lois markoviennes Cas E espace polonais ACP avec alphabets infinis [Briceño & al. 2013] [Ceccherini-Silberstein et Coornaert 2013] [Vancheri & al. 2005] Jérôme Casse ACP et PI a.l. 19 novembre 2015 25 / 58 ACP et lois markoviennes Cas E espace polonais Question Éclaircir les problèmes topologiques. Jérôme Casse ACP et PI a.l. 19 novembre 2015 26 / 58 ACP et lois markoviennes Cas E espace polonais Fini vs Infini Pas nécessairement une probabilité invariante. t=0 0 0 0 0 t=1 1 0 1 1 t=2 2 2 2 2 t=3 3 3 3 4 t=4 4 4 5 5 Jérôme Casse ( a+b a.p. 1/6 c= max(a, b) + 1 a.p. 5/6 ACP et PI a.l. 19 novembre 2015 27 / 58 ACP et lois markoviennes Cas E espace polonais Fini vs Infini Certaines transitions ne semblent pas utiles. Par exemple : T (1, 1; .) ne semble pas être utile dans un ACP gaussien. Jérôme Casse Initial 1.61 1.28 0.68 −1.9 Image 0.27 1.66 −0.1 −1.5 ACP et PI a.l. 19 novembre 2015 28 / 58 ACP et lois markoviennes Cas E espace polonais Fini vs Infini Certaines transitions ne semblent pas utiles. Par exemple : T (1, 1; .) ne semble pas être utile dans un ACP gaussien. Initial 1.61 1.28 0.68 −1.9 Image 0.27 1.66 −0.1 −1.5 Prenons T̄ tel que T̄ (a, b; .) = T (a, b; .) sauf T̄ (1, 1; .) = δ1 (.). Jérôme Casse ACP et PI a.l. 19 novembre 2015 28 / 58 ACP et lois markoviennes Cas E espace polonais Fini vs Infini Certaines transitions ne semblent pas utiles. Par exemple : T (1, 1; .) ne semble pas être utile dans un ACP gaussien. Prenons T̄ tel que T̄ (a, b; .) = T (a, b; .) sauf T̄ (1, 1; .) = δ1 (.). Jérôme Casse Initial 1.61 1.28 0.68 −1.9 Image 0.27 1.66 −0.1 −1.5 ACP et PI a.l. 19 novembre 2015 28 / 58 ACP et lois markoviennes Cas E espace polonais Fini vs Infini Certaines transitions ne semblent pas utiles. Par exemple : T (1, 1; .) ne semble pas être utile dans un ACP gaussien. Prenons T̄ tel que T̄ (a, b; .) = T (a, b; .) sauf T̄ (1, 1; .) = δ1 (.). Sous certaines lois initiales, cela change tout. Pour T : Initial 1 1 1 1 Image 2.11 1.78 1.18 −1.4 Initial 1 1 1 1 Image 1 1 1 1 Pour T̄ : Jérôme Casse ACP et PI a.l. 19 novembre 2015 28 / 58 ACP et lois markoviennes Cas E espace polonais Question Pour un T donné, décrire toutes ses lois invariantes markoviennes. Jérôme Casse ACP et PI a.l. 19 novembre 2015 29 / 58 ACP et lois markoviennes Cas E espace polonais Question Pour un T donné, décrire toutes ses lois invariantes markoviennes. Notamment prendre en compte les “pièges”. Jérôme Casse ACP et PI a.l. 19 novembre 2015 29 / 58 ACP et lois markoviennes Cas E espace polonais La solution : une mesure de référence Choisir une mesure µ, dite de référence, pour étudier l’ACP. Définition (µ-positivité) Un ACP est µ-positif si, pour µ-presque tout a, b ∈ E , ∀C ∈ B (E ), T (a, b; C ) > 0 ⇔ µ(C ) > 0. Le support de µ est notre ensemble “piège”. Définition (µ-densité) Dans ce cas, pour µ-presque tout a, b ∈ E , Z T (a, b; C ) = t(a, b; c)dµ(c). C Travailler sur les µ-densités. Jérôme Casse ACP et PI a.l. 19 novembre 2015 30 / 58 ACP et lois markoviennes Cas E espace polonais Le résultat sur les ACP à alphabet infini Théorème µ, une mesure σ-finie sur E . A = (Z, E , T ) µ-positif. A admet une µ-positive HZMC invariante ssi (i) il existe (a0 , b0 , c0 ) ∈ E 3 tel que t(a0 , b0 ; .) et µ sont positivement équivalente et pour µ3 -presque tout (a, b, c), t(a0 , b0 ; c0 )t(a, b; c0 )t(a, b0 ; c)t(a0 , b; c) = t(a, b; c)t(a0 , b0 ; c)t(a0 , b; c0 )t(a, b0 ; c0 ), (ii) il existe η > 0 ∈ L1 (µ), solution de : pour µ2 -presque tout (a, b), Z Z η η d (a; c)u (c; b)dµ(c) = u η (a; c)d η (c; b)dµ(c). E E (iii) la chaîne de Markov de noyau D η admet une probabilité invariante. Jérôme Casse ACP et PI a.l. 19 novembre 2015 31 / 58 ACP et lois markoviennes Cas E espace polonais Les µ-densités de D η et U η d η (a; c) = Z E η(x) t(a, x; c)dµ(x) t(a, x; c0 ) Z et η(x) dµ(x) E t(a, x; c0 ) η(b) t(a0 , b; c) t(a0 , b; c0 ) η Z u (c; b) = . η(x) t(a0 , x; c)dµ(x) E t(a0 , x; c0 ) Jérôme Casse ACP et PI a.l. 19 novembre 2015 32 / 58 ACP et lois markoviennes Cas E espace polonais Extension à d’autres réseaux Version de ce théorème pour L = N et L = Z/nZ. Jérôme Casse ACP et PI a.l. 19 novembre 2015 33 / 58 Processus itérés ad libitum Processus itérés ad libitum Jérôme Casse ACP et PI a.l. 19 novembre 2015 34 / 58 Processus itérés ad libitum Le mouvement brownien itéré n fois Mouvement brownien (MB) : processus continu gaussien à accroissements indépendants et stationnaires. Mouvement brownien bilatère (B(t) : t ∈ R) : (B(t) : t ≥ 0) et (B(−t) : t ≥ 0) sont deux MB indépendants. 1 −1 1 −1 Jérôme Casse ACP et PI a.l. 19 novembre 2015 35 / 58 Processus itérés ad libitum Le mouvement brownien itéré n fois Définition Soit B1 , B2 , . . . , Bn , n mouvements browniens indépendants bilatères. Le mouvement brownien itéré n fois est le processus I (n) défini, pour tout t, par I (n) (t) = Bn (Bn−1 (. . . B1 (t) . . . )) = Bn I (n−1) (t) . Jérôme Casse ACP et PI a.l. 19 novembre 2015 35 / 58 Processus itérés ad libitum Résultats sur I (2) I (2) , construction de solutions d’équations différentielles paraboliques [Funaki 1979]. Propriétés probabilistes et analytiques de I (2) : fin des années 1990. I (n) moins étudiés : lien avec certaines équations différentielles [Orsingher-Beghin 2009]. Jérôme Casse ACP et PI a.l. 19 novembre 2015 36 / 58 Processus itérés ad libitum Question I (n) (t) = Bn (Bn−1 (. . . B1 (t) . . . )) = Bn I (n−1) (t) . Que peut-on dire de I (n) quand n → ∞ ? Jérôme Casse ACP et PI a.l. 19 novembre 2015 37 / 58 Processus itérés ad libitum Question I (n) (t) = Bn (Bn−1 (. . . B1 (t) . . . )) = Bn I (n−1) (t) . Que peut-on dire de I (n) quand n → ∞ ? Convergence des lois finies-dimensionnelles de I (n) quand n → ∞ ? Jérôme Casse ACP et PI a.l. 19 novembre 2015 37 / 58 Processus itérés ad libitum La loi monodimensionnelle I (n) (t) Théorème (Turban 2004) (d) Pour tout t 6= 0, I (n) (t) −→ I1 = E avec , signe aléatoire uniforme et E ∼ E(2). Jérôme Casse ACP et PI a.l. 19 novembre 2015 38 / 58 Processus itérés ad libitum Convergence des lois finies dimensionnelles Théorème (Curien et Konstantopoulos 2014) Soit k ≥ 1. Soit t1 , . . . , tk ∈ R non nuls et distincts. (d) I (n) (t1 ), . . . , I (n) (tk ) −→ (I1 , . . . , Ik ) ∼ µk . µk indépendante de (t1 , . . . , tk ). µk invariante par permutation. (B(I1 ), . . . , B(Ik )) ∼ µk . (I2 − I1 , . . . , Ik − I1 ) ∼ µk−1 . Pas de description des µk (pas même de µ2 ). Jérôme Casse ACP et PI a.l. 19 novembre 2015 39 / 58 Processus itérés ad libitum α-stables itéré ad libitum 1 Automates cellulaires probabilistes et lois invariantes markoviennes 2 Processus itérés ad libitum Processus α-stables itérés ad libitum Lois finies-dimensionnelles du mouvement brownien itéré ad libitum 3 Fonction de corrélation du modèle à 8 sommets où a + c = b + d Jérôme Casse ACP et PI a.l. 19 novembre 2015 40 / 58 Processus itérés ad libitum α-stables itéré ad libitum Processus α-stable itéré n fois Définition Le processus (X (t) : t ≥ 0) est un processus stable de paramètres (α, σ, r ) (α ∈ [0, 2], σ ∈ R+ et r ∈ R) s’il vérifie : X (0) = 0, les accroissements sont indépendants et stationnaires, la transformée de Fourier du processus est e tη(u) avec η(u) = −|u|α σ α + iru. Processus α-stable bilatère (X (t) : t ∈ R) : (X (t) : t ≥ 0) et (−X (−t) : t ≥ 0) sont deux processus α-stables indépendants. Jérôme Casse ACP et PI a.l. 19 novembre 2015 41 / 58 Processus itérés ad libitum α-stables itéré ad libitum Processus α-stable itéré n fois 1 −1 1 −1 Jérôme Casse ACP et PI a.l. 19 novembre 2015 41 / 58 Processus itérés ad libitum α-stables itéré ad libitum Processus α-stable itéré n fois Définition Soit X1 , X2 , . . . , Xn , n processus α-stables bilatères de paramètres (α, σ, r ) indépendants. Le processus α-stable itéré n fois de paramètres (α, σ, r ) est le processus I (n) défini, pour tout t, par I (n) (t) = Xn (Xn−1 (. . . X1 (t) . . . )) = Xn I (n−1) (t) . Jérôme Casse ACP et PI a.l. 19 novembre 2015 41 / 58 Processus itérés ad libitum α-stables itéré ad libitum Lois multi-dimensionnelles des processus α itérés Théorème Soit I (n) : n ≥ 0 , une suite de processus stables itérés n fois de paramètres (α, σ, r ). Soit k ≥ 1. Soit t1 , . . . , tk ∈ R distincts et non nuls. α ≤ 1 ou |r | > 1 ⇒ I (n) (t1 ) ne converge pas en loi dans R. (d) 1 < α ≤ 2 et |r | < 1 ⇒ I (n) (t1 ), . . . , I (n) (tk ) −→ (I1 , . . . , Ik ) ∼ µk . µk ne dépend pas des ti , mais dépend de (α, σ, r ) µk est invariante par permutation. (X (I1 ), . . . , X (Ik )) ∼ µk . (I2 − I1 , . . . , Ik − I1 ) ∼ µk−1 . Ergodicité : Meyn et Tweedie. Jérôme Casse ACP et PI a.l. 19 novembre 2015 42 / 58 Processus itérés ad libitum Lois finies-dim du MBI 1 Automates cellulaires probabilistes et lois invariantes markoviennes 2 Processus itérés ad libitum Processus α-stables itérés ad libitum Lois finies-dimensionnelles du mouvement brownien itéré ad libitum 3 Fonction de corrélation du modèle à 8 sommets où a + c = b + d Jérôme Casse ACP et PI a.l. 19 novembre 2015 43 / 58 Processus itérés ad libitum Lois finies-dim du MBI Question Décrire la loi limite µk pour tout k. Jérôme Casse ACP et PI a.l. 19 novembre 2015 44 / 58 Processus itérés ad libitum Lois finies-dim du MBI Écarts de (I1 , . . . , Ik ) I2 I1 0 G1 Jérôme Casse G2 I4 G3 ACP et PI a.l. I3 G4 19 novembre 2015 45 / 58 Processus itérés ad libitum Lois finies-dim du MBI Écarts de (I1 , . . . , Ik ) I2 I1 0 G1 G2 I4 G3 I3 G4 Si (I1 , . . . , Ik ) ∼ µk , alors (G1 , . . . , Gk ) = gaps(0, I1 , . . . , Ik ) ∼ γk . Jérôme Casse ACP et PI a.l. 19 novembre 2015 45 / 58 Processus itérés ad libitum Lois finies-dim du MBI Écarts de (I1 , . . . , Ik ) I2 I1 0 G1 G2 I4 G3 I3 G4 Si (I1 , . . . , Ik ) ∼ µk , alors (G1 , . . . , Gk ) = gaps(0, I1 , . . . , Ik ) ∼ γk . Proposition Soit (t1 , . . . , tk ) k réels distincts et X un processus α-stable bilatère. Les écarts de (X (t1 ), . . . , X (tk )) ne dépendent que des écarts de (t1 , . . . , tk ). Jérôme Casse ACP et PI a.l. 19 novembre 2015 45 / 58 Processus itérés ad libitum Lois finies-dim du MBI Écarts de (I1 , . . . , Ik ) I2 I1 0 G1 G2 I4 G3 I3 G4 Si (I1 , . . . , Ik ) ∼ µk , alors (G1 , . . . , Gk ) = gaps(0, I1 , . . . , Ik ) ∼ γk . Proposition Soit (t1 , . . . , tk ) k réels distincts et X un processus α-stable bilatère. Les écarts de (X (t1 ), . . . , X (tk )) ne dépendent que des écarts de (t1 , . . . , tk ). La suite des écarts du mouvement brownien itéré n fois : (n) (n) (G1 , . . . , Gk ) = gaps(0, I (n) (t1 ), . . . , I (n) (tk )) est une chaîne de Markov en n de noyau Ψ. Jérôme Casse ACP et PI a.l. 19 novembre 2015 45 / 58 Processus itérés ad libitum Lois finies-dim du MBI De γk vers µk G1 Jérôme Casse G2 G3 ACP et PI a.l. G4 19 novembre 2015 46 / 58 Processus itérés ad libitum Lois finies-dim du MBI De γk vers µk 0 G1 Jérôme Casse G2 G3 ACP et PI a.l. G4 19 novembre 2015 46 / 58 Processus itérés ad libitum Lois finies-dim du MBI De γk vers µk I1 0 G1 Jérôme Casse G2 G3 ACP et PI a.l. G4 19 novembre 2015 46 / 58 Processus itérés ad libitum Lois finies-dim du MBI De γk vers µk I2 I1 0 G1 Jérôme Casse G2 G3 ACP et PI a.l. G4 19 novembre 2015 46 / 58 Processus itérés ad libitum Lois finies-dim du MBI De γk vers µk I2 I1 0 G1 Jérôme Casse G2 I3 G3 ACP et PI a.l. G4 19 novembre 2015 46 / 58 Processus itérés ad libitum Lois finies-dim du MBI De γk vers µk I2 I1 0 G1 Jérôme Casse G2 I4 G3 ACP et PI a.l. I3 G4 19 novembre 2015 46 / 58 Processus itérés ad libitum Lois finies-dim du MBI Stabilité de Ψ Uniquement dans le cas mouvement brownien. Proposition Si, initialement, (X1 , . . . , Xk ) ∼ [E(λ1 ), . . . , E(λk )], alors, l’image (Y1 , . . . , Yk ) ∼ [E(Fτ,1 (λ)), . . . , E(Fτ,k (λ))] avec probabilité wτ (λ) où λ = (λ1 , . . . , λk ) et où wτ et les Fτ,i sont explicites. Induit une chaîne de Markov, de type IFS, sur les paramètres λ. Jérôme Casse ACP et PI a.l. 19 novembre 2015 47 / 58 Processus itérés ad libitum Lois finies-dim du MBI La chaîne de Markov des paramètres τ (0, 1, 2) Fτ (s1 , s2 ) (0, 2, 1) (s1 , s1 + s2 ) (1, 0, 2) (s1 + s2 , s2 ) (1, 2, 0) (s2 , s1 + s2 ) (2, 0, 1) (s1 + s2 , s1 ) (2, 1, 0) (s2 , s1 ) wτ 1/4 1 s2 4 s1 + s2 1 s1 4 s1 + s2 1 s1 4 s1 + s2 1 s2 4 s1 + s2 1/4 avec si = √ 2λi . Proposition Pour tout k, cette chaîne de Markov admet une unique loi invariante νk à support dans [2, 2k 2 ]k . Jérôme Casse ACP et PI a.l. 19 novembre 2015 48 / 58 Processus itérés ad libitum Lois finies-dim du MBI La chaîne de Markov des paramètres Proposition Pour tout k, cette chaîne de Markov admet une unique loi invariante νk à support dans [2, 2k 2 ]k . c2 6 4 2 2 Jérôme Casse 4 ACP et PI a.l. 6 c1 19 novembre 2015 48 / 58 Processus itérés ad libitum Lois finies-dim du MBI Résumé : de νk vers µk νk : Λ = (λ1 , . . . , λk ) ∼ νk . de νk vers γk : soit (E (1) , . . . , E (k) ) une suite de variable i.i.d. (et ind. de Λ) de loi E(1), −1 (k) (1) λ−1 E , . . . , λ E ∼ γk . 1 k de γk vers µk : soit τ ∼ U(S([0, k])), I2 I1 0 G1 G2 Jérôme Casse ACP et PI a.l. I4 G3 I3 G4 19 novembre 2015 49 / 58 Processus itérés ad libitum Lois finies-dim du MBI D’autres résultats liés à ces travaux Description des lois finies-dimensionelles des I (n) . Application à d’autres processus gaussiens. Jérôme Casse ACP et PI a.l. 19 novembre 2015 50 / 58 Modèle à 8 sommets Fonction de corrélation du modèle à 8 sommets où a + c = b + d Jérôme Casse ACP et PI a.l. 19 novembre 2015 51 / 58 Modèle à 8 sommets Modèle à sommets Le graphe Kn : Jérôme Casse ACP et PI a.l. 19 novembre 2015 52 / 58 Modèle à 8 sommets Modèle à sommets Le graphe Kn : Une orientation des arêtes de KN : 16 types de sommets 7 2 3 2 Jérôme Casse ACP et PI a.l. 1 19 novembre 2015 52 / 58 Modèle à 8 sommets Modèle à sommets Le graphe Kn : Une orientation des arêtes de KN : 16 types de sommets 7 2 Un poids global : W (C ) = 16 Y 3 wini . i=1 2 Pour l’exemple : W (C ) = w1 w22 w3 w7 Jérôme Casse ACP et PI a.l. 1 19 novembre 2015 52 / 58 Modèle à 8 sommets Modèle à sommets Le graphe Kn : Une orientation des arêtes de KN : 16 types de sommets 7 2 Un poids global : W (C ) = 16 Y 3 wini . i=1 2 1 Une loi de probabilité : W (C ) P (C ) = P C W (C ) Jérôme Casse ACP et PI a.l. 19 novembre 2015 52 / 58 Modèle à 8 sommets Modèle à sommets Le graphe Kn : Une orientation des arêtes de KN : 16 types de sommets Un poids global : W (C ) = 1 1 7 0 16 Y 1 0 2 0 0 1 0 1 3 wini . 1 i=1 0 2 Une loi de probabilité : 0 1 1 1 0 État d’une arête : ( 0 si dirigée vers le bas e(arête) = 1 si dirigée vers le haut Jérôme Casse ACP et PI a.l. 19 novembre 2015 52 / 58 Modèle à 8 sommets Modèle à 8 sommets Orientations avec 0, 2 ou 4 arêtes entrantes en chaque sommet. configurations ou ou ou ou 8 autres types poids 1,2 a 3,4 b 5,6 c 7,8 d 9 à 16 0 Jérôme Casse ACP et PI a.l. 19 novembre 2015 53 / 58 Modèle à 8 sommets Question Caractéristiques à grande échelle du modèle en fonction des paramètres locaux (a, b, c, d). Jérôme Casse ACP et PI a.l. 19 novembre 2015 54 / 58 Modèle à 8 sommets Question Caractéristiques à grande échelle du modèle en fonction des paramètres locaux (a, b, c, d). Comment les arêtes à grande distance sont-elles corrélées ? Jérôme Casse ACP et PI a.l. 19 novembre 2015 54 / 58 Modèle à 8 sommets Fonction corrélation Définition La fonction de corrélation est C (i, t) = E [e(0, 0)e(i, t)] − E [e(0, 0)] E [e(i, t)] . Jérôme Casse (−2, 3) (−1, 3) (0, 3) (1, 3) (−2, 2) (−1, 2) (0, 2) (1, 2) (−2, 1) (−1, 1) (0, 1) (1, 1) (−2, 0) (−1, 0) (0, 0) (1, 0) ACP et PI a.l. 19 novembre 2015 55 / 58 Modèle à 8 sommets Fonction corrélation Définition La fonction de corrélation est C (i, t) = E [e(0, 0)e(i, t)] − E [e(0, 0)] E [e(i, t)] . [Kendall, Domany et Nienhuis (1990)] : calcul de la fonction de corrélation dans le modèle à 6 sommets (d = 0) avec a + c = b et sous certaines conditions de bords. Jérôme Casse ACP et PI a.l. 19 novembre 2015 55 / 58 Modèle à 8 sommets Résultat de la thèse Théorème Dans le cas a + c = b + d et sous certaines conditions de bords, C (i, t) est le coefficient en l t x i+t du dévelopement en série de la fraction rationnelle 1 + l(1 − (p + r ) + x(r − p)) 1 + x 2 l 2 (2p − 1)(2r − 1) + l(1 − (p + r ))(1 + x 2 ) avec p = a a+c et r = b b+d . La condition de bord est liée à un ACP dont une des lois invariantes est markovienne. La preuve repose sur du dénombrement à la Flajolet-Sedgewick. Jérôme Casse ACP et PI a.l. 19 novembre 2015 56 / 58 Modèle à 8 sommets Résultat de la thèse On pose p = a a+c et r = b b+d . Théorème (Asymptotique de C (i, t)) Si a + c = b + d et p + r 6= 1, alors max(|1 − 2p|, |1 − 2r |)t √ C (i, t) = O . t Si a + c = b + d et p + r = 1 (i.e. a = d et b = c), alors C (0, t) = (1 − 2p)t , C (i, t) = 0 si i 6= 0. Jérôme Casse ACP et PI a.l. 19 novembre 2015 57 / 58 Modèle à 8 sommets Merci. Jérôme Casse ACP et PI a.l. 19 novembre 2015 58 / 58