Académique Documents
Professionnel Documents
Culture Documents
2021/2022
ANTUNES Daniel
1/18
Sommaire
Résumé de la problématique 3
Les simulations face aux résultats théoriques 4
A.Simulation du processus de Galton-Watson 4
1.Visualisation de l’évolution de l’épidémie 4
a) Cas sous-critique 4
b) Cas critique 4
c) Cas sur-critique 5
2.Approximation de la probabilité d’extinction 6
a) Visualisation de l'impact du paramètre de la loi de Poisson sur la proportion
d’extinction de la maladie 6
b) Simulation en fonction des cas 7
B. Ajout d’un nombre initial de malades aléatoire 9
C. Ajout de la limite de population 10
1. Approximation de la probabilité d’extinction et de contamination totale de la
population 10
a) Cas sous-critique (pour m = 0,5) 10
b) Cas critique (pour m =1) 11
c) Cas sur-critique (pour m = 2) 11
2. Approximation du nombre maximal de malades 12
D. Variation du taux de reproduction en fonction des générations 13
1. Approximation de la probabilité d’extinction et de contamination totale de la
population 13
2. Approximation du nombre maximal de malades 14
E. Prolongement : la variable temps 14
1. Approximation de la probabilité d’extinction et de contamination total de la
population 15
2. Approximation du nombre maximal de malades 16
Conclusion 17
Annexe 18
2/18
Résumé de la problématique
Nous étudions le développement d’une maladie dans une population en
s’intéressant principalement :
● Au modèle SIR
● Au processus de Galton-Watson
● A l’identification des facteurs de la propagation
Tout l'intérêt de ce sujet repose sur l’identification des facteurs qui permettent de
prévoir la capacité de propagation de l’épidémie.
3/18
Les simulations face aux résultats théoriques
A.Simulation du processus de Galton-Watson
1.Visualisation de l’évolution de l’épidémie
a) Cas sous-critique
Graphe a.
Grâce à ce graphe on peut ainsi voir que le virus n’a pu infecter que sur 2 génération
différentes avant de s’éteindre. Cela correspond aux résultats théoriques du cas
sous-critique qui prévoyait une extinction certaine de l’épidémie.
b) Cas critique
Graphe b.
4/18
Graphe c.
On observe que pour le cas critique, l’évolution de l’épidémie peut varier très
fortement entre les différentes simulations. Il est donc difficile d’estimer si l’épidémie
va se propager ou non dans ce cas.
c) Cas sur-critique
Graphe d.
5/18
Conclusion des tests : Les premiers tests sont concluants vis-à-vis des prévisions
théoriques sauf pour le cas critique qui reste très difficile à prévoir. Cependant cela
ne reste que des tests isolés. Pour obtenir une valeur représentative, nous allons
donc nous intéresser à la proportion de processus éteints sur un ensemble de
simulations.
6/18
On peut remarquer que pour une valeur de m inférieure à 1 l’épidémie semble
presque toujours s’éteindre tandis qu'au-dessus de m = k1, la probabilité d’extinction
devient beaucoup plus faible.
Cas critique:
Pour m = 1 :
Proportion d’extinction = 0.9973
7/18
avec plusieurs valeurs de m différentes à temps de calcul égal.
Cas sur-critique:
En effectuant le test avec ces paramètres on trouve une proportion d’extinction qui
vaut 2,1. On peut voir que cela est très proche de la valeur théorique calculée avec
de la fonction génératrice des moments de Y φ(x) .
Grâce à nos calculs et nos simulations on peut voir que les valeurs obtenues pour
les trois types de cas possible ( sous-critique, critique, sur critique) sont très proches
des valeurs théoriques à condition de faire une multitude de processus
Galton-Watson afin d’être le plus pertinent possible.
8/18
B. Ajout d’un nombre initial de malades aléatoire
9/18
C. Ajout de la limite de population
10/18
b) Cas critique (pour m =1)
11/18
On observe que la population totale n’influe que très peu sur la proportion
d’extinction de l’épidémie : elle reste autour de 0.2.
pour m = 0,5
Moyenne du nombre maximal de malades = 0,544
pour m = 1
Moyenne du nombre maximal de malades = 2.60
pour m = 2
Moyenne du nombre maximal de malades = 320,5
12/18
Pour le cas sur-critique, ce nombre atteint 35 pour m = 2 et semble augmenter de
manière exponentielle. Cette courbe semble se rapprocher de celle du nombre de
personnes infectées par génération de la première section de ce document.
La forte probabilité d’extinction peut s’expliquer par la fonction m(n). En effet, il s’agit
d’une fonction sinusoïdale, qui admet donc un maximum et un minimum. Ici nous
avons 2,5 en maximum et 0,5 en minimum. Ainsi, le taux de reproduction varie entre
les cas sous-critiques, critiques et sur-critiques. On a donc un proportion d’extinction
plus forte que pour le cas sur-critique mais plus faible que pour le cas sous-critique
ou critique.
Fonction m(n) = − sin(n/8)+1.5
13/18
2. Approximation du nombre maximal de malades
14/18
Même si on se place sur une échelle de temps, on peut regrouper les infectés en
générations.
Les deux variables que nous étudions en particulier sont les temps avant d’être
contagieux et le temps avant d’être guéris.
On observe que lorsque le temps avant qu’une personne infectée soit contagieuse
augmente, la proportion d’extinction augmente elle aussi. Cela parait cohérent : pour
un même temps de guérison, une maladie qui prend plus de temps à devenir
15/18
contagieuse aura un plus faible potentiel de contamination. Ainsi, elle aura plus
facilement tendance à s’éteindre. En opposition à cela, on observe que lorsque le
temps avant qu’une personne guérisse augmente, la proportion d’extinction diminue.
En effet plus une maladie a un temps de guérison élevé, plus elle a de temps pour
contaminer. Ainsi, elle aura moins tendance à s’éteindre.
16/18
On observe que lorsque le temps avant qu’une personne infectée soit contagieuse
augmente, le maximum de malades observés sur une simulation augmente, mais
reste inférieure à 1.
Conclusion
De cette étude, nous pouvons en déduire l’impact qu’ont les paramètres pris en
compte sur l’évolution de l’épidémie, c'est-à-dire comment ils agissent sur la
proportion d’extinction.
17/18
Annexe
Article wikipedia sur la loi de Poisson :
https://fr.wikipedia.org/wiki/Loi_de_Poisson
Article wikipedia sur la loi exponentielle :
https://fr.wikipedia.org/wiki/Loi_exponentielle
Article sur la loi de Poisson
http://www.jybaudot.fr/Probas/loipoisson.html
Vidéo sur la loi exponentielle
https://www.youtube.com/watch?v=tL8-UTORSLM&ab_channel=YvanMonka
Vidéo sur le processus de Galton-Watson
https://www.youtube.com/watch?v=d6pBuYAUpaQ&ab_channel=Jean-PhilippeMorissette
Vidéo sur la loi de poisson
https://www.youtube.com/watch?v=Ve3lZqtMCIE&ab_channel=CMAcademiebyAnty
Blog sur l’utilisation de Python et des lois de probabilités
http://www.monlyceenumerique.fr/formations_python/python_2/dl/lois_probabilites_si
mulation.html
Blog sur les suites arithmétique et géométriques en python
https://www.mathweb.fr/euclide/suites-arithmetiques-et-geometriques-avec-python/
18/18