Probabilities and Statistic seminar

We study the problem of simultaneously testing that each of k independent samples come from a normal population. The means and variances of those populations may differ. The proposed procedures are based on the BHEP test and they allow k to increase, which can be even larger than the sample sizes.

Nous présenterons des résultats de limites d’échelles de fonctionnelles additives de processus non-markoviens, dont nous décrirons la limite en termes de temps locaux du processus. Une étape clé dans nos preuves consiste en une nouvelle descriptions de fonctionnelles additives à l’aide d’un Lemme de la Couturière Stochastique. Il s’agit de travaux en collaboration avec Khoa Lê (Université de Leeds).

Les processus de branchement apparaissent dans de nombreux modèles de dynamique des populations, notamment pour décrire des invasions. En particulier, ils interviennent dans la description des premières phases d’une épidémie pour déterminer si le nombre d’infectés va exploser ou non et si oui à quelle vitesse. Dans ces modèles, la description des contacts joue un rôle important.
Après une introduction sur ces problématiques, nous nous focaliserons sur un modèle incluant le traçage des contacts. Dans ce modèle, les individus infectent en population mélangée à taux fixe et l’information sur le contact infectieux est perdu à taux fixe, tandis que le test d’un individu infecté aboutit à l’isolement de la composante connexe associée aux contacts encore connus. Grâce à une propriété d’«éclatement» des arbres récursifs uniformes, nous pourrons réduire le modèle à un processus de croissance fragmentation isolation sur les tailles des composantes.
Nous exploiterions alors des techniques récentes d’analyse quantitative des semi groupes non conservatifs et des processus de branchement associé. Cela permettra d’obtenir des convergences fortes pour décrire la propagation de l’épidémie.
Enfin, nous évoquerons des extensions de ce modèle et la prise en compte d’une structuration spatiale des contacts via de grands graphes aléatoires spatialisés, impliquant des techniques d’homogénéisation stochastique.

Ces travaux sont respectivement des collaborations avec Chenlin Gu (Pékin) et Linglong Yuan (Liverpool), Michele Salvi (Rome) et Elisabeta Vergu (INRAe Jouy).

We develop a statistical test on the determinant of the diffusion coefficient in a 1 or 2-dimensional stochastic differential equations from discrete observations on a fixed time interval [0,T] sampled with a fixed time step.
We propose a test statistic based on increments of the process which guarantees the control of the level of the test in a non asymptotic setting. In dimension 1, the test density is known explicitly even when the drift is estimated. We construct the test and give conditions under which the Type I and Type II errors can be controlled. In dimension 2, the test statistic has not an explicit density but upper and lower bounds are provided. We then give conditions under which the Type I and Type II errors of the test procedure can be controlled. A numerical study illustrates the properties of the tests for stochastic processes with known or unknown drifts.

Dans ce travail, nous nous intéressons à des observations associées à une localisation spatiale (généralement une position géographique) et nous cherchons à identifier des agrégats spatiaux, i.e. des zones où les observations ont un comportement atypique. Pour cela, nous utilisons des méthodes de balayage spatial.
Après avoir expliqué comment ces méthodes fonctionnent lorsque les observations sont réelles, nous introduisons des statistiques conçues spécifiquement pour le cas multivarié, puis pour le cas fonctionnel.
Ces méthodes sont appliquées sur des jeux de données environnementaux (concentration de métaux polluants) et socio-économiques (taux de chômage).

We consider the problem of estimating the Lévy density of a pure jump Lévy process, possibly of infinite variation, from the high frequency observation of one trajectory. To directly construct an estimator of the Lévy density, we use a compound Poisson approximation and we build a linear wavelet estimator. Its performance is studied in terms of $L_p$ loss functions, $p\geq1$, over Besov balls. To show that the resulting rates are minimax-optimal for a large class of Lévy processes, we propose new non-asymptotic bounds of the cumulative distribution function of Lévy processes with Lévy density bounded from above by the density of an alpha-stable type Lévy process in a neighbourhood of the origin. It is a joint work with Céline Duval.

Nous nous intéressons au comportement en temps long des processus de Markov obtenus comme solutions optimales de problèmes d’optimisation stochastique, comme par exemple des problèmes de contrôle stochastique ou des problèmes de transport optimal stochastique. Dans ce contexte, le générateur du processus n’est pas connu en forme explicite et depend de la solution d’une EDP non linéaire, typiquement une équation d’Hamilton-Jacobi-Bellman. Le but de cet exposé est d’expliquer comment on peut définir une notion de mesure invariante, qu’on appelle turnpike dans ce cadre, et d’illustrer les idées de base d’une technique par couplage qui permet d’obtenir des résultats de convergence exponentielle vers le turnpike. Dans un deuxième temps, la question der comment éteindre ces notions et résultats au contrôle McKean-Vlasov sera aussi abordée.

General Bayesian Networks (GBNs) extend Bayesian networks to the modeling of continuous links in the data.
I will demonstrate the implementation of the GBNs in the context of risk monitoring for Legionella infection from the use of reclaimed wastewater to irrigate agricultural plots.
I will also discuss the use of these networks to evaluate hypothetical scenarios of how failures of the system propagate in the model.

Hawkes process was introduced by Hawkes in 1971 and are widely used in many applications (earthquakes, neurons, social network, finance, etc.). This jump process has an intensity which depends on the past. Linear “self-exciting” Hawkes process has been particularly studied and some asymptotic results are well-known.
During my PhD, with Manon Costa and Patrick Cattiaux, I considered non-linear Hawkes processes, which can model self-inhibition and self-excitation. We proved asymptotic properties (law of large numbers, CLT, large deviations), by considering a new point of view for this process: the renewal structure of some Hawkes process leads to a comparison with cumulative processes.
In this talk, I’ll introduce Hawkes processes and cumulative processes. By exhibiting their link, I’ll give an idea of the approach we use to prove asymptotic properties.

During this talk, we will review some recent advances in the multiplicative coalescent theory and its link to random graphs. The multiplicative coalescent dynamic naturally emerges when one regards the evolution of the connected components in a graph-valued Markov process. We will mainly focus on the breadth-first walk introduced by V. Limic (2019), a Lévy-type process encoding a random forest whose components (trees) are a representation of the multiplicative coalescent. We will then focus on the extension of this construction to account for the surplus edges data, in addition to the spanning edge data. We will present two different graph representations of the multiplicative coalescent, with different advantages and drawbacks, that are discussed in detail. In particular, we will show how to recover a realization of the random graph at a fixed time, and also as a process when the time parameter evolves. We will also discuss the use of these results to understand the scaling limits of near-critical random graphs in the domain of attraction of general eternal multiplicative coalescent.

Les MAMEs sur des graphes sont les MAs qui maximisent l’entropie trajectoriellement. Leurs constructions nécessitent une connaissance globale du graphe dont le rayon spectral et vecteur propre positif associé. A contrario, les MA simples peuvent être vues comme celles maximisant l’entropie localement.

Ces MAs ont été introduites il y a une dizaine d’années par des physiciens et des informaticiens. Elles ont par exemple de meilleures propriétés diffusives dans les réseaux réguliers et de fortes propriétés de localisations dans les milieux irréguliers. Elles ont déjà trouvé de nombreuses applications dans le traitement d’images ou la prédiction de liens dans un graphe notamment.

Je présenterai quelques exemples, notamment des MAMEs sur des graphes infinis et des processus d’exclusions maximaux entropiques, et je parlerai de certaines limites d’échelles de ces processus (Bessel 3, Mouvement Brownien de Dyson…).