MASTER 2 sp ecialit e: Probabilit es et Mod` eles Al eatoires

UPMC Brochure 20132014 23/05/2013

OBJECTIFS ET MODELES ALEATOIRES Lobjectif de la sp ecialit e PROBABILITES de la seconde ann ee du Master de lUPMC, est de d elivrer une formation de haut niveau en probabilit es th eoriques et appliqu ees. En fonction des cours sp ecialis es suivis et du sujet de m emoire ou de stage choisi par l etudiant, deux orientations sont possibles : lune plus centr ee sur la Th eorie des Processus Stochastiques, lautre sur les Probabilit es Appliqu ees.

CO-HABILITATIONS Le master est co-habilit e avec l ecole Polytechnique, lEcole Normale Sup erieure de Paris. La projet de co-hablitation avec lEcole T el ecom ParisTech est en cours. ` ECTION CRITERES DE SEL Le principal crit` ere de s el ection est un pr erequis solide en th eorie de la mesure et de lint egration, en calcul des probabilit es et en math ematiques g en erales. Cette sp ecialit e sadresse aux etudiants provenant du M1 de math ematiques et aux titulaires dune ma trise de Math ematiques, de Math ematiques Appliqu ees, ou dIng enierie Math ematique. Elle est egalement ouverte aux titulaires dune ma trise M.A.S.S., ou dun dipl ome ding enieur (ou eventuellement de deux ans d etudes dans une ecole ding enieurs), sous r eserve dune formation susante en math ematiques, et notamment en probabilit es.

PREREQUIS POUR LES ETUDIANTS DE LUPMC Pour les etudiants de lUPMC il est indispensable davoir valid e pour de bonnes notes Les cours Int egration I et II en L3 LM364 et LM365. et Le cours Probabilit es de Base LM390 au second semestre de L3 et le cours Probabilit es Approfondies MM011 au premier semestre de M1. Il est possible d etre admis ` a titre exceptionnel apr` es avoir valid e au lieu des cours LM390 et MM011, le cours Probabilit es de Base MM010 au premier semestre de M1 et le cours Processus de sauts MM036 au second semestre de M1. Cette admission se fait dapr` es les recommendations personnelles des professeurs des cours MM010, MM036 et/ou des charg es de TD. Il est indispensable davoir valid e pour de bonnes notes dautres modules de math ematiques pour avoir une culture large et solide. Il est tr` es d esirable davoir valid e un cours de statistiques math ematiques, par exemple MM051 Introduction ` a la statistique. Par contre, dautres cours en probabilit es ne sont pas indispensables (le cours Mod` eles stochastiques, applications ` a la nance MM054 ou le cours Programmation en C et C++ MM056 ou autres).

 E-ENSEIGNEMENT TEL Les etudiants salari es peuvent pr eparer le Master 2 Probabilit es et Mod` eles Al eatoires en t el e-enseignement. Pour cela, vous devez vous connecter sur le site du t el e-enseignement : http://tele6.upmc.fr an de pouvoir t el echarger la che correspondante. La liste de cours propos es en t el e-enseignement est donn ee dans la brochure de cette ann ee, elle est restreinte par rapport ` a la liste de cours en enseignement en classe. Les crit` eres de s el ection sont les m emes quen enseignement en classe.

DEBOUCH ES La vocation principale de la sp ecialit e est de former de futurs chercheurs en calcul de probabilit es. Pour cette raison, la majorit e des etudiants qui r eussissent cette sp ecialit e sorientent ensuite vers le Doctorat, troisi` eme composante du LMD en pr eparant une th` ese. La th` ese peut etre pr epar ee apr` es lobtention du Master en sinscrivant en Doctorat pour une dur ee de 2 ` a 4 ans en principe. Cette inscription est subordonn ee ` a lacceptation de l etudiant par un directeur de th` ese. Des allocations de recherche sont attribu ees aux etudiants en th` ese, sur crit` eres p edagogiques. La plupart des etudiants pr eparent une th` ese au sein du Laboratoire de Probabilit es et Mod` eles Al eatoires. Ce laboratoire des Universit es Pierre et Marie Curie et Denis Diderot, associ e au C.N.R.S., assure la ma trise doeuvre de la sp ecialit e. Il est lun des centres de recherche les plus actifs dans le monde dans le domaine des probabilit es et des processus stochastiques. Le Laboratoire regroupe environ 60 enseignants et chercheurs, sans compter les nombreux etudiants en th` ese. Les th` emes de recherche principaux sont les suivants : - etude ne du mouvement brownien - calcul stochastique et processus de Markov - optimisation stochastique - mod elisation stochastique - math ematiques nanci` eres - statistique non-param etrique - th eor` emes limites - th eorie ergodique et syst` emes dynamiques Les etudiants peuvent aussi p eparer une th` ese au sein dautres laboratoires de recherche (universitaires ou de grandes ecoles) ainsi que dans des instituts de recherche (lINRIA, lINRA, CEA et autres) en France et ` a l etranger, et egalement en entreprise sous la forme de contrats CIFFRE (EDF, CEA, AREVA, ...). Cette formation fournit aussi des d ebouch es professionnels imm ediats dans des entreprises, notamment dans des banques, des soci et es dassurance, ou des organismes nanciers.

 : Cours, stage, m ORGANISATION DE LANNEE emoire Lann ee commence par deux cours intensifs lors de la prerentr ee pendant deux semaines en septembre : Probabilit es et Statistiques math ematiques. Lobjectif du premier cours est de faire un point sur les connaissances en probabilit es acquises en M1 qui seront constamment utilis ees en M2. Le deuxi` eme cours vise ` a consolider et ` a enrichir le bagage en statistiques math ematiques que doit poss eder tout probabiliste. Ces deux cours sont obligatoires mais ne donnent pas lieu ` a un examen. Au premier semestre (Octobre-Janvier) tous les etudiants suivent trois cours : Processus de Markov, Mouvement Brownien et Calcul Stochastique, Th eor` emes Limites et Grandes D eviations. Ces cours pr esentent les aspects fondamentaux du domaine et forment la base sur laquelle sappuient les cours sp ecialis es du second semestre. Chaque cours dure 4 heures par semaine. Au deuxi` eme semestre de (F evrier-Mai), les etudiants ont un large choix de cours sp ecialis es (envrion une douzaine de cours) qui sont renouvel es fr equemment. Ces cours pr esentent plusieurs domaines ` a la pointe de la recherche en Probabilit es Th eoriques et Appliqu ees. Ils durent 2 heures par semaine pendant 12 ou 6 semaines. Le contenu de chacun des cours de cette ann ee est d ecrit dans la brochure. Les cours du second semestre conduisent les etudiants ` a une premi` ere confrontation avec la recherche sous la forme dun m emoire ou dun stage. Le m emoire consiste en g en eral en la lecture approfondie dun ou plusieurs articles de recherches r ecents, sous la direction dun membre du Laboratoire de Probabilit es et Mod` eles Al eatoires ou dun enseignant de la sp ecialit e. Il doit etre redig e en Latex et soutenu devant un jury. Le m emoire peut- etre remplac e par un rapport de stage. Le stage seectue dans un organisme de recherche ou un bureau d etudes, sous la direction conjointe dun ing enieur de lorganisme daccueil et dun enseignant de la sp ecialit e. Comme le travail de m emoire ou de stage sappuie sur les connaissances obtenus en cours, ce travail ne peut pas etre entam e par un etudiant qui na valid e en Janvier aucun cours de base. Lencadrement en m emoire ou en stage lui est refus e.

CONDITIONS DOBTENTION Chacun des trois cours du premier semestre Processus de Markov, Mouvement Brownien et Calcul Stochastique et Th eor` emes Limites et Grandes D eviations vaut 9 ECTS. Les cours sp ecialis es du second semestre valent 6 ECTS ou 3 ECTS en fonction de leur dur ee. Le m emoire ou le stage seectuent au 2` eme semestre et valent 30 ECTS. Pour obtenir le dipl ome du Master 2 de la sp ecialit e, il sut de valider 30 ECTS de cours et 30 ECTS de m emoire ou de stage. 4

N eanmoins, pour les etudiants souhaitant pr eparer un doctorat, il est recommand e dassister aux trois cours ` a 9 ECTS et den valider au moins 2, et il est indispensable de valider au moins 12 ECTS parmi les cours ` a 3 ou 6 ECTS du second semestre.

RESPONSABLES Responsable p edagogique : Madame Irina KOURKOVA, professeur du laboratoire de Probabilit es et Mod` eles Al eatoires de lUniversit e P. et M. Curie Responsable administrative : Madame Josette SAMAN Avant le d em enagement : 4` eme etage, plateau E, bureau 4E08 175, rue de Chevaleret, 75013 Paris Apr` es le d em enagement : Couloir 1626, 1er etage, bureau 08 Campus Jussieu, Laboratoire de Probabilit es et Mod` eles Al eatoires Universit e Pierre et Marie Curie B.C. 188 4, place Jussieu, 75252 Paris Cedex 05. Son bureau est ouvert le lundi, mardi (ferm e le mercredi) jeudi, vendredi, de 10 h 12 h, 14 h 17 h. T el : (33/0) 1 44 27 53 20 Fax : (33/0) 1 44 27 76 50 E-mail : deaproba@proba.jussieu.fr

COMMENT POSTULER ? 1. Faire acte de candidature sur le site de la scolarit e de lUPMC ` a partir du mois davril jusqu` a la date limite dinscription (voir Calendrier 20122013) : http://www.upmc.fr/fr/formations/inscriptions scolarite.html an de vous procurer un num ero d etudiant et un mot de passe. 2. T el echarger la che dinscription p edagogique sur le site http://www.proba.jussieu.fr/master2/master2.html et la remplir soigneuseument avec tous les d etails d emand es. Chaque case doit etre renseign ee. Les renvois au r el ev es des notes et les omissions sont inacceptables. 3. Composer le dossier dinscription p edagogique : (a) Acte de candidature (obligatoire !) obtenu ` a l etape 1. (b) Fiche dinscription p edagogique remplie ` a l etape 2. (c) Curriculum Vitae (d) Photocopies de dipl omes et/ou de relev es de notes de Licence et Master 1 (ou equivalents) et des ecoles ding enieurs conrmant les renseignements remplis dans la che p edagogique. (e) Une photo didentit e (f) Une lettre de motivation nest pas obligatoire. Il est conseill e de l ecrire uniquement si vous avez des renseignements particuliers ` a communiquer. (g) Deux enveloppes timbr ees (11cm 22 cm) avec votre nom et adresse. Pri` ere de ne pas joindre vos r esultats au BAC, ni en classes pr eparatoires, ni en Licence 1. 4. Envoyer ce dossier dinscription p edagogique ` a ladresse : Madame Josette Saman Laboratoire de Probabilit es et Mod` eles Al eatoires B.C. 188 Universit e Pierre et Marie Curie (Paris 6) 4, place Jussieu, 75252 Paris Cedex 05 FRANCE ou le d eposer le lundi, mardi, (ferm e le mercredi) jeudi, vendredi, de 10h 12h, 14h 17h ` a Madame Josette Saman Couloir 1626, 1er etage, bureau 08, campus Jussieu, Laboratoire de Probabilit es et Mod` eles Al eatoires B.C. 188 Universit e Pierre et Marie Curie (Paris 6) 4, place Jussieu, 75252 Paris Cedex 05.

5. La r eponse va vous etre envoy ee par courrier dans lenveloppe timbr ee jointe au dossier. Vous pourrez egalement la consulter sur le site de la scolarit e de lUPMC, o` u vous devez vous connecter en utilisant votre num ero d etudiant et votre mot de passe. 6. En cas de r eponse positive, il est indispensable de valider votre voeu sur le site : http://www.upmc.fr/fr/formations/inscriptions scolarite.html en utilisant votre num ero d etudiant et votre mot de passe.

Attention aux candidats etrangers hors union europ een ayant besoin dun titre de s ejour pour arriver en France!! La procedure pour votre titre de s ejour a chang e en 2011. Une note concernant la nouvelle procedure est ach ee sur la page web. N eanmoins pour que votre candidature soit prise en consid eration par le r esponsable du master, il est indispensable de passer par les etapes 25 ci-dessus : cest-` a-dire lenvoi de votre dossier par la poste, avec la che dinscription d ument remplie et sign ee.

CALENDRIER 20132014. Inscription administrative sur le site de la scolarit e de lUniversit e Paris P. et M. Curie : dAvril 2013 ` a Juillet 2013. Une r eunion dinformation se tiendra le 31 Mai 2013 ` a 17 heures dans la salle 104, 1er etage dans le couloir entre les tours 1525, au campus Jussieu (4, place Jussieu) a Paris. Tous les candidats sont invit ` es. La date limite de dep ots des dossiers dinscription p edagogique est x ee au 01 septembre 2013, le cachet de la poste faisant foi. N eanmoins, pour avoir la r eponse au mois de juillet, il est indispensable que votre dossier parvienne au secr etariat avant le 09 Juillet 2013 a 13h. La r eponse aux candidats faisant parvenir leur dossier ` a partir du 09 Juillet 2013 sera donn ee entre le 01 et le 10 Septembre 2013. Les cours intensifs de la prerentr ee auront lieu du 16 au 27 Septembre 2013. Le premier Semestre d emarre le lundi 30 Septembre 2013 et se termine debut Janvier 2014. Les examens des cours du premier semestre auront lieu lors de la deuxi` eme moiti e du mois de Janvier 2014. Une r eunion dinformation sur les cours du second semestre aura lieu ` a la n du mois de Janvier 2014. Le deuxi` eme semestre commencera en F evrier 2014 et se terminera en Mai 2014. Une pause de deux semaines est pr evue pendant les vacances de Pacques. Les examens des cours du second semestre auront lieu lors de la premi` ere moiti e du mois de Juin 2014. Les examens de rattrapage pour tous les cours auront lieu lors de la deuxi` eme moiti e du mois de Juin. Pour les etudiants d esirant valider le Master en Juillet, le m emoire (ou le stage) doit etre soutenu au plus tard le 30 Juin 2014. Pour les etudiants d esirant valider le Master en Octobre, le m emoire (ou le stage) doit etre soutenu au plus tard le 30 Septembre 2014.

COURS Cours pr eliminiares : T. DUQUESNE : Rappels de probabilit es : Elements de statistiques math L. BIRGE ematiques Cours fondamentaux du premier semestre : Z. SHI : Mouvement brownien et calcul stochastique (9 E.C.T.S) I. KOURKOVA : Processus de Markov (9 E.C.T.S) L. ZAMBOTTI : Th eor` emes Limites et Grandes D eviations. (9 E.C.T.S) Cours sp ecialis es du deuxi` eme semestre J. BERTOIN : Processus de L evy (3 E.C.T.S)

KPP

J. BERESTYCKI : Marches al eatoires branchantes et l equation F1 (6 E.C.T.S.) Ph. BIANE : Combinatoire et Probabilit es (6 E.C.T.S) ` C. BOUTILLIER, B. DE TILIERE : Dim` eres et pavages al eatoires(6 E.C.T.S.)

: Processus P. BREMAUD, B. BLASZCZYSZYN et L. MASSOULIE ponctuels, graphes al eatoires et g eom etrie stochastique (6 E.C.T.S) L. DECREUSEFOND, A.S. USTUNEL : Calcul de Malliavin(6 E.C.T.S) R. DOUC, E. MOULINES : Cha nes de Markov : stabilit e, convergence, applications (6 E.C.T.S) G. GIACOMIN :

Syst` emes en interaction : du microscopique au

macroscopique
R. KRIKORIAN : Introduction ` a la th eorie ergodique (6 E.C.T.S.) EARD, S. MEL C. VIET TRAN, V. BANSAYE : Mod` eles al eatoires en Ecologie (6 E.C.T.S) ` : Arr G. PAGES et optimal : th eorie, m ethodes num eriques et applications (6 E.C.T.S) : Grandes matrices al S. PECHE eatoires (6 E.C.T.S) Ph. ROBERT : Analyse probabiliste dalgorithmes (6 E.C.T.S) : Th eor` emes limites pour les semi-martingales, application ` a la statistique des donn ees haute fr equence en nance (6 E.C.T.S) M. ROSENBAUM
1

sous r eserve de conrmation

D. TALAY, M. BOSSY : Analyse probabiliste de conditions au bord

et m ethodes particulaires stochastiques pour equations aux d eriv ees partielles (6 E.C.T.S).
dont Analyse probabiliste de conditions au bord pour equations aux d eriv ees partielles paraboliques et elliptiques (D. TALAY) (3 E.C.T.S) Approximation particulaire de diusions non lin eaires (M. BOSSY) (3 E.C.T.S) M. THIEULLEN : Mod` eles probabilistes en neurosciences et en electrophysiologie (6 E.C.T.S) G.THOMAS, P.-Y. BOELLE : Mod elisation de la r esistance des bact eries

aux antibiotiques

COURS en TELE-ENSEIGNEMENT en 2012-2013 Z. SHI : Mouvement brownien et calcul stochastique (9 E.C.T.S) I. KOURKOVA : Processus de Markov (9 E.C.T.S) R. KRIKORIAN : Introduction ` a la th eorie ergodique (6. E.C.T.S.) Ph. ROBERT : Analyse probabiliste dalgorithmes (6 E.C.T.S) M. THIEULLEN : Mod` eles probabilistes en neurosciences et en electrophysiologie (6 E.C.T.S)

10

Cours pr eliminaire Rappels de Probabilit es

T. Duquesne
Ce cours pr eliminaire est destin e ` a faire le point sur des notions fondamentales de Probabilit es abord ees en M1 et utilis ees syst ematiquement par la suite dans les cours du M2. Parmi ces notions on peut citer : - le conditionnement - les di erentes notions de convergence - les martingales ` a temps discret. Le cours sera compl et e par des s eances dexercices et une bibliographie pouvant servir de r ef erence tout au long de lann ee de M2.

11

 ements de statistiques El
L. Birg e

Le but de ce cours, qui sera d elivr e de mani` ere intensive en d ebut dann ee, est dintroduire ou de rappeler les principes et outils fondamentaux de la Statistique Math ematique. On supposera que les auditeurs ont une bonne connaissance des Probabilit es classiques. On expliquera dabord, ` a partir dexemples simples, quelles sont les probl ematiques fondamentales de la Statistique ainsi que leur dualit e avec celles des Probabilit es. On donnera ensuite des el ements sur la Th eorie de la d ecision statistique (y compris la perspective bay esienne), le mod` ele lin eaire gaussien, les m ethodes classiques destimation, . . . . On seorcera aussi de mettre en relief les probl` emes li es aus choix de mod` eles : relations param etrique, non-param etrique, s election de variables, tests, . . .

12

Mouvement brownien et calcul stochastique

Z. Shi

(M2-S3, 9 ECTS)

Ce cours a lieu dOctobre ` a Janvier, 4 heures par semaine

1) Mouvement brownien lin eaire et propri et es principales. 2) Martingales ` a temps continu. 3) Int egrale stochastique par rapport ` a une semi-martingale ` a temps continu. 4) Formule dIt o et applications. Th eor` eme de Girsanov. 5) Equations di erentielles stochastiques dIt o. Existence et unicit e. Solutions faibles et solutions fortes. Un polycopi e sera disponible pendant le d eroulement du cours.

R ef erences
K.L. Chung, R.J. Williams : Introduction to Stochastic Integration. Birkh auser (2e edition, 1990). C. Dellacherie, P.-A. Meyer : Probabilit es et Potentiel, Vol. II, Th eorie des Martingales. Hermann (1980). R. Durrett : Brownian Motion and Martingales in Analysis. Wadsworth (1984). N. Ikeda, S. Watanabe : Stochastic Dierential Equations and Diusion Processes. North Holland (2e edition, 1988). I. Karatzas, S. Shreve : Brownian Motion and Stochastic Calculus. Springer (2e edition corrig ee, 1994). D. Revuz, M. Yor : Continuous Martingales and Brownian Motion. Springer (3e edition, 1999). L.C.G. Rogers, D. Williams : Diusions, Markov Processes and Martingales, Vol. II, It o Calculus. Wiley (1987).

13

Processus de Markov
I. Kourkova

(M2-S3, 9 ECTS)

Ce cours a lieu dOctobre ` a Janvier, 4 heures par semaine Partie I : Cha nes de Markov sur un espace d etats d enombrable : classication, mesures invariantes, comportement limite, th eor` emes ergodiques. On consid` erera des cha nes de Markov apparaissant en biologie (mod` eles de Wright-Fisher, de Moran), en dynamique des population (cha ne de naissance et de mort, mod` ele de Galton-Watson) et en m ecanique statistique. Partie II : Processus de Markov de saut pur (Cha nes de Markov sur un espace d enombrable en temps continu.), leur matrice dintensit e, les equations de Kolomogrov, le ph enom` ene dexplosion, le comportement limite, la r eversibilit e. On consd` erera des applications en biologie et des mod` eles de les dattente et r eseaux stochastiques. Partie III Processus de Markov sur un espace mesurable g en eral, les notions de semigroupe, de g en rateur et de r esolvante. G en erateur du mouvement Brownien. Calcul de la mesure invariante et de lois de fonctionnelles dun processus de Markov ` a partir de son g en erateur. Solutions des equations di erentielles stochastiques en tant que processus de Markov. Leurs g en erateurs. Leurs fonctionnelles arr et ees. Liens avec les equations aux d eriv ees partielles elliptiques et paraboliques avec de di erentes conditions au bord. Le cours est accompagn e dun polycopi e. Chaque section du polycopi e est accompagn ee dexercices pour assimiler son contenu. La correction des exercices est donn ee ` a la n de chaque chapitre.

14

Th eormes limites et grandes d eviations

L. Zambotti

(M2-S3, 9 ECTS)

Ce cours a lieu dOctobre ` a Janvier, 4 heures par semaine

I. Th eor` emes limites Convergence des mesures : Tension, Th eor` eme de Prokhorov, repr esentation de Skorokhod. Th eor` eme de Donsker. Convergence fonctionnelle des processus continus, et applications. Topologie de Skorokhod et converge des processus trajectoires cdlg ; crit` ere dAldous.

II. Grandes d eviations Transformation de Laplace, Th eor` eme de Cramer, extensions et applications (tension exponentielle, th eor` eme de G artner-Ellis, th eor` emes de Sanov et de Donsker-Varadhan). Grandes d eviations pour le mouvement brownien (th eor` eme de Fernique et de Schilder). Transformations (principe de contraction, de transfert, lemme de Varadhan, ...) Quelques r ef erences: Billingsley : Convergence of probability measures. Wiley (1969). Dembo et Zeitouni : Deviations techniques and applications. Second edition. Applications of Mathematics (New York), 38. Springer-Verlag, New York, 1998. Deuschel et Stroock : Large Deviations. Academic Press Inc., 1989. Ethier et Kurtz : Markov processes. Characterization and convergence. Wiley (1986). Jacod et Shiryaev : Limit theorems for stochastic processes. Springer (1987). den Hollander : Large deviations. AMS (2000). Parthasarathy : Probability measures on metric spaces. Academic Press (1967).

15

Processus de L evy
J. Bertoin

(M2-S3, 3 ECTS)

Ce cours a lieu de F evrier ` a Mars

Le cours pr esente une introduction au calcul stochastique discontinu, en traitant comme exemple principal les processus de L evy, qui sont de plus en plus souvent utilis es comme mod` eles en nance.

Une bibliographie sera donn ee pendant le d eroulement du cours.

16

Marches alatoires branchantes, et l equation F-KPP

J. Berestycki

(M2-S3, 6 ECTS)

Ce cours a lieu de F evrier ` a Juin, 2 heures par semaine.

L etude des processus de branchement et de leurs variantes est un champ important de la th eories des probabilit e dont on peut faire remonter la g en ealogie aux travaux de Galton et Watson et reste encore aujourdhui un champs dinvestigation extr emement actif. Ces mod` eles trouvent de nombreuses applications importantes en biologie, en g en etique des populations, en physique statistique ou dans l etudes des processus de r eactiondiusion pour nen citer que quelque-unes. Dans ce cours nous nous int eresserons particuli` erement ` a des processus de branchement discrets ayant une dimensions spatiale (e.g. mouvement brownien branchant ou marches al eatoires branchantes). La premi` ere partie du cours sera destin ee ` a introduire et ` a d evelopper un outil moderne et extr emement puissant dans l etude de ces processus : la d ecomposition en epine dorsale. Nous commencerons par pr esenter ces techniques dans le cadre simpli e des arbres de Galton-Watson avant de lappliquer ` a l etude de di erents aspects des marches al eatoires branchantes. La seconde partie de ce cours sera consacr ee au lien profond qui relie l etude de ces processus ` a une classe d equations aux d eriv es partielles (la c el` ebre equation de Fischer Kolmogorov-Petrovski-Piskunov) qui d ecrivent les propagations de fronts dans des milieux instables. Nous montrerons en particulier comment l etude de la particule la plus ` a droite permet de prouver des r esultats dexistence et dunicit e pour la solution de cette EDP, et ` a linverse comment les techniques d eterministes nous informent sur le comportement stochastique du processus. Enn, nous pr esenterons des r esultats plus r ecents qui concernent les processus de branchements avec absorption. Ce questions sont au coeur de travaux r ecents de physiciens (Bernard Derrida, Eric Brunet et Damien Simon) et sont encore largement ouvertes. Pr erequis : cours du premier semestre (Calcul stochastique, Processus de Markov et Th eor` emes limites)

17

Combinatoire et Probabilit es
Ph. Biane

Ce cours a lieu de F evrier ` a Juin, 2 heures par semaine

R esum e

Le cours sattachera ` a pr esenter des mod` eles probabilistes dans lesquels la combinatoire joue un grand role: partitions et permutations al eatoires, processus stochastiques combinatoires, ou encore mod` eles de m ecanique statistique exactement r esolubles.

18

Dim` eres et pavages al eatoires

C edric Boutillier, B eatrice de Tili` ere

(M2-S3, 6 ECTS)

Ce cours a lieu de F evrier ` a Avril, 3 heures par semaine sur 8 semaines. Un domino est lunion de deux carr es unit e partageant une ar ete. Etant donn e un rectangle m n, est-il possible de le paver avec des dominos, cest-` a-dire de couvrir sa surface avec des dominos sans quil y ait de chevauchements ? Si oui, de combien de fa cons ` ? A quoi ressemble un pavage typique ? Quen est-il pour un autre domaine obtenu en d ecoupant une portion du r eseau Z2 le long dar etes ? 2 En rempla cant Z par le r eseau triangulaire et les dominos par des losanges obtenus en accolant deux triangles adjacents, on obtient un mod` ele de pavages par losanges. Les pavages par dominos et par losanges sont des exemples de mod` eles de dim` eres. Ces mod` eles etudi es par les physiciens (Fisher, Kasteleyn, Temperley. . . ) dans les ann ees 1960 ont connu un regain dint er et dans la communaut e math ematique ` a la n des ann ees 1990 qui a conduit ` a des d eveloppements impressionants de la th eorie (Cohn, Johansson, Kenyon, Okounkov, Propp, Sheeld, Wilson. . . ) Nous etudierons dabord certains aspects combinatoires relatifs au d enombrement des congurations de ces mod` eles, ainsi que les relations avec dautres mod` eles combinatoires (surfaces al eatoires, arbres couvrants, marches al eatoires ` a boucles eac ees,. . . ). Ensuite, nous discuterons de la forme typique dun pavage par dominos dun grand domaine (ph enom` ene du cercle arctique, forme limite d eterministe). Les uctuations autour du comportement limite macroscopique peuvent etre reli ees au spectre des grandes matrices al eatoires dune part, et au champ libre gaussien sans masse dautre part, impliquant des propri et es dinvariance conforme de ces mod` eles dans la limite d echelle. Puis, nous etudierons ces mod` eles sur des r eseaux bipartis p eriodiques planaires innis, en donnant une classication des mesures de Gibbs ergodiques, et en mettant en relief le lien entre quantit es probabilistes et objets alg ebriques li es ` a la structure de ces r eseaux. Pr erequis. Programme de probabilit es de M1. Des notions sur les processus gaussiens et les matrices al eatoires pourront etre appr eci ees pour certaines parties du cours, mais seront rappel ees le moment venu.

19

Processus ponctuels, graphes al eatoires et g eom etrie stochastique.

P. Br emaud, B. Blaszczyszyn et L. Massouli e
Ce cours a lieu de F evrier ` a Juin, 2 heures pas semaine. Le cours introduira dabord les bases de la th eorie des processus ponctuels et de celle des graphes al eatoires. Dans un deuxi` eme temps, il se concentrera sur les objets fondamentaux de la g eom etrie stochastique et sur les propri et es des processus ponctuels et des graphes al eatoires qui sont associ ees ` a ces objets. Les illustrations seront principalement issues de probl` emes de mod elisation probabiliste des r eseaux de communication. PROCESSUS PONCTUELS ET MESURE DE PALM Cette partie du cours introduit les outils mathematiques n eecessaires pour mod eeliser des r eseaux avec les noeuds ayant des localisations physiques (comme par exemple, les r eseaux de communication sans ls). On donnera dabord la d enition et les propriet es de base du processus de Poisson dans lespace g en eral, avec, comme le r esultat principal, la caract erisation de Slivnyak-Mecke par ses mesures de Palm. Ensuite, nous allons introduire et etudier la probabilit e de Palm dans un cadre stationnaire pour des processus ponctuels dans lespace euclidien de dimension nie. Plusieurs r esultats d emontr es (comme, par exemple, la formule inverse, la formule d echange de Neveu) permettent dapprendre ` a manipuler la notion du point typique du processus ponctuel. Cest ici, que la mosa que de Voronoi jouera un r ole tr` es important. Nous allons aussi bri` evement evoquer la th eorie ergodique dans ce cadre stationnaire. GRAPHES ALEATOIRES Cette partie du cours est motiv ee par lanalyse de la diusion dinformation dans des grands syst` emes tels que les r eseaux sociaux. Elle comprend une introduction aux mod` eles probabilistes epid emiques classiques (SI, SIS) et aux graphes al eatoires dErd os-R enyi ainsi qu` a leurs relations. Certains ph enom` enes de transition de phase dans la propagation d epid emies et dans la topologie de ces graphes al eatoires seront analys es ( emergence dun composant g eant et emergence de la connectivit e). Des mod` eles dits dattachement pr ef erentiel pour lapparition de topologies particuli` eres de r eseaux seront pr esent es. Limpact de la g eom etrie dun graphe social sur le comportement d epid emies qui sy diusent sera etudi e, mettant en avant le r ole du rayon spectral et de la constante isop erim` etrique du graphe sous-jacent. Enn on pourra aborder des probl ematiques algorithmiques doptimisation de la taille d epid emies, motiv ees par le marketing viral. Les outils math ematiques introduits dans cette partie du cours seront le couplage, lapproximation Poissonnienne, les in egalit es de grandes d eviations el ementaires, les fonctions sous-modulaires. GEOMETRIE STOCHASTIQUE On sint eressera dabord au modele Boole en, ses propri et es de couverture et de connexit e. On d emontrera notamment la transition de phase dans son modele de percolation. On introduira aussi dautres modeles classiques de g eom etrie stochastique associ es ` a des processus ponctuels de lespace euclidien.

20

Calcul de Malliavin
L. Decreusefond et A.S. Ustunel P eriode : F evrier - Mars, 6 ECTS
A la di erence du calcul stochastique dIt o qui utilise la structure temporelle des processus ` a travers la notion de martingale, le calcul de Malliavin exploite les propri et es des processus gaussiens, ` a linstar du mouvement brownien, pour d enir le cadre dune analyse en dimension innie. Lobjet principal en est le gradient de Stroock-Malliavin et la divergence associ ee qui g en eralise lint egrale dIt o` a des processus non adapt es. Ce cours est une introduction ` a ces concepts ainsi qu` a leurs applications: th eor` eme de Girsanov g en eralis e, crit` ere dabsolue continuit e pour les solutions dEDS, formule explicite dIt oClark, calcul anticipatif, d elit diniti e, calcul des grecques, transport optimal, etc. Programme Les el ements danalyse fonctionnelle n ecessaires (produits tensoriels despace de Hilbert, op erateurs Hilbert-Schmidt et op erateurs ` a trace, etc) seront introduits au fur et ` a mesure du cours. La validation de cet enseignement se fait par analyse dun article scientique.

Rappels sur les processus gaussiens Espace de Wiener abstrait, gradient. Divergence Processus dOrnstein-Uhlenbeck In egalit es de Meyer Espaces de Sobolev Distributions et formule dIt o-Clark Th eor` eme de Girsanov-Ramer Calcul des grecques

21

Cha nes de Markov : stabilit e, convergence, applications

R. Douc et E. Moulines

Ce cours a lieu en F evrier et Mars, 3 heures par semaine Lobjet de ce cours est l etude des cha nes de Markov ` a etats g en eraux et leurs applications. Cette etude sappuie sur la th eorie des cha nes a etats discrets en la compl etant. Nous nous baserons pour lessentiel sur les m ethodes de r eg en eration et de couplage, qui permettent dobtenir de fa con directe les r esultats de stabilit e et dergodicit e. Nous illustrerons lanalyse des cha nes par des exemples d econom etrie nanci` ere et de simulation (algorithmes de Monte Carlo par Cha nes de Markov). Cha nes de Markov ` a etats g en eraux. D enition, construction de bases. Mod` eles markoviens en econom etrie nanci` ere (ARCH, GARCH, mod` ele de volatilit e stochastique, mod` eles ` a seuils, mod` eles autor egressifs fonctionnels, mod` eles de comptage). M ethodes de Monte Carlo par cha nes de Markov (algorithme de Metropolis-Hastings, m ethode de Gibbs). ementaires de lergodicit Approches El e (condition de Doeblin uniforme, contraction au sens de Dobrushin sur les espaces de fonctions doscillations born ees et les espaces de fonctions lipshitziennes). Th eor` emes limites, in egalit e de d eviation. Applications statistiques (estimation non param etrique de la densit e invariante, estimation non param etrique de la loi de transition). M ethodes g en erales pour l etude de stabilit e des cha nes de Markov ` a etats g en eraux: notions dirr eductibilit e pour les etats g en eraux, atomes et ensembles petits, ap eriodicit e, r ecurrence / transience / positivit e pour les cha nes irr eductible, conditions de d erive pour r ecurrence / transience / positivit e, cha nes felleriennes, T-cha nes; applications ` a la stabilit e des mod` eles GARCH, autor egressifs fonctionnels. Quelques el ements pour les cha nes non irr eductibles (positivit e, unicit e de la mesure invariante sous la condition de feller aaymptotique) stabilit e de lalgorithme de Metropolis Hastings Ergodicit e pour les cha nes Harris positives, ergodicit e g eom etrique, vitesse de convergence dans le th eor` eme ergodique (par la m ethode de couplage), th eor` emes limites pour les cha nes ergodiques (loi des grands nombres, lois du logarithme it er e, th eor` eme de la limite centrale, vitesse dans les th eor` emes limites). Applications ` a linf erence de mod` eles d econom etrie nanci` ere; applications en simulation. ements de th El eorie ergodique. M elange des cha nes. Th eor` eme de Birkho. Th eor` eme de Chacon-Ornstein. Th eor` eme sous-additif et applications pour les cha nes.

22

Syst` emes en interaction : du microscopique au macroscopique

Giambattista Giacomin Ce cours a lieu de F evrier ` a Avril, 3 heures par semaine (M2-S3, 6 ECTS). Volume horaire: 3 heures de cours par semaine Syst` emes en interaction : du microscopique au macroscopique G. Giacomin Le cours est une introduction aux syst` emes compos es dun grand nombre N de particules (composantes, mol ecules, unit es, individus,...) interagissantes et ` a la description des comportements observ es dans la limite de N qui tend vers linni. Les syst` emes consid er es sont mod elis es par des equation di erentielles (stochastiques, dans la plupart des cas) en grande dimension ou par des processus de saut, notamment dans le cas de dynamiques sur un r eseau. Un tel syst` eme s ecrit de mani` ere pr ecise par un processus de Markov a valeur dans un gros espace. Une description d etaill ee de ces syst` emes devient de plus en plus complexe quand N devient tr` es grand et une description plus grossi` ere, focalis ee sur certaines quantit es bien choisies, se rend n ecessaire. Sous conditions convenables la dynamique de ces quantit es peut etre d ecrite par des dynamiques limites r egies par exemple par des equations di erentielles aux d eriv ees partielles (EDP). Ces equations ne sont ferm ees que dans la limite N tendant vers inni, gr ace aux mesures invariantes du syst` eme vu comme un processus de Markov. Dans ce contexte on peut donc motiver de fac,on rigoureuse lutilisations des EDP dans la mod elisation de certains ph enom` enes et aussi en comprendre les limitations, notamment les d eviations pour N ni et pour temps longs. Les deux classes de mod` eles qui seront consid er es en d etail sont : 1. Syst` emes avec interaction ` a longue port ee, de type champ moyen, et convergence vers des EDP de type Fokker-Planck. 2. Syst` emes de particules avec exclusion et interactions locales, et limites vers des EDP paraboliques et hyperboliques. Pr e-requis : des cours de base de probabilit es, processus stochastiques et equations die rentielles.

23

Introduction ` a la th eorie ergodique

R. Krikorian
(M2-S3, 6 ECTS) Ce cours au deuxime semestre, 2 heures par semaine I) Syst` emes dynamiques topologiques : r ecurrence, transitivit e, minimalit e, m elange topologique, application au th eor` eme de Van der Waerden ; syst` emes dynamiques mesurables : mesures invariantes, r ecurrence (th eor` eme de Poincar e) ; mesures ergodiques, Th eor` emes ergodiques (Von Neuman, Birkho, th eor` eme maximal ergodique). II) Th eorie Spectrale : th eorie spectrale des op erateurs unitaires, invariants spectraux des syst` emes dynamiques, th eor` eme de Halmos-Von Neuman (spectre pp), m elange, m elange faible, multiplicit e spectrale et thorme spectral. III) Exemples a) en dimension 1 : rotations, echange dintervalles (ergodicit e, nitude du nb de mesures ergodiques...), homomorphismes du cercle, applications dilatantes b) R ole de lhyperbolicit e c) Propri et es ergodiques des ots g eod esiques et horocycliques IV) Entropie m etrique, th eor` eme de Shannon-Mc Millan-Breiman, entropie des shifts de Bernoulli, Markov ; K-syst` emes ; Entropie topologique et principe variationnel Retour sur les exemples de III) V) Produits-crois es, th eoreme de Rokhlin, existence de syst emes minimaux mais non uniquement ergodiques, th eor` eme ergodique multiplicatif, exposants de Lyapunov, th eor` eme dOseledec ; exposants de Lyapunov des produits al eatoires de matrices (th eor` eme de Furstenberg). Equations cohomologiques: th eor` eme de Livsic, obstruction cohomologique et d ecroissance des corr elations. Cocycles de Schr odinger et nature du spectre de l equation de Schr odinger (cas al eatoire et quasi-p eriodique)

Ouvrages recommand es
Arnold, Avez : Ergodic problems of classical mechanics Halmos : Lectures on ergodic theory. Katok, Hasselblat : Modern theory of Dynamical systems. Parry : Topics in ergodic theory. Sinai : Topics in ergodic theory. Walters : Introduction to ergodic theory.

24

Mod` eles al eatoires en Ecologie

S. M el eard - C. Viet Tran - V. Bansaye

(M2-S3, 6 ECTS)

Ce cours a lieu de F evrier ` a Avril, 3 heures par semaine sur 8 semaines.

Nous etudions dans ce cours des mod` eles al eatoires motiv es par l etude de syst` emes vivants en interaction et centr es sur les dynamiques individuelles. Les individus naissent et meurent et sont caract eris es par di erents types qui inuent sur leur comportement, ou sur leurs capacit es reproductives ou de survie, et peuvent etre transmis dans la reproduction. Les interactions peuvent etre de di erentes natures: partage des ressources, proies-pr edateurs, h otes-parasites. Nous illustrerons tout dabord cette approche en mod elisant par un processus de naissance et mort la dynamique dune population non structur ee et montrerons comment suivant les echelles choisies, ce processus peut- etre approch e par une equation logistique d eterministe ou une equation de Feller logistique. Nous associerons ensuite un type ` a chaque individu: caract` eres g en etiques, age ou quantit e de parasites. La dynamique de la population sera alors d ecrite par un processus (de naissance et mort) ` a valeurs mesures ponctuelles dont les atomes repr esentent les etats des individus. Ce mod` ele est une premi` ere etape pour mod eliser une dynamique darwinienne, d ecrivant une population capable de g en erer et de s electionner sa propre diversit e. Nous etudierons diverses approximations macroscopiques de ce mod` ele, en grande population, conduisant soit ` a des equations aux d eriv ees partielles non lin eaires (int egro-di erentielle ou de r eaction-diusion), soit ` a un processus ` a valeurs mesures de type super-processus non lin eaire. Dans chaque cas, nous etudierons les propri et es du mod` ele limite en insistant sur les techniques propres ` a chaque type. Lintroduction dune structure d age permet de prendre en compte lhistoire pass ee des individus pour d ecrire des ph enom` enes de s enescence par exemple. Il y a un ph enom` ene de renouvellement lors des naissances, et nous pouvons etablir un nouveau th eor` eme limite mettant en evidence deux echelles de temps : celle de lindividu et celle de la population. Nous etudions egalement un mod` ele h ote-parasite qui peut etre repr esent e par une diusion de Feller branchante. A partir de l etude de l evolution des parasites le long dune lign ee g en ealogique, des th eor` emes limites concernant la fraction dh otes parasit es sont etablis. En particulier, les crit` eres s eparant les di erents sc enarii (cas sur ou souscritiques) sont donn es. Pr erequis : cours du premier semestre (Calcul stochastique, Processus de Markov et Th eor` emes limites)

25

Arr et optimal : th eorie, m ethodes num eriques et applications

G. Pag` es

Ce cours a lieu de Janvier ` a F evrier, 3 heures par semaine Arr et optimal : th eorie, m ethodes num eriques et applications Arr et optimal en temps continu (cas r egulier) : rappels sur les supremum essentiels, les surmartingales et martingales en temps continu (r egularisation, d ecomposition de Doob-Meyer ...). Enveloppe de Snell, caract erisation des temps darr et optimaux, plus petit et plus grand temps darr et optimal, formulation duale de lenveloppe Snell. Introduction la th eorie de lAOA sur les march es nanciers (complets). Valorisation doptions am ericaines en march e complet (march e brownien avec actifs multidimensionnels sous forme de processus dIt o) : lien avec larr et optimal en temps continu, portefeuille de r eplication, strat egie de couverture. Formulations duales (Rogers 2002 ; Haugh-Kogan 2002 ; Jamshidian 2005). Etude analytique du prix de loption am ericaine dans le cadre du mod` ele de BlackScholes : propri et e de continuit e, de monotonie, de convexit e, in equations variationnelles, fronti` re libre, formule semi-ferm ee vi la fronti` ere libre, smooth-t. Etude dexemples. M ethodes num eriques ( el ements) Description et analyse succincte de quelques m ethodes num eriques de valorisation et de couverture pour les options am ericaiens via des approximations bermud eennes. It eration sur les fonctions valeurs: r egression non param etrique (Carri` ere 1996), maillage al eatoire (Broadie-Glasserman 1997), quantication optimale (Bally-Pag` es 2001), calcul de Malliavin (Lions-R egnier 2001). It eration sur les temps darr et: approximation de la valeur de continuation par projection L2 (Longsta-Schwartz 2001). Calcul des couvertures: m ethode de ot (Piterbarg 2002), m ethodes de projection, de r egression.

26

Grandes matrices al eatoires

S. P ech e
Ce cours concerne ltude des propri et es spectrales de grandes matrices al eatoires en insistant notamment sur les statistiques dites locales du spectre (valeurs propres extr emes, espacement entre valeurs propres cons ecutives..).La question duniversalit e des propri et es spectrales sera au centre de ce cours. En particulier le comportement asymptotique des valeurs propres extr emes sera d evelop e (lois de Tracy-Widom). On verra di erents domaines dapplication de ces r esultats (percolation orient ee, Tasep, nance, ...) Format: 3h par semaine La bibliographie sera donn ee en cours.

27

Analyse Probabiliste dAlgorithmes Ph. Robert

(M2-S3, 6 ECTS)

Ce cours a lieu de F evrier ` a Juin, 2 heures par semaine

Programme

Lobjet de ce cours est de pr esenter des m ethodes probabilistes pour lanalyse dalgorithmes classiques utilis es en informatique et dans les r eseaux de communication. Laccent est mis sur 1. Rappels et compl ements. Stabilit e des Cha nes de Markov. Th eor` emes de Renouvellement. Notions de th eorie ergodique. 2. Algorithmes en Arbre. Acc` es concurrent ` a un canal de communication. Structures tries pour le stockage de donn ees. Etude asymptotique de lalgorithme sans arriv ees, avec arriv ees. Etude du cas stationnaire. 3. Algorithmes pour les m emoires cache dans les r eseaux a distribution de contenu. Equilibre de lalgorithme Move to the Front. Asymptotique de la probabilit e de d efaut de cache. Etude des lois de Zipf. 4. Diusion de linformation dans les R eseaux al eatoires. Repr esentations probabilistes des graphes al eatoires. Ph enom` enes epid emiques. Des notes seront distribu ees en cours.

28

Th eor` emes limites pour les semi-martingales, application ` a la statistique des donn ees haute fr equence en nance M. Rosenbaum La disponibilit e de donn ees haute fr equence ainsi quune compr ehension de plus en plus ne des ph enom` enes de microstructure ont ouvert de nouvelles perspectives en nance de march e. En particulier, le trading haute fr equence est n e de la volont e doptimiser les transactions en protant de ce nouveau contexte. Son essor r ecent a n ecessit e le d eveloppement de m ethodes originales de math ematiques nanci` eres et de statistique des processus. Un nombre grandissant d equipes de trading propri etaires, de salles de march es et de hedge funds y ont aujourdhui constamment recours. Le cours se d eroulera en deux parties. Dans la premi` ere, on mettra en place des techniques probabilistes associ ees aux processus de type semi-martingale. En eet, ces processus sont non seulement au coeur des math ematiques nanci` eres usuelles (car ils sont essentiellement les seuls compatibles avec la propri et e de non arbitrage) mais ils repr esentent aussi un outil de mod elisation puissant dans le cadre haute fr equence. Dans la seconde partie du cours, on sint eressera plus pr ecis ement ` a la mod elisation nanci` ere haute fr equence ainsi qu` a lestimation des quantit es statistiques pertinentes pour le trading. Plan : Partie I : I.1) Rappels sur la th eorie des processus I.2) Semi-martingales I.3) Convergences fonctionnelles et th eor` emes limites I.4) Application: Estimation de la volatilit e dune semi-martingale, probl ematique des sauts Partie II : II.1) Quest-ce quun bon mod` ele haute fr equence ? II.2) Mod` eles usuels de microstructure et estimateurs associ es: erreur additive et erreur darrondi II.3) Mod` ele avec zones dincertitude II.4) Corr elations asynchrones et eet lead-lag II.5) Couverture haute fr equence optimale de produit d eriv es Quelques el ements de bibliographie (dautres r ef erences seront donn ees pendant le cours): Almgren, R. F., Chriss, N. : Optimal execution of portfolio transactions, Journal of Risk (2000), 3, 5-39. Bouchaud, J.P., Potters, M. : Theory of Financial Risk and Derivate Pricing, Cambridge University Press. Hayashi T., Yoshida N. : On covariance estimation of non-synchronously observed diusion processes, Bernoulli (2005), 11,359-379. Jacod J. : Asymptotic properties of realized power variations and related functionals of semimartingales, Stochastic Processes and Their Applications (2008), 118, 517-559. Jacod J., Shriyaev A. : Limit Theorem for Stochastic Processes, Springer. 29

Robert, C., Rosenbaum, M. : A new approach for the dynamics of ultra high frequency data: the model with uncertainty zones, Journal of Financial Econometrics (2011), 9, 344-366. Zhang L., Mykland P., At-Sahalia, Y. : A tale of two time scales : Determining integrated volatility with noisy high frequency data, JASA (2005), 100, 1394-1411.

30

Analyse probabiliste de conditions au bord et m ethodes particulaires stochastiques pour les EDP
D.Talay et M. Bossy
Analyse probabiliste de conditions au bord pour equations aux d eriv ees partielles paraboliques et elliptiques (Denis Talay). Ce cours a pour but de d emontrer par techniques probabilistes des r esultats dexistence et unicit e pour des EDP paraboliques ou elliptiques avec conditions au bord de Dirichlet ou Neumann. Pour ce faire, on etudiera les solutions d equations di erentielles stochastiques arr et ees au bord dun domaine. On etablira la formule dIt oTanaka, des propri et es du temps local dun processus de diusion au bord dun domaine r egulier, et la di erentiabilit e des ots d equations di erentielles stochastiques r e echies. A titre dexemples, on appliquera les r esultats obtenus ` a lerreur de localisation dans des domaines born es dEDP elliptiques ou paraboliques et ` a lanalyse dapproximations num eriques de processus de diusions arr et es ou r e echis. R ef erences : Plusieurs sources sont partiellement utilis ees, notamment les articles J.L. Menaldi (Indiana Univ. Math. J. 32(5), 1983), M. Bossy, M. Ciss e et D. Talay (Ann. Inst. H. Poincar e Probab. Stat. 2011), et le livre de D. Revuz et M. Yor. Approximation particulaire de processus de diusion non lin eaires (Mireille Bossy). Ce cours est une introduction aux equations di erentielles stochastiques non lin eaires de type McKean que lon retrouve dans de nombreux modles stochastiques issus de la physique, de la mcanique des uides ou de la biologie. On d etaillera, sur quelques exemples, les syst` emes de particules pour lapproximation faible de ce type de processus ou, de manire quivalente, lapproximation de la solution de l equation aux d eriv ees partielles de type McKean-Vlasov qui lui est associ ee. Mots cl es : Approximation champ moyen; m ethode particulaire; probl` eme de martingale et equation de Fokker-Planck; simulation. R ef erences : M. Bossy: Some stochastic particle methods for nonlinear parabolic PDEs. ESAIM PROC 2005. e de Probabilit A.S. Sznitman. Topics in propagation of chaos. Ecole dEt es de Saint-Flour XIX 1989. (La section 1.)

31

Mod` eles Probabilistes en Neurosciences et en Electrophysiologie

Mich` ele THIEULLEN

Ce cours a lieu de F evrier ` a Juin, 2 heures par semaine

R esum e

L objet de ce cours est de pr esenter les mod` eles probabilistes les plus utilis es pour l etude des cellules excitables et des membranes cellulaires. Les neurones sont des cellules excitables ainsi que les cellules musculaires et cardiaques. Pendant de nombreuses ann ees leur mod elisation a repos e sur des mod` eles d eterministes, mais il est maintenant bien etabli que les mod` eles stochastiques sont indispensables pour d ecrire la totalit e des ph enom` enes observ es qui pr esentent une grande variabilit e. Plusieurs echelles d observations sont naturellement pr esentes dans ce contexte. Les echelles spatiales: les canaux ioniques, le neurone isol e, les populations de neurones ainsi que les dierrentes echelles temporelles. Dans ce cours nous d ecrirons les grands types de mod` eles d eterministes et stochastiques existants. Nous identierons les questions probabilistes soulev ees et les outils n ecessaires de la th eorie des probabilit es seront introduits. On abordera par exemple les questions suivantes: premier temps de passage, formule de Feynman-Kac, syst` emes lents-rapides, choix d un mod` ele discret ou d un mod` ele continu, approximation diusion, processus de Markov d eterministes par morceaux (PDMP), applications des grandes d eviations, comportement stationnaire. On traitera egalement un exemple d estimation de param` etres ` a partir de lobservation de la suite des temps d atteinte d un seuil. Le lien avec certaines equations aux d eriv ees partielles sera soulign e sur des exemples.

32

Mod elisation de la r esistance des bact eries aux antibiotiques

Guy THOMAS, Pierre-Yves BOELLE UMR S 707, Epid emiologie, syst` emes dinformation, mod elisation Universit e Pierre et Marie Curie (Paris 6) guy.thomas@upmc.fr pierre-yves.boelle@upmc.fr

Lobjet de ce cours est de pr esenter un mod` ele al eatoire permettant d etudier l emergence de bact eries r esistantes aux antibiotiques et leur diusion dans la population. Le ph enom` ene de r esistance aux antibiotiques constitue un probl` eme de Sant e Publique puisque, pour une bact erie comme le Pneumocoque (responsable dotites, de pneumonies et de m eningites), la pr evalence des souches r esistantes atteint 25% dans certains pays dEurope. Le mod` ele est fond e sur une formalisation de lhistoire naturelle de la colonisation des individus par le Pneumocoque, du m ecanisme de s election de souches r esistantes chez les individus expos es aux antibiotiques et de la diss emination de ces souches dans la population. Le mod` ele est un mod` ele ` a compartiments, chaque compartiment correspondant ` a un etat possible des individus de la population (porteur vs. non porteur du Pneumocoque, expos e vs. non expos e aux antibiotiques). Les individus colonis es par le Pneumocoque sont en outre caract eris es par le niveau de r esistance des souches quils portent. On sera amen e` a etudier un processus markovien de sauts dont lespace d etats est un espace de mesures. L etude du comportement asymptotique du mod` ele quand la taille de la population devient innie permettra d etablir une loi des grands nombres et un th eor` eme de limite centrale. On utilisera des outils de la th eorie des processus markoviens de sauts, des martingales et des semi-martingales, et de la convergence en loi dans les espaces de Skorokhod. Pour etablir le th eor` eme de limite centrale, on introduira une famille despaces de Sobolev ` a poids.

33