Recueil de Modèles Aléatoires

Mathématiques et Applications 78
Djalil Chafaï
Florent Malrieu
Recueil de Modèles
Aléatoires
Mathématiques
et
Applications
Directeurs de la collection:
J. Garnier et V. Perrier
78
More information about this series at http://www.springer.com/series/2966

MATHÉMATIQUES & APPLICATIONS
Comité de Lecture 2012–2015/Editorial Board 2012–2015
Rémi ABGRALL Claude LE BRIS

Inst. Math., University of Zurich, CH CERMICS, ENPC, Marne la Vallée, FR
remi.abgrall@math.uzh.ch lebris@cermics.enpc.fr
Grégoire ALLAIRE Sylvie MÉLÉARD
CMAP, École Polytechnique, Palaiseau, FR CMAP, École Polytechnique, Palaiseau, FR
gregoire.allaire@polytechnique.fr sylvie.meleard@polytechnique.edu
Michel BENAÏM Felix OTTO
Inst. Math., Univ. de Neuchâtel, CH MPI MIS Leipzig, GE
michel.benaim@unine.ch felix.otto@mis.mpg.de
Maïtine BERGOUNIOUX Valérie PERRIER
MAPMO, Université d’Orléans, FR Lab. Jean-Kunztmann, ENSIMAG, Grenoble, FR
maitine.bergounioux@univ-orleans.fr valerie.perrier@imag.fr
Thierry COLIN Philippe ROBERT
Inst. Math., Université Bordeaux 1, FR INRIA Rocquencourt, Le Chesnay, FR
colin@math.u-bordeaux1.fr philippe.robert@inria.fr
Marie-Christine COSTA Pierre ROUCHON
UMA, ENSTA, Paris, FR Automatique et Systèmes, École Mines, Paris, FR
marie-christine.costa@ensta.fr pierre.rouchon@ensmp.fr
Arnaud DEBUSSCHE Bruno SALVY
ENS Cachan, Bruz, FR INRIA, LIP - ENS Lyon, FR
arnaud.debussche@bretagne.ens-cachan.fr bruno.salvy@inria.fr
Isabelle GALLAGHER Annick SARTENAER
Inst. Math. Jussieu, Univ. Paris 7, FR Dépt. Mathématiques, Univ. Namur, Namur, BE
gallagher@math.jussieu.fr annick.sartenaer@fundp.ac.be
Josselin GARNIER Eric SONNENDRÜCKER
Lab. Proba. et Mod. Aléatoires, Univ. Paris 7, FR MPI für Plasmaphysik, Garching, GE
garnier@math.univ-paris-diderot.fr eric.sonnendruecker@ipp.mpg.de
Stéphane GAUBERT Alain TROUVÉ
INRIA, École Polytechnique, Palaiseau, FR CMLA, ENS Cachan, FR
stephane.gaubert@inria.fr trouve@cmla.ens-cachan.fr
Emmanuel GOBET Cédric VILLANI
CMAP, École Polytechnique, Palaiseau, FR IHP, Paris, FR
emmanuel.gobet@polytechnique.edu villani@math.univ-lyon1.fr
Raphaèle HERBIN Enrique ZUAZUA
CMI LATP, Université d’Aix-Marseille, FR UAM, Madrid, ES
raphaele.herbin@latp.univ-mrs.fr enrique.zuazua@uam.es
Marc HOFFMANN
CEREMADE, Université Paris-Dauphine, FR
hoffmann@ceremade.dauphine.fr
Directeurs de la collection:
J. GARNIER et V. PERRIER
Djalil Chafaï Florent Malrieu
•
Recueil de Modèles
Aléatoires
123
Djalil Chafaï Florent Malrieu
CEREMADE Faculté des Sciences et Techniques
Université Paris-Dauphine Université François Rabelais
Paris Tours
France France
ISSN 1154-483X ISSN 2198-3275 (electronic)

Mathématiques et Applications
ISBN 978-3-662-49767-8 ISBN 978-3-662-49768-5 (eBook)
DOI 10.1007/978-3-662-49768-5
Library of Congress Control Number: 2016939593
Mathematics Subject Classification (2010): 60-01, 60C05, 60F05, 60F15, 60F20, 60J05, 60J20, 60J27,
60J60, 60J80, 60J75, 60K25, 60K30, 60K35, 60K37, 60G09, 60G15, 60G35, 60G40, 60G42, 60G44,
60G46, 60G55, 60G70
© Springer-Verlag Berlin Heidelberg 2016

Tous droits de traduction, de reproduction et d’adaptation réservés pour tous pays.
La loi du 11 mars 1957 interdit les copies ou les reproductions destinées à une utilisation collective.
Toute représentation, reproduction intégrale ou partielle faite par quelque procédé que ce soit, sans le
consentement de l’auteur ou de ses ayants cause, est illicite et constitue une contrefaçon sanctionnée
parles articles 425 et suivants du Code pénal.
Imprimé sur papier non acide
This Springer imprint is published by Springer Nature

The registered company is Springer-Verlag GmbH Berlin Heidelberg
Avant-propos
«. . . I prefer concrete things and I don’t like to learn more about abstract stuff
than I absolutely have to. . . . ». Marc Kac (1914 – 1984), in Enigmas of Chance :
An Autobiography (1985, chapitre 5 page 112).
Ce recueil est une collection accumulée au fil du temps que nous souhai-

tons partager avec plaisir et enthousiasme. Il a été conçu pour être consulté
ponctuellement, au hasard, en feuilletant les pages, en consultant la table des
matières ou l’index. Ce type de document nous semble utile dans un univers
scientifique hyperspécialisé laissant peu de place à l’ouverture et à l’éclectisme.
Le premier public visé est celui des enseignants-chercheurs en probabili-
tés, débutants ou confirmés. Ce recueil a pour but de les aider à enrichir leur
culture probabiliste en excitant leur curiosité. Nous espérons qu’il les inspi-
rera pour la conception de leur enseignement de master ou l’encadrement de
stages d’ouverture à la recherche. De nombreux chapitres peuvent également
bénéficier directement à des étudiants de master ou préparant l’agrégation.
Le parti pris de cet ouvrage est de polariser la rédaction par les modèles
plutôt que par les outils, et de consacrer chaque chapitre à un modèle. Bien que
parfois reliés, les chapitres sont essentiellement autonomes. Ils ne contiennent
VI
pas ou peu de rappels de cours. Nous fournissons toutefois en fin d’ouvrage,

juste avant la bibliographie, une liste de références conseillées concernant les
théorèmes limites, les martingales à temps discret, les chaînes de Markov
à espace d’états au plus dénombrable, et les bases du calcul stochastique.
En tête de chaque chapitre sont proposées des listes de mots-clés et d’outils
utilisés, ainsi qu’une indication du degré de difficulté (de une à trois étoiles).
L’introduction et surtout la section «Pour aller plus loin» de chaque chapitre
ont pour but de mettre en perspective le thème abordé et de proposer des
références bibliographiques.
Ce recueil ne prétend pas constituer une référence sur des modèles proba-
bilistes en biologie, informatique, ingénierie, ou physique, et prétend encore
moins fournir des solutions pour les praticiens de ces domaines d’applica-
tion. Les modèles considérés dans ce recueil ne sont souvent qu’inspirés des
applications, et le traitement ne concerne en général que des versions consi-
dérablement simplifiées. Cela est déjà beaucoup !
Ce recueil puise sa source dans les cours de Master de mathématiques
appliquées et de préparation à l’épreuve de modélisation de l’agrégation de
mathématiques, que nous avons dispensés aux étudiants des universités de
Toulouse, Rennes, Marne-la-Vallée, Paris-Dauphine, et Tours. La qualité du
texte, aussi bien sur le fond que sur la forme, doit beaucoup à nos tous pre-
miers lecteurs, petits et grands. Grand merci, donc, à nos anciens étudiants !
Grand merci également à Arnaud Guyader et à Bernard Bercu pour leur relec-
ture substantielle. Grand merci aussi à Jürgen Angst, Amine Asselah, Jean-
Baptiste Bardet, Charles Bordenave, Raphaël Butez, Marie-Line Chabanol,
Bertrand Cloez, Yan Doumerc, Olivier Durieu, Lucas Gerin, Hélène Guérin,
Bénédicte Haas, Igor Kortchemski, Jamal Najim, Julien Poisat, Justin Salez,
Pierre Tarrès, Marie-Noémie Thai, Frédérique Watbled, et Pierre-André Zitt
pour leur aide. Ce recueil a également bénéficié des relectures attentives et
constructives de plusieurs rapporteurs anonymes. Nous sommes enfin recon-
naissants à Sylvie Méléard de nous avoir incités à transformer un polycopié en
un livre, puis d’avoir mené un solide travail éditorial. Malgré tout, et comme
toute œuvre humaine, ce recueil reste limité et imparfait. Un erratum sera dis-
ponible sur Internet, ainsi que les programmes ayant fourni les illustrations.
Bonne lecture !
Djalil Chafaï et Florent Malrieu

Vincennes et Saint-Avertin, automne 2015
VII
(Ω, F, P)
Toutes les variables aléatoires de ce recueil sont définies sur cet espace.
Table des matières
1 Pile, face, coupons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

1.1 Jeu de pile ou face . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Approximation binomiale-gaussienne . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Distance en variation totale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Approximation binomiale-Poisson . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5 Problème du collectionneur de coupons . . . . . . . . . . . . . . . . . . . . . 9
1.6 Pour aller plus loin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2 Marches aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1 Marche aléatoire simple sur la droite . . . . . . . . . . . . . . . . . . . . . . . 19
2.2 Marche aléatoire simple symétrique dans l’espace . . . . . . . . . . . . 26
2.3 Problème de Dirichlet et champ libre gaussien . . . . . . . . . . . . . . . 30
2.4 Marche aléatoire sur le groupe symétrique . . . . . . . . . . . . . . . . . . 34
3 Branchement et processus de Galton-Watson . . . . . . . . . . . . . . 39

3.1 Extinction et phénomène de seuil . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.2 Étude des trois cas possibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3 Taille de l’arbre en régimes critique et sous-critique . . . . . . . . . . 49
3.4 Immigration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4 Permutations, partitions, et graphes . . . . . . . . . . . . . . . . . . . . . . . 57

4.1 Algorithme basique pour les lois discrètes . . . . . . . . . . . . . . . . . . . 57
4.2 Permutations aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.3 Partitions aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.4 Graphes aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.5 Arbres aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
X Table des matières
5 Mesures de Gibbs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.1 Mesures de Gibbs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.2 Algorithme de Metropolis-Hastings . . . . . . . . . . . . . . . . . . . . . . . . 72
5.3 Algorithme du recuit simulé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5.4 Algorithme de Propp-Wilson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.5 Modélisation d’un composé chimique . . . . . . . . . . . . . . . . . . . . . . . 78
6 Agrégation limitée par diffusion interne . . . . . . . . . . . . . . . . . . . . 83

6.1 Modèle d’agrégation par diffusion . . . . . . . . . . . . . . . . . . . . . . . . . . 83
6.2 Modèle unidimensionnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
6.3 Convergence presque sûre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
6.4 Convergence en loi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
6.5 Une inégalité de concentration . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.6 Dimensions supérieures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
7 Chaînes de Markov cachées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93

7.1 Algorithme progressif-rétrograde . . . . . . . . . . . . . . . . . . . . . . . . . . 93
7.2 Filtre de Kalman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
8 Algorithme EM et mélanges . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105

8.1 Modèle pour les nids de mouettes . . . . . . . . . . . . . . . . . . . . . . . . . . 105
8.2 Situation favorable mais irréaliste . . . . . . . . . . . . . . . . . . . . . . . . . . 107
8.3 Résolution du vrai problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
9 Urnes d’Ehrenfest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113

9.1 Modèle microscopique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
9.2 Urne d’Ehrenfest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
9.3 Pression au fil du temps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
9.4 Fluctuations autour de la moyenne à l’équilibre . . . . . . . . . . . . . 124
9.5 Quand reverra-t-on le vide ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
10 Records, extrêmes, et recrutements . . . . . . . . . . . . . . . . . . . . . . . . 129

10.1 Élitisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
10.2 Au-dessus de la moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
10.3 Cas de la loi exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
10.4 Cas de la loi de Pareto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
Table des matières XI
11 File d’attente M/M/Infini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139

11.1 Lois exponentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
11.2 Temps de demi-vie des clients initiaux . . . . . . . . . . . . . . . . . . . . . . 144
11.3 Loi du nombre de clients . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
11.4 Comportement en temps long . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
12 Modèle de Wright-Fisher . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155

12.1 Loi de Hardy-Weinberg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
12.2 Modèle de Moran . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
12.3 Modèle de Wright-Fisher et fixation . . . . . . . . . . . . . . . . . . . . . . . . 159
12.4 Modèle de Wright-Fisher avec mutations . . . . . . . . . . . . . . . . . . . 164
12.5 Modèle de Wright-Fisher avec sélection . . . . . . . . . . . . . . . . . . . . . 166
12.6 Modèle de Cannings . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
13 Généalogies et coalescence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171

13.1 Modèle généalogique à temps continu . . . . . . . . . . . . . . . . . . . . . . 174
13.2 Longueur de l’arbre généalogique . . . . . . . . . . . . . . . . . . . . . . . . . . 176
13.3 Mutations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
13.4 Coalescent de Kingman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
14 Restaurants chinois . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185

14.1 Lois d’Ewens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
14.2 Nombre de tables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
14.3 Tables extrêmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
14.4 Compléments de combinatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
15 Renforcement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
15.1 Urne de Pólya . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
15.2 Graphe de Barabási-Albert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
15.3 Marche aléatoire renforcée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
15.4 Théorème de Rubin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
16 Percolation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
16.1 Percolation dans un graphe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
16.2 Graphe de Bethe (arbre régulier) . . . . . . . . . . . . . . . . . . . . . . . . . . 218
16.3 Graphe euclidien (grille) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
16.4 Graphe complet et modèle de Erdős-Rényi . . . . . . . . . . . . . . . . . . 224
XII Table des matières
17 Croissance et fragmentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229

17.1 Processus TCP window-size en informatique . . . . . . . . . . . . . . . . 229
17.2 Intensité des sauts variable selon la position . . . . . . . . . . . . . . . . 236
17.3 Branchement et croissance-fragmentation . . . . . . . . . . . . . . . . . . . 237
18 Ruine d’une compagnie d’assurance . . . . . . . . . . . . . . . . . . . . . . . . 243

18.1 Processus de Poisson composé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
18.2 La ruine est-elle presque sûre ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
18.3 Expression de la probabilité de ruine . . . . . . . . . . . . . . . . . . . . . . . 247
18.4 Sinistres exponentiels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
19 Polymères dirigés en environnement aléatoire . . . . . . . . . . . . . . 251

19.1 Modèle et résultats principaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
19.2 Fonction de partition normalisée . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
19.3 Borne inférieure en grandes dimensions . . . . . . . . . . . . . . . . . . . . . 257
19.4 Énergie libre moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
19.5 Borne supérieure sur le paramètre critique . . . . . . . . . . . . . . . . . . 261
20 Problème du voyageur de commerce . . . . . . . . . . . . . . . . . . . . . . . 265

20.1 Concentration pour le cas uniforme . . . . . . . . . . . . . . . . . . . . . . . . 267
20.2 Évaluation de la moyenne du cas uniforme . . . . . . . . . . . . . . . . . . 271
20.3 Démonstration du cas uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
21 Matrices aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277

21.1 Théorème de Wigner . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
21.2 Réduction à un cas plus simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
21.3 Convergence des moments et convergence étroite . . . . . . . . . . . . 285
21.4 Preuve du théorème de Wigner simplifié . . . . . . . . . . . . . . . . . . . . 288
22 Naissances et assassinats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295

22.1 Condition suffisante de stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
22.2 Condition suffisante d’instabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
23 Modèle du télégraphe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303

23.1 Aspects markoviens du processus complet . . . . . . . . . . . . . . . . . . 304
23.2 Lien entre équation et processus . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
23.3 Modification ergodique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
Table des matières XIII
24 Problème de Dirichlet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313

24.1 Interprétation probabiliste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
24.2 Cas de la boule unité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
24.3 Approches numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
24.4 Demi-plan supérieur : du discret au continu . . . . . . . . . . . . . . . . . 319
24.5 Récurrence, transience, et fonctions harmoniques . . . . . . . . . . . . 321
25 Processus d’Ornstein-Uhlenbeck . . . . . . . . . . . . . . . . . . . . . . . . . . . 325

25.1 Premières propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
25.2 Décomposition spectrale et inégalité de Poincaré . . . . . . . . . . . . 331
25.3 Entropie, couplage, et temps long . . . . . . . . . . . . . . . . . . . . . . . . . . 335
25.4 Inégalité de Sobolev logarithmique . . . . . . . . . . . . . . . . . . . . . . . . . 338
26 Modèles de diffusion cinétique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343

26.1 Modèle de Langevin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343
26.2 Processus de Langevin confiné . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345
26.3 Comportement en temps long du processus confiné . . . . . . . . . . 348
27 Des chaînes de Markov aux processus de diffusion . . . . . . . . . 357

27.1 Paresse et échantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 357
27.2 Convergence d’une chaîne vers une diffusion . . . . . . . . . . . . . . . . 359
27.3 Diffusion sur un intervalle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 362
27.4 Application aux processus de Wright-Fisher . . . . . . . . . . . . . . . . . 364
27.5 Fonction de répartition empirique . . . . . . . . . . . . . . . . . . . . . . . . . 368
27.6 Schéma d’Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
Suggestions bibliographiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 373
Littérature . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 375
Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 391
Principales notations et abréviations . . . . . . . . . . . . . . . . . . . . . . . . . . . 397

1
Pile, face, coupons
Mots-clés. Combinatoire ; loi discrète ; distance en variation totale ; loi

des petits nombres ; convergence abrupte ; loi de Gumbel.
Outils. Loi des grands nombres ; théorème limite central ; inégalité de
Markov.
Difficulté. *
Ce chapitre est consacré au jeu de pile ou face et au problème du collec-

tionneur de coupons, deux objets probabilistes importants qu’il est bon de
connaître et savoir reconnaître. Ce chapitre contient également une étude de
la distance en variation totale pour les mesures de probabilité discrètes.
1.1 Jeu de pile ou face

Le jeu de pile ou face consiste en des lancers successifs d’une pièce de
monnaie qui donnent à chaque fois soit pile (succès, codé 1) soit face (échec,
codé 0). On modélise cela par une suite (Xn )n1 de variables aléatoires indé-
pendantes et identiquement distribuées de loi de Bernoulli Ber(p) :
P(Xn = 1) = 1 − P(Xn = 0) = p ∈ [0, 1].
Le nombre de succès dans les n premiers lancers
Sn = X 1 + · · · + X n
est une variable aléatoire à valeurs dans {0, 1, . . . , n} qui suit la loi binomiale
Bin(n, p) de taille n et de paramètre p, donnée pour tout k = 0, 1, . . . , n par

n k n!
P(Sn = k) = p (1 − p)n−k = pk (1 − p)n−k .
k k!(n − k)!
© Springer-Verlag Berlin Heidelberg 2016 1

D. Chafaï and F. Malrieu, Recueil de Modèles Aléatoires,
Mathématiques et Applications 78, DOI 10.1007/978-3-662-49768-5_1
2 1 Pile, face, coupons
La moyenne et la variance de Sn sont donnés par
E(Sn ) = np et Var(Sn ) = np(1 − p).
Le temps T du premier succès, qui est aussi le nombre de lancers pour obtenir
un premier succès, est donné par
T := inf{n 1 : Xn = 1}
Si p > 0, T suit la loi géométrique Geo(p) sur N∗ de paramètre p donnée par
P(T = k) = (1 − p)k−1 p, k ∈ N∗ .
On a T ≡ ∞ si p = 0 et P(T < ∞) = 1 sinon. De plus

1 1−p
E(T ) = et Var(T ) = .
p p2
Le nombre d’échecs avant le premier succès
T := inf{n 0 : Xn+1 = 1} = T − 1
suit la loi géométrique GeoN (p) sur N et de paramètre p donnée par
P(T = k) = P(T − 1 = k) = (1 − p)k p, k ∈ N,
et on a
1−p 1−p
E(T ) = E(T ) − 1 = et Var(T ) = Var(T ) = .
p p2
Pour tout r ∈ N∗ , le nombre de lancers Tr nécessaires pour obtenir r succès
est défini par récurrence par
T1 := T et Tr+1 := inf{n > Tr : Xn = 1}.
Les variables aléatoires T1 , T2 − T1 , T3 − T2 , . . . sont indépendantes et identi-

quement distribuées de loi géométrique Geo(p). La variable aléatoire Tr suit
la loi de Pascal ou loi binomiale-négative Geo(p)∗r . On a pour tout k r,

k−1
P(Tr = k) = (1 − p)k1 −1 p · · · (1 − p)kr −1 p = (1 − p)k−r pr
r−1
k1 1,...,kr 1
k1 +···+kr =k
et
r 1−p
E(Tr ) = rE(T ) = et Var(Tr ) = rVar(T ) = r .
p p2
Le processus de Bernoulli (Sn )n0 a des trajectoires constantes par mor-
ceaux, avec des sauts d’amplitude +1, et les temps de saut sont donnés par
(Tr )r1 (temps inter-sauts i.i.d. géométriques). Il constitue le processus de
1.1 Jeu de pile ou face 3
comptage de tops espacés par des durées indépendantes de même loi géomé-
trique, analogue discret du processus de Poisson. Comme Sn est une somme
de variables indépendantes, (Sn )n0 est une chaîne de Markov sur N de noyau
P(x, y) = p1y=x+1 + (1 − p)1y=x , et (Sn − np)n0 est une martingale.
Par la loi des grands nombres (LGN) et le théorème limite central (TLC)
√
Sn p.s. n Sn loi
−→ p et − p −→ N (0, 1).
n n→∞ p(1 − p) n n→∞
Cela permet notamment de construire un intervalle de confiance asymptotique

pour p appelé intervalle de Wald, qui est cependant peu précis.
Remarque 1.1 (Intervalle de Clopper-Pearson). Il est également possible de
confectionner des intervalles de confiance pour p non asymptotiques, comme
celui de Clopper-Pearson par exemple, basé sur la correspondance Beta-
binomiale. Soit U1 , . . . , Un des v.a.r. i.i.d. de loi uniforme sur [0, 1]. No-
tons U(1,n) · · · U(n,n) leur réordonnement croissant. Alors pour tout
k = 1, . . . , n la v.a.r. U(k,n) suit la loi Beta(k, n − k + 1) sur [0, 1] de densité

tk−1 (1 − t)n−k 1
t ∈ [0, 1] → , où Beta(a, b) := sa−1 (1 − s)b−1 ds,
Beta(k, n − k + 1) 0
et
P(Sn k) = P(1{U1 p} + · · · + 1{Un p} k) = P(U(k,n) p).
On déduit de cette identité une expression exacte de la probabilité que Sn
appartienne à un intervalle donné. Notons que comme Sn est discrète, ses
quantiles sont aussi discrets, ce qui empêche de fabriquer un intervalle exact
de niveau α ∈ [0, 1] arbitraire, et suggère de procéder à un lissage.
Remarque 1.2 (Motifs répétés et lois du zéro-un). Lorsque 0 < p < 1, le
lemme de Borel-Cantelli (cas indépendant) entraîne que toute suite finie de 0
et de 1 apparaît presque sûrement une infinité de fois dans la suite X1 , X2 , . . .
L’indépendance est capitale. Un singe éternel tapant sur un clavier finira tou-
jours par écrire les œuvres complètes de William Shakespeare ! Alternative-
ment, on peut déduire ce résultat de la nature géométrique du temps d’appari-
tion du premier succès dans un jeu de pile ou face obtenu en découpant le jeu
de pile ou face en blocs successifs de même longueur que la chaîne recherchée.
Remarque 1.3 (Jeu de pile ou face et loi uniforme sur [0, 1]). Si U est une
∞
variable aléatoire sur [0, 1] et si U = n=1 bn 2−n est son écriture en base 2,
alors U suit la loi uniforme sur [0, 1] si et seulement si les bits (bn )n1 de son
écriture en base 2 sont des v.a.r. i.i.d. de Bernoulli de paramètre 1/2.
Remarque 1.4 (Algorithme de débiaisage de von Neumann). Soit (Xn )n1
une suite de variables aléatoires de Bernoulli indépendantes et de paramètre
0 < p < 1 inconnu. On fabrique la suite (Yn )n1 de variables aléatoires indé-
pendantes et de même loi sur {0, 1, 2} comme suit
X1 X2 X3 X4 · · ·

Y1 Y2
en posant Yn = 0 si (X2n−1 , X2n ) = (0, 1), Yn = 1 si (X2n−1 , X2n ) = (1, 0), et

Yn = 2 sinon. La suite (Zn )n1 obtenue à partir de (Yn )n1 en effaçant les 2
est constituée de variables aléatoires de Bernoulli indépendantes de paramètre
1/2. La production de chaque terme de la suite (Zn )n1 nécessite un nombre
aléatoire géométrique de termes de la suite (Xn )n1 .
1.2 Approximation binomiale-gaussienne

Soit (Xn )n1 des v.a.r. i.i.d. de moyenne m et variance 0 < σ 2 < ∞, et
Sn = X1 + · · · + Xn . Le théorème limite central indique que pour tout t ∈ R,
t
Sn − nm 1 x2
lim P √ t = √ e− 2 dx.
n→∞ nσ −∞ 2π
Le théorème limite central de Berry-Esseen raffine ce résultat asymptotique en

fournissant une borne quantitative uniforme : si X1 , X2 , . . . sont de Bernoulli
de paramètre p ∈ ]0, 1[, on a m := E(X1 ) = p, σ 2 := E((X − m)2 ) = p(1 − p),
τ 3 := E(|X1 − m|3 ) = p(1 − p)(1 − 2p(1 − p)), et
x2
e− 2t
sup P Sn np(1 − p)t + np − √ dx
t∈R −∞ 2π
τ3 1 − 2p(1 − p)
√ 3 = √ .
nσ p(1 − p) n
Cette approximation de la loibinomiale par la loi gaussienne est d’autant

meilleure que (1 − 2p(1 − p))/ np(1 − p) est petit. À n fixé, cette borne est
minimale pour p = 1/2 mais explose quand p se rapproche de 0 ou de 1. Pour
ces régimes extrêmes, il est plus approprié d’utiliser une approximation par
la loi de Poisson, abordée dans la section 1.4.
Lorsque X1 , X2 , . . . sont des variables de Bernoulli de paramètre p ∈ ]0, 1[,
le TLC suggère d’approcher la loi binomiale Bin(n, p) de Sn par la loi gaus-
sienne N (nm, nσ 2 ) lorsque n est grand. Le théorème limite central de de
Moivre et Laplace précise que pour tous −∞ < a < b < +∞,

(k−np)2
√ exp − 2np(1−p)
lim n sup P(Sn = k) − =0
n→∞ k∈In (a,b) 2πnp(1 − p)
où
k − np
In (a, b) = 0kn: ∈ [a, b] ,
np(1 − p)
1.3 Distance en variation totale 5
Lois binomiales
0.2
Bin(42,0.1)
Bin(42,0.5)
Bin(42,0.9)
0.15
P(X=n)
0.1
0.05
0 10 20 30 40
n
Fig. 1.1. Lois binomiales de même taille, pour trois valeurs du second paramètre,
illustrant la pertinence de l’approximation de la loi binomiale par une loi gaussienne
et par une loi de Poisson selon les cas.
qui redonne le TLC par intégration :

b
Sn − np 1 x2
lim P ∈ [a, b] = √ e− 2 dx.
n→∞ np(1 − p) 2π a
1.3 Distance en variation totale
Dans toute cette section, E est un ensemble au plus dénombrable muni de

la topologie et de la tribu discrètes P(E). L’ensemble des lois sur E est un
espace métrique complet pour la distance en variation totale
dVT (μ, ν) := sup |μ(A) − ν(A)|.

A⊂E
Notons que dVT (μ, ν) = μ − νVT où ηVT := supA⊂E |η(A)| pour toute
mesure signée η de masse finie sur E. On a 0 dVT (μ, ν) 1 car le diamètre
de [0, 1] est 1. De plus dVT (μ, ν) = 1 si μ et ν ont des supports disjoints.
Théorème 1.5 (Autres expressions). Si μ et ν sont des lois sur E alors 1

1 1
dVT (μ, ν) = sup f dμ − f dν = |μ(x) − ν(x)|.
2 f :E→[−1,1] 2
x∈E
De plus, le supremum dans la définition de dVT (·, ·) est atteint pour l’ensemble
A∗ = {x ∈ E : μ(x) ν(x)},
et il est atteint dans l’expression variationnelle fonctionnelle de dVT (·, ·) pour
f = 1A∗ − 1Ac∗ .
Démonstration. La seconde égalité provient de l’inégalité

f dμ − f dν |f (x)||μ(x) − ν(x)| sup |f (x)| |μ(x) − ν(x)|
x∈E
x∈E x∈E
qui est saturée pour f = 1A∗ − 1Ac∗ . Pour la première égalité, on écrit

1
|μ(A) − ν(A)| = fA dμ − fA dν
2
où f = 1A − 1Ac , ce qui donne

1 1
|μ(A) − ν(A)| sup f dμ − f dν = |μ(x) − ν(x)|
2 f :E→[−1,1] 2
x∈E
qui est saturée pour A = A∗ car, par définition de A∗ ,
2|μ(A∗ ) − ν(A∗ )| = μ(A∗ ) − ν(A∗ ) + ν(Ac∗ ) − μ(Ac∗ )

= |μ(x) − ν(x)| + |μ(x) − ν(x)|.
x∈A∗ x∈Ac∗
Théorème 1.6 (Convergence en loi). Si (Xn )n1 sont des variables aléatoires
sur E et si μn désigne la loi de Xn , alors pour toute loi μ sur E, les propriétés
suivantes sont équivalentes :

1. limn→∞ f dμn = f dμ pour toute fonction bornée f : E → R ;
2. limn→∞ μn (x) = μ(x) pour tout x ∈ E ;
1. En particulier on a 2·VT = ·1 (E,R) .
1.3 Distance en variation totale 7
3. limn→∞ dVT (μn , μ) = 0.

Lorsqu’elles ont lieu on dit que (Xn ) converge en loi vers μ quand n → ∞.
Toute fonction E → R est continue pour la topologie discrète sur E.
Démonstration. Pour déduire 1. de 3. il suffit d’utiliser l’expression varia-

tionnelle fonctionnelle de dVT (·, ·). Pour déduire 2. de 1. on peut prendre
f = 1{x} . Pour déduire 3. de 2. on observe que pour tout A ⊂ E,

|μn (x) − μ(x)| = |μn (x) − μ(x)| + |μn (x) − μ(x)|.
x∈E x∈A x∈Ac
Grâce à 2., si A est fini, alors pour tout ε > 0, il existe un entier N = N (A, ε)
tel que le premier terme du membre de droite est majoré par ε pour tout
n N . Le second terme du membre de droite peut se contrôler comme suit :

|μn (x) − μ(x)| μn (x) + μ(x).
x∈Ac x∈Ac x∈Ac
Puisqu’on a

μn (x) = μ(x) − μn (x) + μ(x),
x∈Ac x∈A x∈A x∈Ac
on obtient

|μn (x) − μ(x)| |μn (x) − μ(x)| + 2 μ(x).
x∈Ac x∈A x∈Ac
Puisque μ ∈ P, pour tout ε > 0, on peut choisir A fini tel que μ(Ac ) ε .
Ainsi, on obtient
lim |μn (x) − μ(x)| = 0,
n→∞
x∈E
qui n’est rien d’autre que 3. d’après le théorème 1.5.

Remarque 1.7 (Dispersion à l’infini). Si (μn )n1 sont des lois sur E et
μ(x) := limn→∞ μn (x) alors μ n’est pas forcément une loi, sauf si E est fini.
En effet, lorsque E est infini, il peut se produire un phénomène de dispersion
de masse à l’infini. Un contre-exemple est fourni par E = N et μn qui affecte
la masse 1/n aux singletons {1}, . . . , {n}, ce qui donne μ identiquement nulle.
Théorème 1.8 (Minimum). Si μ et ν sont des lois sur E alors

dVT (μ, ν) = 1 − (μ(x) ∧ ν(x)).
x∈E
En particulier, dVT (μ, ν) = 1 ssi μ et ν ont des supports disjoints.

Démonstration. Rappelons que a ∧ b = min(a, b). Il suffit d’écrire

1
(μ(x) ∧ ν(x)) = (μ(x) + ν(x) − |μ(x) − ν(x)|) = 1 − dVT (μ, ν).
2
x∈E x∈E
Théorème 1.9 (Couplage). Si μ et ν sont des lois sur E alors
dVT (μ, ν) = inf P(X = Y )

(X,Y )
où l’infimum porte sur les couples de variables aléatoires sur E × E de lois

marginales μ et ν. De plus, il existe un couple de ce type pour lequel l’égalité
est atteinte c’est-à-dire que l’infimum est un minimum.
Le théorème 1.9 est souvent utilisé de la manière suivante : on construit
explicitement grâce au contexte un couple (X, Y ) de variables aléatoires tel
que X ∼ μ et Y ∼ ν, et on en déduit que dVT (μ, ν) P(X = Y ).
Démonstration. Soit (X, Y ) un couple de v.a. sur E × E de lois marginales μ
et ν. Comme P(X = x, Y = x) μ(x) ∧ ν(x) pour tout x ∈ E,

1 − dVT (μ, ν) = (μ(x) ∧ ν(x)) P(X = x, Y = x) = P(X = Y ).
x∈E x∈E
Il suffit donc de construire un couple (X, Y ) pour lequel l’égalité est atteinte.
Posons p = 1 − dVT (μ, ν) ∈ [0, 1] et distinguons trois cas.
— Cas où p = 0. On prend (X, Y ) avec X et Y indépendantes de lois
respectives μ et ν. Puisque dVT (μ, ν) = 1, μ et ν ont des supports
disjoints, d’où P(X = Y ) = x∈E μ(x)ν(x) = 0 ;
— Cas où p = 1. Alors dVT (μ, ν) = 0, d’où μ = ν. On prend (X, Y ) où
X ∼ μ et Y = X ;
— Cas où 0 < p < 1. Soit U, V, W des variables aléatoires de lois
p−1 (μ ∧ ν), (1 − p)−1 (μ − (μ ∧ ν)), (1 − p)−1 (ν − (μ ∧ ν)).

Notons que p = x∈E (μ(x) ∧ ν(x)) (théorème 1.8). Soit B une v.a.
de loi de Bernoulli Ber(p) indépendante du triplet (U, V, W ). Posons
(X, Y ) = (U, U ) si B = 1 et (X, Y ) = (V, W ) si B = 0. On a alors
X ∼ μ et Y ∼ ν, et puisque les lois de V et W ont des supports
disjoints, on a P(V = W ) = 0, et donc P(X = Y ) = P(B = 1) = p.
1.4 Approximation binomiale-Poisson

Si Sn suit la loi binomiale Bin(n, p) alors pour tout k ∈ N, on a,
1.5 Problème du collectionneur de coupons 9

(np)k n n−k+1 (np)k
P(Sn = k) − e−np = ··· (1 − p)n − e−np .
k! n(1 − p) n(1 − p) k!
Ceci montre que si p dépend de n avec limn→∞ np = λ alors la loi de Sn

tend vers Poi(λ). La distance en variation totale permet de quantifier cette
convergence en loi : l’inégalité de Le Cam du théorème 1.10 ci-dessous donne
∞
(np)k
P(Sn = k) − e−np 2np2 ,
k!
k=0
utile si np2 est petit. Si par exemple p = λ/n alors np = λ et np2 = λ2 /n.
Théorème 1.10 (Inégalité de Le Cam). Soient X1 , . . . , Xn des variables
aléatoires indépendantes de lois de Bernoulli Ber(p1 ), . . . , Ber(pn ). Soit μn la
loi de Sn = X1 + · · · + Xn et soit νn = Poi(p1 + · · · + pn ) la loi de Poisson de
même moyenne que Sn . Alors on a
dVT (μn , νn ) p21 + · · · + p2n .
Démonstration. On établit par récurrence sur n que si α1 , . . . , αn et β1 , . . . , βn

sont des lois de probabilité sur N alors on a l’inégalité sous-additive
dVT (α1 ∗ · · · ∗ αn , β1 ∗ · · · ∗ βn ) dVT (α1 , β1 ) + · · · + dVT (αn , βn ).
On établit ensuite que dVT (Ber(p), Poi(p)) p2 , et on exploite le semi-groupe

de convolution des lois de Poisson : Poi(a) ∗ Poi(b) = Poi(a + b).
∞
L’inégalité 2
− 1
− suivante
p21 + · · · + p2n (p1 + · · · + pn ) max pk

1kn
permet de retrouver la loi des petits nombres : si (Xn,k )1kn est un tableau
triangulaire de variables aléatoires indépendantes de lois de Bernoulli avec
Xn,k ∼ Ber(pn,k ) pour tous n k 1, et si
lim pn,1 + · · · + pn,n = λ et lim max pn,k = 0,

n→∞ n→∞ 1kn
alors Xn,1 + · · · + Xn,n converge en loi vers Poi(λ) quand n → ∞.
1.5 Problème du collectionneur de coupons
Le problème du collectionneur de coupons est dans la même boîte à outils

que le jeu de pile ou face ou le jeu de dé, auquel il est intimement relié. Un
grand nombre de situations concrètes cachent un collectionneur de coupons
ou une de ses variantes. Nous nous limitons ici à sa version la plus simple.
Il faut jouer un nombre de fois (aléatoire) géométrique à pile ou face pour

voir apparaître les deux côtés de la pièce. Si on remplace la pièce de monnaie
par un dé à r 2 faces, combien de fois faut-il lancer le dé pour voir appa-
raître les r faces différentes ? On modélise cela, pour un entier fixé r 2, en
considérant la variable aléatoire
T := min{n 1 : {X1 , . . . , Xn } = {1, . . . , r}}

= min{n 1 : card{X1 , . . . , Xn } = r}
où (Xn )n1 est une suite de variables aléatoires i.i.d. de loi uniforme sur
{1, . . . , r}. La variable aléatoire T est le premier instant où les r faces du
dé sont apparues. Ce temps dépend bien entendu de r mais, par souci de
simplicité, nous omettrons cette dépendance dans la notation. Le nom col-
lectionneur de coupons provient des coupons à collectionner présents dans
certains paquets de céréales.
Théorème 1.11 (Combinatoire). On a T r, et pour tout n r,

r! n − 1
P(T = n) = n
r r−1
où la notation en accolades désigne le nombre de Stirling de seconde espèce,

qui est le nom donné en combinatoire au nombre de manières de partitionner
un ensemble à n − 1 éléments en r − 1 sous-ensembles non vides.
Démonstration. On a XT ∈ {X1 , . . . , XT −1 } car le coupon qui termine la col-

lection n’a forcément jamais été vu auparavant. Si on fixe n r, l’événement
{T = n} correspond à choisir le type du dernier coupon puis à répartir les
n−1 coupons restants sur les r−1 types restants. Le résultat désiré en découle
car la loi des types est uniforme.
Bien qu’explicite, le théorème 1.11 n’est malgré tout pas très parlant. Le
résultat intuitif suivant va beaucoup nous aider à étudier la variable T .
Lemme 1.12 (Décomposition). On a T = G1 + · · · + Gr où G1 , . . . , Gr sont
des variables aléatoires indépendantes avec
r−i+1
Gi ∼ Geo(πi ), πi := , 1 i r.
r
En particulier, on a P(T < ∞) = 1, et de plus
π2 2
E(T ) = r(log(r) + γ) + or→∞ (r) et Var(T ) = r + or→∞ (r2 ),
6
n
où γ = limn→∞ ( i=1 1/i − log(n)) ≈ 0.577 est la constante d’Euler.
Démonstration. On pose G1 ≡ 1 et pour tout 1 < i r,
Gi = min{n 1 : XGi−1 +n ∈ {X1 , . . . , XGi−1 }}.
On a card({X1 , . . . , XGi }) = i pour tout 1 i n. Les variables aléatoires

G1 , G1 + G2 , . . . , G1 + · · · + Gr sont les temps d’apparition des r premiers
succès dans un jeu de pile ou face spécial dans lequel la probabilité de gagner
change après chaque succès : cette probabilité vaut successivement
r−1 r−2 1
π1 = 1, π2 = , π3 = , . . . , πr = .
r r r
La décroissance de cette suite traduit le fait qu’il est de plus en plus difficile
d’obtenir un coupon d’un nouveau type au fil de la collection.
Calculons à présent les moments de T . La linéarité de l’espérance donne

r r
1
E(T ) = E(Gi ) =
i=1
π
i=1 i

r
r r
1
= =r = r(log(r) + γ + o(1)).
i=1
r−i+1 i=1
i
D’autre part, l’indépendance des v.a. G1 , . . . , Gr (exercice !) donne

r
r
1 − πi
Var(T ) = Var(Gi ) =
i=1 i=1
πi2

r−1
r−i π2 2
=r = r − r(log(r) + γ) + o(r2 ).
i=1
i2 6
Théorème 1.13 (Queue de distribution). Pour tout n 1,

r n
r k
P(T > n) = (−1)k−1 1− .
k r
k=1
Démonstration. On a
{T > n} = En,1 ∪ · · · ∪ En,r où En,i := {X1 = i, . . . , Xn = i}.
Si i1 , . . . , ik ∈ {1, . . . , r} sont deux à deux distincts, alors, en notant
R = {1, . . . , r} \ {i1 , . . . , ik },
on a
P(En,i1 ∩ · · · ∩ En,ik ) = P(X1 ∈ R) · · · P(Xn ∈ R)

n n
r−k k
= = 1− .
r r
On utilise enfin le principe d’inclusion-exclusion ou crible de Poincaré 2 .

Il est délicat de déduire le comportement de la queue de T en fonction de
n et r à partir du théorème 1.13 en raison de l’alternance des signes.
Théorème 1.14 (Déviation). Pour tout réel t > 0,

T − r log(r)
P(T > rt + r log(r)) = P > t e−t+εr
r
où εr = (rt + r log(r) − rt + r log(r))/r ∈ [0, 1/r[.

Démonstration. Pour tout entier n 1, on peut écrire

r
P(T > n) = P(∪ri=1 En,i ) P(En,i ) où En,i := {X1 = i, . . . , Xn = i}.
i=1
Comme P(En,i ) = (1 − 1/r) e−n/r , on choisit n = rt + r log(r).

n
Pour α > 0 et r fixés, on peut choisir t assez grand pour que e−t+εr α,
par exemple t = − log(α) + 1/r, ce qui donne l’intervalle de prédiction non
asymptotique [r, r log(r) − r log(α) + 1] de niveau 1 − α pour T .
Théorème 1.15 (Comportement asymptotique).
T P
−→ 1.
r log(r) r→∞
Démonstration. Fixons ε > 0. Par l’inégalité de Markov et le lemme 1.12,

T E((T − r log(r))2 )
P −1 >ε
r log(r) ε2 r2 log(r)2
Var(T ) + (E(T ) − r log(r))2
=
ε2 r2 log(r)2

1
=O .
log(r)2
Il s’agit d’une preuve par méthode du second moment. Dans le même esprit,
une méthode du quatrième moment est utilisée pour le théorème 11.6.
La borne établie dans la preuve du théorème précédent n’est pas sommable
en r et ne permet donc pas de démontrer une convergence presque sûre en
utilisant le lemme de Borel-Cantelli, qui n’aurait de sens qu’avec un espace de
n
2. P(∪k=1 Ak ) =
n
j=1
j+1
(−1) k1 <...<kj
P(Ak1 ∩ · · · ∩ Akj ).
probabilité unique valable pour tout r. D’autre part, la borne établie permet
d’obtenir un intervalle de prédiction non asymptotique : pour α = 0.05, r fixé,
et t bien choisi, on a P(|T − r log(r)|/r > t) = O(1/t2 ) = α. L’intervalle de
prédiction est de largeur 2rt, et se dégrade quand t croît (α diminue).
Le théorème suivant affirme que les fluctuations asymptotiques dans la
convergence précédente suivent une loi de Gumbel.
Théorème 1.16 (Fluctuations asymptotiques). On a

T − r log(r) T loi
= log(r) − 1 −→ Gumbel
r r log(r) r→∞
−t
où la loi de Gumbel a pour fonction de répartition t ∈ R → e−e .
La figure 1.2 illustre ce résultat.
Queue du collectionneur de coupons r=20

1
MonteCarlo N=2000
Gumbel
0.8
0.6
P(T>n)
0.4
0.2
50 100 150 200

n
Fig. 1.2. Approximations de la queue de distribution de la variable aléatoire T par

celle de r log(r) + rG où G suit la loi de Gumbel en vertu du théorème 1.16, ainsi
que par une méthode de Monte-Carlo avec N tirages en utilisant la représentation
de T en somme de variables aléatoires géométriques indépendantes.
Démonstration. Il suffit d’établir que pour tout t ∈ R on a

−t
lim P(T > r log(r) + tr) = S(t) := 1 − e−e .
r→∞
Fixons t ∈ R et supposons que r est assez grand pour que r log(r) + tr > r.
Introduisons l’entier nt,r = r log(r) + tr. Le théorème 1.13 donne

r n
r k t,r
P(T > r log(r) + tr) = P(T > nt,r ) = (−1) k−1
1− .
k r
k=1
r
Comme k rk /k! et 1 − u e−u pour tout u 0, on a
n
r k t,r e−tk
1− −→ .
k r r→∞ k!
Enfin, par convergence dominée, on obtient

n ∞
k t,r
r
r e−tk
lim (−1)k−1 1− = (−1)k−1 = S(t).
r→∞ k r k!
k=1 k=1
Ceci achève la preuve du théorème. Alternativement, il est possible d’établir

le théorème en utilisant l’approximation exponentielle des lois géométriques.
Posons Hk := 1r Gr−k+1 . Pour tout k 1 fixé, la suite (Hk )rk converge en
loi vers la loi exponentielle de paramètre k. On dispose de plus de la version
quantitative suivante sur les fonctions caractéristiques : pour tout t ∈ R et
tout k 1, il existe une constante C > 0 telle que pour r assez grand,
C
E(eitHk ) − E(eitEk )
rk
où Ek est une v.a.r. de loi exponentielle de paramètre k. En utilisant l’inégalité
|a1 · · · ar − b1 · · · br | |a1 − b1 | + · · · + |ar − br |, a, b ∈ {z ∈ C : |z| 1}r ,
il vient, en considérant des variables aléatoires réelles E1 , . . . , Er indépen-

dantes de lois exponentielles de paramètres respectifs 1, . . . , r,
T log(r)
E(eit r ) − E(eit(E1 +···+Er ) ) C .
r
Le lemme de Rényi 11.3 indique que E1 + · · · + Er a même loi que la variable
aléatoire max(F1 , . . . , Fr ) où F1 , . . . , Fr sont des v.a.r. i.i.d. de loi exponen-
tielle de paramètre 1, puis on utilise la convergence en loi vers la loi de Gumbel
de la suite de v.a.r. (max(F1 , . . . , Fr ) − log(r))r1 .
Le théorème 1.16 fournit un intervalle de prédiction asymptotique pour la
variable aléatoire T : pour tous réels b a,
−b −a
lim P(T ∈ [r log(r) + ra, r log(r) + rb]) = e−e − e−e .
r→∞
1.6 Pour aller plus loin 15
La loi de Gumbel est très concentrée, et sa fonction de répartition fait

apparaître une montée abrupte de 0 à 1. Cela donne un phénomène de seuil 3
pour la variable aléatoire T . La quantité P(T > n) passe abruptement de ≈ 1
à ≈ 0 autour de n = r log(r) si r 1 :
Théorème 1.17 (Convergence abrupte en n = r log(r)). Pour tout réel c > 0,
P(T > r log(r) + rc) e−c+εr où 0 εr < 1/r.
Si (cr )r∈N∗ est une suite qui tend vers l’infini, alors
lim P(T > r log(r) − rcr ) = 1.

r→∞
Démonstration. La première majoration provient du théorème 1.14. D’autre

part, le théorème 1.16 affirme que (T − r log(r))/r converge en loi vers la loi
de Gumbel quand r → ∞, ce qui donne, grâce au fait que cr → ∞,

T − r log(r)
P(T > r log(r) − rcr ) = P > −cr −→ 1.
r r→∞
1.6 Pour aller plus loin

Notre étude du jeu de pile ou face fait l’impasse sur un certain nombre de
propriétés remarquables, comme la loi de l’arc–sinus et les principes d’inva-
riance, abordées dans le livre de William Feller [Fel68, Fel71]. Ce livre contient
également une preuve du théorème de Berry-Esseen, à base d’analyse de Fou-
rier. Un joli problème de la plus longue sous-suite commune à deux jeux de
pile ou face est étudié dans le livre d’optimisation combinatoire randomisée de
Michael Steele [Ste97]. L’article [Ste94] de Michael Steele sur l’approximation
par la loi de Poisson est bien éclairant. On trouvera également dans le livre
[BHJ92] de Andrew Barbour, Lars Holst, et Svante Janson une version ren-
forcée de l’inégalité de Le Cam, obtenue par Barbour et Eagleson en utilisant
la méthode d’intégration par parties de Louis Chen et Charles Stein :
dVT (Ber(p1 ) ∗ · · · ∗ Ber(pn ), Poi(p1 + · · · + pn ))

p21 + · · · + p2n
(1 − e−(p1 +···+pn ) ) .
p1 + · · · + p n
À titre de comparaison, une version inhomogène du théorème limite central

de Berry-Esseen, tirée du livre de William Feller, affirme que si (Xn )n1 sont
des variables aléatoires indépendantes alors en notant Sn = X1 + · · · + Xn ,
σk2 = E(|Xk − E(Xk )|2 ), τk3 = E(|Xk − E(Xk )|3 ), on a
3. «Threshold phenomenon» en anglais.
x 2
Sn − E(Sn ) 1 t2 (τ13 + · · · + τn3 )2
sup P x −√ e− 2 dt 3.
x∈R Var(Sn ) 2π −∞ (σ12 + · · · + σn2 )
D’autre part, on peut voir la distance en variation totale dVT (·, ·) comme
une distance de Wasserstein (couplage). Pour le voir, on observe tout d’abord
que P(X = Y ) = E(d(X, Y )) pour la distance atomique d(x, y) = δx=y , d’où,
en notant Π(μ, ν) l’ensemble des lois sur E × E de lois marginales μ et ν,

dVT (μ, ν) = min d(x, y) dπ(x, y).
π∈Π(μ,ν) E×E
Le problème du collectionneur de coupons est notamment abordé dans le

livre de William Feller [Fel68, Fel71], le livre de Rejeev Motwani et Prabhakar
Raghavan [MR95], et dans les articles de Lars Holst[Hol01] et de Aristides
Doumas et Vassilis Papanicolaou [DP13]. Donald Newman et Lawrence Shepp
on montré dans [NS60] que si on impose que chaque type soit observé m fois,
alors le temps de complétion de la collection vaut en moyenne
r log(r) + (m − 1)r log(log(r)) + O(r).
D’autres variantes se trouvent dans le livre de Claude Bouzitat, Gilles Pagès,

Frédérique Petit, et Fabrice Carrance [BPPC99]. Le théorème 1.16 révélant
une fluctuation asymptotique de loi de Gumbel a été obtenu par Paul Erdős
et Alfréd Rényi [ER61a]. Une analyse du cas non uniforme associé à une pro-
babilité discrète (p1 , . . . , pr ) est menée dans un article de Lars Holst [Hol01].
Lorsque r n’est pas connu, on dispose de l’estimateur
rn := card{X1 , . . . , Xn }.
Si e1 , . . . , er est la base canonique de Rr alors le vecteur aléatoire
Cn := (Cn,1 , . . . , Cn,r ) := eX1 + · · · + eXn
de Nr suit la loi multinomiale de taille n et de paramètre (p1 , . . . , pr ), et on a

r
r
rn = 1{Cn,i >0} = r − 1{Cn,i =0} .
i=1 i=1
En particulier,

r
r
rn ) = r −
E( P(Cn,i = 0) = r − (1 − pi )n .
i=1 i=1
Notons enfin que comme les r types sont ordonnés, la variable aléatoire
max(X1 , . . . , Xn ) est un estimateur du bord droit r du support {1, . . . , r}.
Le collectionneur de coupons est un cas particulier du problème du recou-
vrement abordé dans l’article [Ald91] de David Aldous, dans le livre de David
Aldous et James Fill [AF01], dans le cours de Amir Dembo [Dem05], et le

livre de David Levin, Yuval Peres, et Elizabeth Wilmer [LPW09] : si (Xn )n1
est une suite de variables aléatoires, pas nécessairement indépendantes ou de
même loi, et prenant leurs valeurs dans un même ensemble fini E, alors le
temps de recouvrement 4 de E est T := inf{n 1 : {X1 , . . . , Xn } = E}.
4. En anglais : covering time.

2
Marches aléatoires
Mots-clés. Marche aléatoire ; temps de sortie ; ruine du joueur ; problème

de Dirichlet ; fonction harmonique ; champ libre gaussien.
Outils. Combinatoire ; chaîne de Markov ; martingale ; loi multinomiale ;
transformée de Fourier ; groupe symétrique ; collectionneur de coupons.
Difficulté. *
Les marches aléatoires constituent des objets probabilistes incontour-

nables, d’une richesse et d’une diversité surprenante. Ce chapitre en présente
quelques aspects simples, en liaison notamment avec le caractère markovien.
2.1 Marche aléatoire simple sur la droite

La marche aléatoire simple sur la droite Z est la suite (Xn )n0 de variables
aléatoires définie par la relation récursive (ou autorégressive)
Xn+1 = Xn + εn+1 = X0 + ε1 + · · · + εn+1
pour tout n 0, où (εn )n1 est une suite de v.a.r. i.i.d. de loi de Rademacher,
indépendante de X0 . On pose
p := P(εn = 1) = 1 − P(εn = −1) ∈ ]0, 1[.
La suite (Xn )n0 est une chaîne de Markov d’espace d’états Z et de noyau de
transition donné pour tous x, y ∈ Z par
P(x, y) = p1{y=x+1} + (1 − p)1{y=x−1}
et la matrice P est tridiagonale. Une variable aléatoire B suit la loi de Ber-

noulli (1 − p)δ0 + pδ1 si et seulement si la variable aléatoire 2B − 1 suit la loi
de Rademacher (1 − p)δ−1 + pδ1 . Ainsi, pour tout n 0,

20 2 Marches aléatoires
Trajectoires de la marche simple

60
40
20
Position Xn
-20
-40
-60
0 200 400 600 800 1000
Temps n
Fig. 2.1. Trajectoires issues de 0 de la marche aléatoire simple sur Z.
Xn − X0 + n
∼ Bin(n, p).
2
Théorème 2.1 (Récurrence). La marche aléatoire simple sur Z est récurrente
nulle si p = 1/2 (marche aléatoire simple symétrique) et transitoire si p = 1/2
(marche aléatoire simple asymétrique).
Démonstration. Rappelons qu’un état x est récurent lorsque la marche issue
de x y revient p.s. ou de manière équivalente lorsque cette chaîne visite une
fois x. Un critère utile est le suivant : l’état x est récurrent si et seule-
infinité de
ment si n Pn (x, x) = ∞. La chaîne est de période 2 et donc P2n+1 (x, x) = 0
pour tout n 0. Comme la chaîne est irréductible, tous les états ont même
nature, et on peut donc se ramener à l’état 0. La formule binomiale donne

2n n
P2n (0, 0) = P(X2n = 0 | X0 = 0) = p (1 − p)n .
n
√
La formule de Stirling n! ∼ 2πn(n/e)n donne, en notant ρ = 4p(1 − p),
ρn
P2n (0, 0) ∼ √ .
πn
À présent, si p = 1/2 alors ρ = 1 et la chaîne est récurrente tandis que si

p = 1/2 alors ρ < 1 et la chaîne est transitoire. Lorsque p = 1/2 la mesure de
comptage est symétrique (car la matrice P est symétrique) donc invariante,
et comme il ne s’agit pas d’une mesure finie, la chaîne est récurrente nulle.
2.1 Marche aléatoire simple sur la droite 21
On peut alternativement traiter le cas p = 1/2 avec un peu plus d’intuition

probabiliste. En effet, la loi forte des grands nombres affirme qu’on a presque
sûrement Xn = X0 + n(2p − 1 + on→∞ (1)), donc Xn → +∞ p.s. si p > 1/2
et Xn → −∞ p.s. si p < 1/2, ce qui interdit toute récurrence.
Le théorème suivant permet d’étudier le problème de la ruine d’un joueur

qui gagne 1 Euro avec probabilité p et perd 1 Euro avec probabilité 1 − p.
La fortune initiale est x et le joueur quitte le jeu lorsqu’il possède a < x
Euros (ruine) ou b > x Euros (gain). On adopte la notation conditionnelle
traditionnelle Px (·) := P(· | X0 = x) et Ex (·) = E(· | X0 = x).
Théorème 2.2 (Sortie de boîte 1 ou ruine du joueur). Soient a 0 tel que Ex (ecτ ) < ∞. En
1−p
particulier Ex (τ ) < ∞ et donc Px (τ < ∞) = 1. De plus, en posant ρ = ,
p
⎧ b
⎪
⎪ ρ − ρx
⎨ b si p = 12 ,
ρ − ρa
Px (Xτ = a) =
⎪
⎩b − x
⎪
si p = 12 ,
b−a
et ⎧
⎨ x − a − (b − a) ρ − ρ
x a
⎪ si p = 12 ,
Ex (τ ) = 1 − 2p 1 − 2p ρb − ρa
⎪
⎩(b − x)(x − a) si p = 12 .
Si p = 1/2 alors la chaîne est récurrente et visite presque sûrement chaque
état une infinité de fois et donc Px (τa < ∞) = 1 et Px (τb < ∞) = 1 pour
tout a x b. En revanche, si p = 1/2 alors la chaîne est transitoire et
les temps d’atteinte de a ou de b ne sont plus finis presque sûrement (selon
la probabilité p et le point de départ x). On le voit bien dans les formules
du théorème 2.2 en faisant tendre a ou b vers l’infini. Le temps de sortie τ
de [a, b] est identique en loi au temps d’absorption T par {a, b} de la chaîne
Y = (Yn )n0 d’espace d’états fini {a, . . . , b} de mêmes transitions que (Xn )n0
mais avec absorption en a et b. Comme pour Y , les états a et b sont récurrents
et tous les autres (en nombre fini) transitoires, et comme presque sûrement
la chaîne Y ne visite qu’un nombre fini de fois chaque état transitoire, on en
déduit que Px (τ < ∞) = Px (T < ∞) = 1 pour tout a x b.
Démonstration. Montrons que Ex (τ ) < ∞ pour tout a x b. Il suffit

d’obtenir une majoration géométrique pour la queue de la loi de τ . Il serait
1. Quoi de plus naturel pour un ivrogne modélisé par la marche aléatoire.

possible de procéder par couplage, comme pour le modèle de Wright-Fisher,

voir remarque 12.7. Pour tout a x b, il existe un chemin x de longueur
| x | (b − a) qui mène de x à a ou b. On a
Px (τ > (b − a)) P(X1:|x | = x )

= 1 − P(X1:|x | = x)
|x |
1 − min(p, 1 − p) .
Si η = maxa<x k(b − a))

= Px (τ > k(b − a), X(k−1)(b−a) = y, τ > (k − 1)(b − a))
a<y (b − a))Px (X(k−1)(b−a) = y, τ > (k − 1)(b − a))
a<y (k − 1)(b − a)) ηη k−1 = η k .
Comme η < 1 on obtient que Ex (ecτ ) < ∞ pour un réel c > 0, et en particulier
tous les moments de τ sont finis sous Px et Px (τ < ∞) = 1. Calculons
r(x) := Px (Xτ = a).
On a pour tout a < x < b
r(x) = Px (Xτ = a | X1 = x + 1)p + Px (Xτ = a | X1 = x − 1)(1 − p)

= pr(x + 1) + (1 − p)r(x − 1).
L’ensemble des solutions de cette récurrence linéaire d’ordre deux est un es-
pace vectoriel qui contient la solution constante 1. Si p = 1/2 alors ρx est
aussi solution, linéairement indépendante de 1, et donc les solutions sont de
la forme A + Bρx avec A et B constantes. Les conditions aux bords r(a) = 1,
r(b) = 0 fixent A et B, ce qui donne l’unique solution
ρb − ρx
r(x) = .
ρb − ρa
Si p = 1/2 alors ρ = 1 et les deux solutions fondamentales précédentes sont
confondues. Cependant, on observe que dans ce cas, x est également solution,
linéairement indépendante de 1, et donc les solutions sont de la forme A + Bx
où A et B sont des constantes. Les conditions aux bords r(a) = 1 et r(b) = 0
fixent A et B, ce qui donne l’unique solution
b−x
r(x) = .
b−a
Calculons à présent
R(x) := Ex (τ ).
En conditionnant selon X1 on obtient pour tout a < x < b la récurrence
linéaire (la méthode est valable pour toute chaîne de Markov, idem pour r(x))
R(x) = pR(x + 1) + (1 − p)R(x − 1) + 1.
La présence du second membre 1 fait rechercher des solutions particulières. Si

p = 1/2 alors x/(1 − 2p) est solution particulière, et les solutions de l’équation
sont de la forme R(x) = x/(1 − 2p) + A + Bρx . Les conditions aux bords
R(a) = 0 et R(b) = 0 donnent enfin
x−a (b − a) ρb − ρx
R(x) = − .
1 − 2p 1 − 2p ρb − ρa
Si p = 1/2 alors −x2 est solution particulière, et les solutions sont de la forme
−x2 + A + Bx. Les conditions aux bords R(a) = R(b) = 0 donnent enfin
R(x) = (b − x)(x − a).
On peut de même calculer les fonctions suivantes :
F (x, s) = Ex (sτ ), G(x, s) = Ex (sτ 1Xτ =a ), et G(x, s) = Ex (sτ 1Xτ =b )
qui, pour a x b et s ∈ ] − 1, 1[, vérifient la relation de récurrence
r(x) = psr(x + 1) + (1 − p)sr(x − 1)
avec les conditions aux bords respectives suivantes :
F (a, s) = F (b, s) = 1, G(a, s) = 1 = 1−G(b, s), H(a, s) = 0 = 1−H(b, s).
On peut alors retrouver l’expression de Ex (τ ) en dérivant la fonction généra-

trice. Les expressions explicites de F , G et H sont toutefois assez lourdes.
Remarque 2.3 (Les théorèmes limites à la rescousse). Voici un autre argu-
ment pour établir que Px (τ < ∞) = 1. Posons m = 2p − 1 et σ 2 = 4p(1 − p).
Si m = 0 alors par la loi des grands nombres, presque sûrement (Xn )n1 tend
vers +∞ si m > 0 et vers −∞ si m < 0, et donc Px (τ < ∞) = 1. Si m = 0
alors pour tout n 1, en posant In = √1n ]a, b[, on a

Xn
Px (τ = ∞) P(a < Xn < b) = P √ ∈ In .
n
Or (n−1/2 Xn )n1 converge en loi vers N (0, σ 2 ) par le théorème limite central.
Mais In dépend de n. Cependant, comme (In )n1 est décroissante,

Xn 1 t2
lim sup P √ ∈ In inf √ e− 2σ2 dt = 0.
n→∞ n n1 2πσ 2 In
Remarque 2.4 (Martingales). Si (Zn )n0 est une chaîne de Markov sur E
fini de noyau P = L+I alors pour toute fonction f : E → R, la suite (Mn )n0
donnée par M0 = 0 et pour tout n 1

n−1
Mn = f (Zn ) − f (Z0 ) − (Lf )(Zk )
k=0
est une martingale pour la filtration naturelle de la suite (Zn )n0 . La formule
ci-dessus peut être vue comme une formule d’Itô discrète. Lorsque f est har-
monique pour L, c’est-à-dire que Lf = 0, alors (f (Zn ) − f (Z0 ))n0 est une
martingale. Il se trouve que le vecteur des probabilités d’atteinte d’un ensemble
clos est harmonique. Il est possible de retrouver les formules du théorème 2.2
en utilisant des martingales bien choisies et le théorème d’arrêt. Par exemple,
la martingale (Xn − n(p − q))n0 donne E0 (Xτ ) = (p − q)E0 (τ ) tandis que
la martingale (ρXn )n0 donne E0 (ρXτ ) = 1. Cette méthode à base de mar-
tingales s’adapte au cadre des processus à temps et espace d’états continus,
et permet notamment d’obtenir des formules pour le temps de sortie pour un
processus de diffusion sur Rd , voir chapitre 27. D’autre part, les équations
satisfaites par les fonctions r et R dans la preuve du théorème 2.2 sont des
cas particuliers du problème de Dirichlet du théorème 2.8.
Théorème 2.5 (Nombres de Catalan). Si τ := inf{n 1 : Xn = 0} alors

2 2n n+1
P0 (τ = 2n + 2) = p (1 − p)n+1 , n 0.
n+1 n
Sm
m
0 2n
Fig. 2.2. Un chemin de 0 à 0 ne restant pas positif et le chemin de 0 à −2 qui lui

est associé dans la preuve du théorème 2.5.
2n
On reconnaît le ne nombre de Catalan n+1 1
n . Les nombres de Catalan
sont également les moments pairs de la loi du demi-cercle, voir chapitre 21.
Démonstration. Sachant {X0 = 0}, l’événement {τ = 2n + 2} correspond à

une trajectoire de longueur 2n + 2 partant de 0 et revenant à zéro en restant
strictement positive ou strictement négative. Ces deux cas sont équiprobables,
d’où le facteur 2 dans le résultat. Dans les deux cas, il y a eu forcément n + 1
incréments +1 et n + 1 incréments −1, d’où
P0 (τ = 2n + 2) = 2Cn pn+1 (1 − p)n+1 .
où Cn est le nombre de chemins de longueur 2n+2 partant de zéro et revenant

à zéro, et restant strictement positifs. Le premier incrément est forcément +1
et le dernier forcément −1 et Cn est égal au nombre de chemins de longueur
2n partant de zéro et revenant à zéro et restant positifs. Il y a n incréments
+1 et n incréments −1. Considérons les chemins partant de zéro et revenant

à zéro et contenant n incréments +1 et n incréments −1. Il y en a 2n n . Si
un chemin de ce type n’est pas positif alors juste après la première position
négative, modifions tous les incréments en permutant le signe des +1 et des
−1. Un exemple d’illustration est donné dans la figure 2.2. On obtient de
la sorte un chemin avec n − 1 incréments +1 et n + 1 incréments −1, et il
s’avère que tous les chemins partant de zéro avec n − 1 incréments
2n +1 et n + 1
incréments −1 s’obtiennent de la sorte, et il y en a n−1 . Cette bijection
2n 2n
donne donc Cn = 2n n − n−1 = n+1 n (formule de Désiré André).
1
Théorème 2.6 (du scrutin 2 ). Si n = a + b et k = a − b avec 0 b a alors

k a−b
P(S1 > 0, . . . , Sn > 0 | S0 = 0, Sn = k) = = .
n a+b
Le théorème 2.6 indique que lors d’une élection avec deux candidats A et
B et n votants, dans laquelle A obtient a votes et B obtient b a votes, la
probabilité que A soit devant B tout le long du dépouillement des n bulletins
de vote est (a − b)/(a + b).
Démonstration. Notons tout d’abord que 0 k n et (n+k, n−k) = 2(a, b).
Soit Pn,k l’ensemble des chemins de la marche aléatoire simple, de longueur n,
partant de (0, 0) et finissant en (n, k). Tous ces chemins possèdent exactement

a incréments +1 et b incréments −1. Ils sont donc au nombre de a+b a . Soit
+
Pn,k l’ensemble de ces chemins strictement positifs aux temps 1, . . . , n. On a
pa (1 − p)b
P(S1 > 0, . . . , Sn > 0 | S0 = 0, Sn = k) = card(Pn,k
+
) .
P(Sn = k | S0 = 0)
D’un autre côté P(Sn = k | S0 = 0) = card(Pn,k ) pa (1 − p)b et donc

+
card(Pn,k )
P(S1 > 0, . . . , Sn > 0 | S0 = 0, Sn = k) = .
card(Pn,k )
2. «Ballot theorem» en anglais.
Il est tout à fait remarquable que cette formule ne dépende pas de p. L’en-
semble Pn,k \Pn,k
+
est invariant par la réflexion sur la portion du chemin située
avant le retour à 0. On reconnaît là l’astuce de la preuve du théorème 2.5. Il en
découle que l’ensemble des éléments de Pn,k \ Pn,k +
qui commencent par un in-
crément +1 est en bijection avec l’ensemble des éléments de Pn,k \Pn,k+
qui com-
mencent par un incrément −1. Or ce dernier est en bijection avec l’ensemble
des éléments de Pn,k qui commencent par un incrément −1, lui même en bi-
+
jection avec Pn−1,k+1 . Cela donne card(Pn,k )−card(Pn,k ) = 2card(Pn−1,k+1 ).
n
Comme card(Pn,k ) = (n+k)/2 , on obtient enfin

n n−1 k n
+
card(Pn,k )= −2 = .
(n + k)/2 (n + k)/2 n (n + k)/2
+
En d’autres termes, card(Pn,k ) = (k/n)card(Pn,k ).
La formule à base de nombres de Catalan du théorème 2.5 s’écrit
22n+2 P(S1 > 0, . . . , S2n+1 > 0 | S0 = 0, S2n+2 = 0)

+ 1 2n
= card(P2n+1,1 )= .
n+1 n
2.2 Marche aléatoire simple symétrique dans l’espace

La marche aléatoire simple symétrique sur Zd , d 1, est définie par
Xn+1 = Xn + εn+1 = X0 + ε1 + · · · + εn+1
où (εn )n1 est une suite de variables aléatoires i.i.d., indépendantes de la

position initiale X0 , et de loi uniforme sur {±e1 , . . . , ±ed }, où e1 , . . . , ed est la
base canonique de Rd . La suite (Xn )n0 est une chaîne de Markov d’espace
d’états Zd et de noyau de transition
1
P(x, y) = 1|x−y|1 =1
2d
où |x|1 := |x1 | + · · · + |xd |. On parle également de marche aléatoire symétrique
aux plus proches voisins pour la norme |·|1 . Les incréments (εn )n1 sont de loi
uniforme sur la sphère unité pour la norme |·|1 . En concevant les incréments
ε1 , . . . , εn comme issus de n jets d’un dé équilibré à 2d faces, on voit que
Loi(Xn − X0 ) est l’image de la loi multinomiale
∗n
1 1 1 1 1 1
δe + δ−e1 + · · · + δ−ed + δed = Mul n, ,...,
2d 1 2d 2d 2d 2d 2d
par l’application
2.2 Marche aléatoire simple symétrique dans l’espace 27
Trajectoire de marche simple sur le plan
-5
-10
-10 -5 0 5
Fig. 2.3. Début de trajectoire de la marche aléatoire simple sur Z2 .
(k1 , . . . , k2d ) ∈ N2d → (k1 − k2 , . . . , k2d−1 − k2d ) ∈ Zd .
Notons que le temps (aléatoire) au bout duquel la marche aléatoire a emprunté

les 2d directions qui s’offrent à elle suit la loi du collectionneur de coupons
étudiée dans le chapitre 1 avec r = 2d.
Théorème 2.7 (Marche aléatoire simple symétrique). La marche aléatoire
simple symétrique sur Zd est récurrente nulle si d 2 et transitoire si d 3.
Démonstration. La preuve est basée sur l’analyse de Fourier. Rappelons tout
d’abord que pour toute variable aléatoire Z à valeurs dans Zd on a

P(Z = z) = e2πi z,x ϕZ (x) dx où ϕZ (x) = e−2πi z,x P(Z = z).
[0,1[d
z∈Zd
Ensuite, en introduisant un paramètre ρ ∈ [0, 1[ pour permuter série et inté-

grale, on a, en utilisant ce qui précède, la série d’égalités suivante :
∞
∞

Pn (0, 0) = lim ρn Pn (ε1 + · · · + εn = 0)
ρ↑1
n=0 n=0
∞
= lim ρn e2πi 0,x
ϕε1 +···+εn (x) dx
ρ↑1 d
n=0 [0,1[
∞
n
= lim ρn (ϕε1 (x)) dx
ρ↑1 [0,1[d
n=0
∞
n
= lim ρn (ϕε1 (x)) dx
ρ↑1 [0,1[d n=0

1
= lim dx
ρ↑1 [0,1[d 1 − ρϕε1 (x)

d
= lim d dx
k=1 (1 − ρ cos(2πxk ))
ρ↑1 [0,1[d

d
= d dx,
k=1 (1 − cos(2πxk ))
[0,1[ d
où la commutation de la limite quand ρ ↑ 1 et de l’intégrale s’obtient par

convergence monotone. Le comportement de l’intégrale obtenue dépend uni-
quement du comportement de la fonction sous le signe somme au voisinage
de 0. Un passage en coordonnées sphériques ainsi qu’un développement limité
en 0 montrent que l’intégrale est finie ssi r 0 → rd−3 est intégrable au
voisinage de 0, c’est-à-dire d > 2, c’est-à-dire d 3 car d est entier !
On peut étudier la récurrence de la marche aléatoire simple symétrique
sur Zd (Xn )n0 en utilisant la combinatoire, plutôt que l’analyse de Fourier.
est irréductible et de période 2 pour tout d 1 et il suffit
En effet, la chaîne
donc d’étudier n P2n (0, 0). La formule multinomiale donne

2n 1 2n
P (0, 0) =
(2d)2n r +···+r =n r1 , . . . , r2d
1 2d
r1 =r2 ,...,rd−1 =rd
1 (2n)!
= 2 · · · r !2
.
(2d)2n r1 +···+rd
r
=n 1
! d
Le cas d = 1 est déjà traité. Restent les cas d = 2 et d 3.

Cas d = 2 (méthode directe). L’identité de Vandermonde 3 donne
1 (2n)!
P2n (0, 0) =
42n n
n1 +n2 =n 1
!2 n2 !2
n 2
(2n)! n
= 2n 2
4 n! k
k=0
(2n)! (2n)! 1
= 2n 2 ∼
4 n! n!2 n→∞ πn
qui n’est donc pas sommable, et la chaîne est donc récurrente. La récurrence
nulle vient du fait que la mesure de comptage, qui n’est pas finie car Z2 est
infini, est une mesure symétrique et donc invariante.
Cas d = 2 (méthode astucieuse). Soient Un et Vn les projections de Xn
sur les première et seconde bissectrices (pentes ±1). On vérifie que (Un )n0
n+m r n m
3. Il s’agit de la formule de «convolution» r
= k=0 k r−k
.
2.2 Marche aléatoire simple symétrique dans l’espace 29
et (Vn )n0 sont des marches aléatoires simples symétriques sur √12 Z, in-
dépendantes ! De plus, Xn = 0 si et seulement si Un = Vn = 0, ce qui
donne P2n (0, 0) ∼ πn 1
, et la chaîne est donc récurrente. Attention : les
composantes de (Xn )n0 (abscisse et ordonnée) ne sont pas des marches
aléatoires simples sur Z, mais constituent des chaînes de Markov de noyau
Q(x, y) = 14 1|x−y|=1 + 12 1x=y (il est possible d’établir qu’elles sont récur-
rentes, mais cela ne conduit à rien de bien utile).
Cas d = 3 (méthode directe). La formule du multinôme donne ici
1 (2n)!
P2n (0, 0) =
62n r
r1 +r2 +r3 =n 1
!2 r !2 r !2
2 3
2 n
(2n)! n 1
= 2n n 2 .
2 3 n! r +r +r =n r1 r2 r3 3
1 2 3
Si n = 3m alors une petite étude montre que

n n

r 1 r 2 r3 mmm
et donc, grâce à la formule du trinôme de taille n et de second paramètre
(1/3, 1/3, 1/3), on obtient, pour n = 3m,
3/2
(2n)! n 1 3 c
P2n (0, 0) 2n n 2 ∼ = 3/2 .
2 3 n! m m m 2 πn n

Ainsi, m P6m (0, 0) < ∞. Comme pour k = 1, 2,
1 6m
P (0, 0) P6m+2k (0, 0),
62k
il vient,
P2n (0, 0) = P6m+2k (0, 0) < ∞,
n k=0,1,2 m
et donc la chaîne est transitoire.

Cas d > 3 (méthode astucieuse à partir du cas d = 3). Soit X = (Xn )n0
la chaîne projetée sur Z3 c’est-à-dire constituée par les trois premières coor-
données de X = (Xn )n0 . Il s’agit d’une chaîne de Markov sur Z3 de noyau
d − 3 d−3
Q := 1 − P+ I
d d
où P est le noyau de la marche aléatoire simple symétrique X sur Z3 . Un
retour à zéro de X s’accompagne toujours d’un retour à zéro de X , et donc si
X est transitoire alors forcément X l’est aussi. Or les trajectoires de X sont
les trajectoires de X avec des temporisations géométriques à chaque site, et
en particulier, les fréquences asymptotiques de passage sont les mêmes, ce qui
fait que la transience de X implique celle de X , et donc X est transitoire.
2.3 Problème de Dirichlet et champ libre gaussien

Soit (Xn )n0 la marche aléatoire simple sur Zd , et P son noyau de tran-
sition. Pour toute fonction bornée f : Zd → R et tout x ∈ Zd on a,
E(f (Xn+1 ) | Xn = x) − f (x) = (Pf )(x) − f (x) = (Δf )(x),
où Δ := P − I. L’opérateur Δ est le générateur de la marche aléatoire simple

symétrique sur Zd . Il s’agit d’un opérateur laplacien discret, qui calcule l’écart
à la moyenne sur les voisins :
⎛ ⎞
1 1
(Δf )(x) = ⎝ f (y)⎠ − f (x) = (f (y) − f (x)).
2d 2d
y:|y−x|1 =1 y:|y−x|1 =1
On dit que f est harmonique sur A ⊂ Zd lorsque Δf = 0 sur A, ce qui signifie

qu’en tout point de A la valeur de f est égale à la moyenne de ses valeurs sur
les 2d voisins. L’opérateur Δ est local en ce sens que (Δf )(x) ne dépend que
des valeurs de f en x et ses plus proches voisins. Ainsi la valeur de Δf sur A
ne dépend que des valeurs de f sur Ā := A ∪ ∂A où
∂A := {y ∈ A : ∃x ∈ A, |x − y|1 = 1}
est le bord extérieur de A. Le problème de Dirichlet consiste à trouver une

fonction harmonique sur A dont la valeur sur ∂A est prescrite. Il s’agit en
fait d’un problème d’algèbre linéaire, pour lequel le théorème 2.8 ci-dessous
fournit une expression probabiliste de la solution utilisant le temps d’atteinte
τ∂A := inf{n 0 : Xn ∈ ∂A}.

On s’intéresse à la même question sur un ouvert de Rd pour l’opérateur la-
placien classique dans le chapitre 24.
Théorème 2.8 (Problème de Dirichlet). Soit A ⊂ Zd un ensemble non vide
fini. Alors pour tout x ∈ A on a Px (τ∂A < ∞) = 1. De plus, pour toute
fonction g : ∂A → R, la fonction f : Ā → R définie pour tout x ∈ Ā par
f (x) = Ex (g(Xτ∂A ))
est l’unique solution du système

f =g sur ∂A,
Δf = 0 sur A.
Lorsque d = 1 on retrouve la fonction r étudiée dans la preuve du théorème

2.2 sur la ruine du joueur. D’autre part, d’après la remarque 2.4, l’image d’une
chaîne de Markov par une fonction harmonique pour son générateur est une
2.3 Problème de Dirichlet et champ libre gaussien 31
martingale, ce qui explique après coup la formule probabiliste pour la solution

du problème de Dirichlet grâce au théorème
d’arrêt.
La quantité f (x) = Ex (g(τ∂A )) = y∈∂A g(y)Px (τ∂A = y) est la moyenne
de g pour la loi μx sur ∂A, appelée mesure harmonique, définie par
μx (y) = Px (Xτ∂A = y), y ∈ ∂A.
On peut également parler de noyau de Poisson discret par analogie avec le

problème de Dirichlet sur un ouvert de Rd (voir chapitre 24).
Démonstration. La propriété Px (τ∂A < ∞) = 1 pour tout x ∈ A peut être

établie en procédant comme dans la remarque 2.3, ou encore comme dans la
preuve du théorème 2.2, qui fournit de plus une borne sous-géométrique pour
la queue de la loi de τ .
Vérifions que la fonction f proposée est bien solution. Pour tout x ∈ ∂A
on a τ∂A = 0 sur {X0 = x} et donc f = g sur ∂A. Montrons à présent que
Δf = 0 sur A. On se ramène tout d’abord par linéarité au cas où g = 1{z}
avec z ∈ ∂A. Ensuite on écrit, pour tout y ∈ Ā,
∞

f (y) = Py (Xτ∂A = z) = Py (Xn = z, τ∂A = n)
n=0
∞

= 1y=z + 1y∈A P(y, x1 )P(x1 , x2 ) · · · P(xn−1 , z).
n=1 x1 ,...,xn−1 ∈A
D’autre part, comme f = 0 sur ∂A \ {z} et Δ est local, on a, pour tout x ∈ A,

(Pf )(x) = P(x, y)f (y) = P(x, z)f (z) + P(x, y)f (y).
y∈Zd y∈A
Par conséquent, pour tout x ∈ A,

∞

(Pf )(x) = P(x, z)f (z) + P(x, y)P(y, x1 ) · · · P(xn−1 , z)
n=1 y,x1 ,...,xn−1 ∈A
= P(x, z)f (z) + (f (x) − (1x=z + P(x, z)))

= f (x)
où la dernière égalité vient de 1x=z = 0 et f (z) = 1. Ainsi on a Pf = f sur

A, c’est-à-dire que Δf = 0 sur A.
Pour établir l’unicité de la solution, on se ramène par linéarité à établir que
f = 0 est l’unique solution lorsque g = 0. Or, si f : Ā → R est harmonique
sur A, l’interprétation de (Δf )(x) comme écart à la moyenne sur les plus
proches voisins permet d’établir qu’à la fois le minimum et le maximum de f
sur Ā sont (au moins) nécessairement atteints sur le bord ∂A. Or, comme par
ailleurs f est nulle sur ∂A, il en découle que f est nulle sur Ā.
Le théorème 2.8 se généralise de la manière suivante :

Théorème 2.9 (Problème de Dirichlet et fonction de Green). Si A ⊂ Zd
est un ensemble non vide fini alors pour toutes fonctions g : ∂A → R et
h : A → R, la fonction f : Ā → R définie pour tout x ∈ Ā par

τ∂A −1
f (x) = Ex (g(Xτ∂A ) + h(Xn ))
n=0
est l’unique solution de

f =g sur ∂A,
Δf = −h sur A.
Lorsque d = 1 et h = 1 on retrouve la fonction R de la preuve du théorème
2.2. Le théorème 2.8 correspond au cas où h = 0. Pour tout x ∈ A on a

f (x) = g(y)Px (τ∂A = y) + h(y)GA (x, y)
y∈∂A y∈A
où GA (x, y) est le nombre moyen de passages en y en partant de x et avant

de sortir de A, c’est-à-dire
τ −1 ∞

∂A
GA (x, y) := Ex 1Xn =y = Px (Xn = y, n < τ∂A ).
n=0 n=0
On dit que GA est la fonction de Green de la marche aléatoire simple symé-

trique sur A tuée au bord ∂A. C’est l’inverse de la restriction −ΔA de −Δ
aux fonctions sur Ā nulles sur ∂A :
GA = −Δ−1
A .
En effet, si g = 0 et h = 1{y} alors f (x) = GA (x, y) d’où ΔA GA = −IA .

Démonstration du théorème 2.9. Grâce au théorème 2.8 il suffit par linéarité
de vérifier que f (x) = 1x∈A GA (x, z) est solution lorsque g = 0 et h = 1{z}
avec z ∈ A. Or pour tout x ∈ A, grâce à la propriété de Markov,
∞

f (x) = 1{x=z} + Px (Xn = z, n < τ∂A )
n=1
∞

= 1{x=z} + P(Xn = z, n < τ∂A | X1 = y)P(x, y)
y:|x−y|1 =1 n=1

= 1{x=z} + f (y)P(x, y).
u:|x−y|1 =1
On a bien f = h + Pf sur A, c’est-à-dire Δf = −h sur A.

2.3 Problème de Dirichlet et champ libre gaussien 33
Les preuves des théorèmes 2.8 et 2.9 restent valables pour des marches
aléatoires asymétriques sur Zd , à condition de remplacer le générateur Δ de
la marche symétrique par le générateur L := P−I, qui est un opérateur local :
|x − y| > 1 ⇒ L(x, y) = P(x, y) = 0. Le dépassement de ce cadre nécessite
l’adaptation de la notion de bord : {y ∈ A : ∃x ∈ A, L(x, y) > 0}.
Le champ libre gaussien 4 est un modèle d’interface aléatoire lié à la marche
aléatoire simple symétrique et au problème de Dirichlet. Soit A ⊂ Zd un sous-
ensemble non-vide fini. Une interface est une fonction de hauteur f : Ā → R
qui associe à chaque site x ∈ Ā une hauteur f (x), aussi appelée spin. Pour
simplifier, on impose la condition au bord f = 0 sur le bord extérieur ∂A de
A. On note FA l’ensemble des interfaces f sur Ā nulles sur le bord ∂A, qu’on
peut identifier à RA . L’énergie HA (f ) de l’interface f ∈ FA est définie par
1
HA (f ) = (f (x) − f (y))2 ,
4d
{x,y}⊂Ā
|x−y|1 =1
où on a posé f = 0 sur ∂A. L’énergie HA (f ) est d’autant plus petite que

l’interface f est «plate». En notant

u, vA := u(x)v(x)
x∈A
il vient, pour tout f ∈ FA ,

1 1
HA (f ) = (f (x) − f (y))f (x) = −Δf, f A .
4d 2
x∈A y∈Ā
|x−y|1 =1
Comme HA (0) = 0 et HA (f ) = 0 entraîne f = 0, la forme quadratique HA

n’est pas dégénérée, et on peut définir une loi gaussienne QA sur FA favorisant
les faibles énergies :

1 −HA (f )
QA (df ) = e df où ZA := e−HA (f ) df.
ZA FA
Cette loi gaussienne, appelée champ libre gaussien, est caractérisée par sa
moyenne mA : A → R et sa matrice de covariance CA : A × A → R, données
pour tous x, y ∈ A par

mA (x) := fx QA (df ) = 0
et

CA (x, y) := fx fy QA (df ) − mA (x)mA (y) = −(Δ−1
A )(x, y) = GA (x, y),
où fx désigne l’application coordonnée fx : f ∈ FA → f (x) ∈ R.

4. «Gaussian free field» (GFF) en anglais.
2.4 Marche aléatoire sur le groupe symétrique

On considère r 2 cartes à jouer empilées en un paquet vertical, et nu-
mérotées de 1 à r. On dit que la carte du dessus est en position 1, etc et que
celle du dessous est en position r. On étudie un battage de cartes très simple
pour mélanger le paquet de cartes, appelé «top to random shuffle» en anglais.
Plus précisément, on considère la k-insertion qui consiste à prendre la carte du
sommet du paquet et à l’insérer entre la k e et k + 1e positions. La 1-insertion
n’a aucun effet. On convient que la r-insertion place la carte du sommet sous
le paquet. On choisit d’effectuer des k-insertions successives en utilisant une
suite i.i.d. uniforme sur {1, . . . , r} pour choisir k.
Une configuration du paquet est codée par un élément σ du groupe symé-
trique Σr , de sorte que σ(k) désigne la position de la carte numéro k. Une
k-insertion fait passer de la configuration σ à la configuration (k, k −1, . . . , 1)σ
où (k, k − 1, . . . , 1) ∈ Sr désigne le k-cycle k → k − 1 → · · · → 1 → k.
En notant Xn la configuration du paquet à l’instant n, on obtient une
suite aléatoire (Xn )n0 de Σr vérifiant pour tout n 0,
Xn+1 = εn+1 Xn = εn+1 · · · ε1 X0
où (εn )n1 sont i.i.d. de loi uniforme sur C := {(k, k − 1, . . . , 1) : 1 k

r} ⊂ Σr . La suite (Xn )n0 est une marche aléatoire à gauche sur le groupe
(non abélien) Σr , d’incréments C. C’est aussi une chaîne de Markov d’espace
d’états fini Σr (de cardinal r!) et de noyau
1C (σ σ −1 ) 1C (σ σ −1 )
P(σ, σ ) = = .
|C| r
1 σ −1 (1)
.. ..
. .
r σ −1 (r)
Configuration initiale Configuration après mélange
Fig. 2.4. La carte en position k se déplace en position σ(k).
Théorème 2.10 (Convergence en loi). La chaîne (Xn )n0 est récurrente

irréductible apériodique. Son unique loi invariante est la loi uniforme sur Σr :
1 1
μ= δσ = δσ .
|Σr | r!
σ∈Σr σ∈Σr
La chaîne (Xn )n0 converge en loi vers μ quelle que soit la loi initiale Loi(X0 ).
2.4 Marche aléatoire sur le groupe symétrique 35
Démonstration. L’ensemble de transpositions spécial
T := {(r, r − 1), . . . , (2, 1), (1, r)}
engendre Σr . Comme les k-insertions (r, r − 1, . . . , 1) et (2, 1) correspondant à

k = r et à k = 2 engendrent T , on en déduit qu’elles engendrent Σr . Donc C
engendre Σr et la chaîne est irréductible. Comme l’identité (1) est également
une k-insertion (k = 1), la diagonale de la matrice de transition de la chaîne
est > 0 et donc la chaîne est apériodique. Comme Σr est un groupe, il y
a exactement r états qui conduisent à chaque état, donc les colonnes de la
matrice de transition ont exactement r entrées non nulles, toutes égales à 1/r.
Ainsi, la transposée de la matrice de transition est également une matrice
de transition 5 et donc la loi uniforme est invariante. Or toute chaîne finie
récurrente apériodique possède une unique loi invariante vers laquelle elle
converge en loi quelle que soit sa loi initiale.
On souhaite à présent étudier la vitesse de convergence de la chaîne vers sa
loi invariante, partant d’une configuration initiale X0 fixée. Par invariance par
translation, on peut supposer que X0 = (1), c’est-à-dire que toutes les cartes
sont dans l’ordre au départ. Au temps 0 la carte r est en position r (tout
en bas du paquet), et subit une remontée pas à pas au fil du temps jusqu’au
sommet. Cette remontée est de plus en plus rapide. Pour tout 1 k r − 1,
on note Tk le temps que cette carte passe en position r − k (et T0 = 0). Pour
tout k 1, on a, avec la convention T1 + · · · + Tk−1 = 0 si k = 1,
Tk = min{n 1 : XT1 +···+Tk−1 +n = r − k}

= min{n 1 : Xn (r) = r − k} − (T1 + · · · + Tk−1 ).
Au temps T1 + · · · + Tr−1 la carte r est en position 1 (sommet du paquet). La

variable aléatoire
T := 1 + T1 + · · · + Tr−1
suit la loi du collectionneur de coupons de r coupons de probabilité d’appari-
tion uniforme (chapitre 1). Les variables aléatoires T1 , . . . , Tr−1 sont indépen-
dantes avec Tk ∼ Geo(k/r) pour tout 1 k r − 1. Notons que T r.
Théorème 2.11 (Bon mélange après remontée). Le temps T est un temps
fort de stationnarité : pour tout n 0, les variables aléatoires XT +n et T sont
indépendantes et de plus XT +n suit la loi uniforme μ sur Σr .
Démonstration. La loi uniforme sur Σr peut s’obtenir en tirant uniformément
sans remise les images de 1, . . . , r. D’autre part, la loi uniforme sur Σr est
invariante par translation.
5. Elle est doublement stochastique (ou bistochastique). L’ensemble des matrices
doublement stochastiques n × n est un polytope (intersection de demi-espaces)
convexe et compact à (n − 1)2 degrés de liberté. Ses points extrémaux sont les
matrices de permutations (Birkhoff et von Neumann). Encore le groupe symétrique !
Au temps T1 , la carte r se trouve pour la première fois en position r−1, car

la carte numéro 1 a été glissée sous le paquet. Au temps T1 + T2 , la carte r se
trouve pour la première fois en position r−2 car la carte numéro 2 a été glissée
sous ou sur la carte 1. Les numéros des deux cartes sous le paquet sont 1, 2 ou
2, 1 avec probabilité 1/2. Par récurrence, au temps T1 + · · · + Tr−1 = T − 1, la
carte r se trouve au sommet du paquet pour la première fois et les r − 1 cartes
qui sont sous elle ont des numéros répartis uniformément sans remise dans
{1, . . . , r−1}. Au temps T , la carte r est placée aléatoirement et uniformément
dans le paquet à une position entre 1 et r et donc XT suit la loi uniforme.
Comme la probabilité P(XT = σ, T = k) ne dépend pas de σ, on en déduit
que T et XT sont indépendantes. Or comme la loi μ est invariante, on obtient
XT +n ∼ μ pour tout n 0.
Pour bien mélanger le paquet de cartes, on pourrait s’arrêter au temps
T . Malheureusement, on ne connaît pas T en pratique ! Alternativement, on
pourrait chercher à déterminer une valeur de n, aussi petite que possible,
telle que dVT (Loi(Xn ), μ) est proche de zéro, où dVT (·, ·) est la distance en
variation totale (section 1.3). Il s’avère que pour r assez grand, la quantité
dVT (Loi(Xn ), μ) passe de 1 à 0 de manière abrupte 6 autour de n = r log(r).
Ce phénomène de convergence abrupte est quantifié par le théorème suivant.
Théorème 2.12 (Convergence abrupte en n = r log(r)). Pour tout réel c > 0,

dVT Loi(X r log(r)+cr ), μ e−c+εr avec 0 εr < 1/r.
Si cr 0 vérifie limr→∞ cr = ∞ et r log(r) − rcr > 0 pour tout r 1, alors

lim dVT Loi(Xr log(r)−rcr ), μ = 1.
r→∞
Démonstration. Grâce au théorème 2.11, on a, pour tout A ⊂ Σr ,

n
P(Xn ∈ A) = P(Xn ∈ A, T = k) + P(Xn = σ, T > n)
k=0
n
P(Xn ∈ A, T = k) + P(T > n)
k=0
n
= P(XT +n−k ∈ A, T = k) + P(T > n)
k=0
n
= μ(A)P(T = k) + P(T > n)
k=0
= μ(A)P(T n) + P(T > n)
μ(A) + P(T > n).
6. On parle de «cutoff phenomenon» en anglais.

d’où P(Xn ∈ A) − μ(A) P(T > n). Appliqué à A et Ac , cela donne
dVT (Loi(Xn ), μ) P(T > n), n 0.
Le résultat découle du théorème 1.17 sur le collectionneur de coupons.

La figure 1.2 illustre le phénomène de convergence abrupte.

La marche aléatoire simple sur Zd , étudiée notamment par George Pó-
lya puis par Frank Spitzer, fait partie des modèles de base des probabilités.
Elle fait l’objet d’une attention particulière dans les livres de William Feller
[Fel68], Frank Spitzer [Spi70], Peter G. Doyle et Laurie Snell [DS84], et de
James Norris [Nor98a]. La démonstration du théorème 2.7 est tirée d’un ar-
ticle [CF51] de Kai Lai Chung et Wolfgang Heinrich Johannes Fuchs. Cette
analyse de Fourier peut être poussée plus loin, comme expliqué par exemple
dans les livres de Gregory Lawler et Vlada Limic [Law13, LL10]. L’astuce
combinatoire de Désiré André se trouve dans [And87].
Les nombres de Catalan interviennent très fréquemment en combinatoire.
Ils comptent, outre les chemins de la marche aléatoire simple, les mots de
Dyck, les parenthésages, les triangulations d’un polygone, les partitions non
croisées, les chemins sous-diagonaux dans le carré, les arbres planaires, etc.
La physique statistique a inspiré nombre de modèles de marches aléatoires :
marches aléatoires en milieu aléatoire, en paysage aléatoire, en auto interac-
tion (évitement, renforcement, excitation, . . . ), etc. Ce sujet historique est
d’une grande richesse et fait toujours l’objet de recherches à l’heure actuelle.
Les chapitres 3, 6, et 15 font intervenir des marches aléatoires. Par ailleurs le
théorème limite central permet de concevoir le mouvement brownien comme
un analogue en temps et en espace continus de la marche aléatoire simple,
obtenu comme limite d’échelle de modèles discrets (εZd approche Rd ). Le
problème de Dirichlet discret est étudié en détail dans le livre de Gregory
Lawler [Law13]. Le problème de Dirichlet possède une version à temps et
espace continus, étudiée dans le chapitre 24, qui est une limite d’échelle du
problème de Dirichlet discret. Au niveau du processus, la marche aléatoire
simple symétrique devient le mouvement brownien grâce au théorème limite
central, tandis qu’au niveau du générateur, le laplacien discret devient l’opé-
rateur différentiel laplacien grâce à une formule de Taylor. Le champ libre
gaussien constitue un objet fondamental en physique mathématique, abordé
par exemple dans le livre de James Glimm et Arthur Jaffe [GJ87], tandis que
sa limite d’échelle est présentée dans l’article [She07] de Scott Sheffield.
Le modèle de battage de cartes étudié dans ce chapitre, bien que peu
réaliste, a le mérite de mener très simplement au phénomène important de
convergence abrupte à l’équilibre, commun à la plupart des manières de mé-
langer les cartes qui ont été étudiées, comme par exemple le «riffle shuffle» :
on coupe le paquet en deux et on fusionne les deux sous-paquets en intercalant

leurs cartes. La convergence abrupte dans les battages de cartes fait partie plus
généralement du thème de la convergence à l’équilibre des chaînes de Markov,
très étudié par Persi Diaconis et ses collaborateurs, et brillamment présenté
dans les livres de David Aldous et James Fill [AF01] et de David Levin, Yuval
Peres, et Elizabeth Wilmer [LPW09].
Le collectionneur de coupons intervient également dans l’analyse de la
marche aléatoire sur l’hypercube (section 9.1) qui constitue un exemple re-
marquable de marche aléatoire sur un graphe régulier. Il est également possible
de définir des marches aléatoires sur des graphes orientés ou non plus géné-
raux, en considérant, pour chaque sommet, une loi sur ses voisins. Ces marches
constituent des chaînes de Markov. Réciproquement, toute chaîne de Markov
d’espace d’états au plus dénombrable peut être vue comme une marche aléa-
toire sur son graphe squelette. L’algorithme PageRank de Google est basé sur
une marche aléatoire sur le graphe orienté des pages web. Un autre exemple
classique est celui de la marche aléatoire sur le graphe de Cayley d’un groupe
finiment engendré. On peut enfin définir une marche aléatoire sur un groupe
en utilisant des «incréments» i.i.d.
3
Branchement et processus de Galton-Watson
Mots-clés. Arbre aléatoire ; branchement ; généalogie ; dynamique de po-

pulation ; phénomène de seuil.
Outils. Fonction génératrice ; transformée de Laplace ; martingale ; chaîne
de Markov ; marche aléatoire.
Difficulté. *
Les processus de branchement constituent une classe importante présente

dans un grand nombre de situations probabilistes. Ce chapitre est une in-
troduction au processus de branchement de Galton-Watson, qui joue un rôle
presque aussi important que les marches aléatoires au sein des probabilités.
Le processus de Galton-Watson décrit l’évolution d’une population asexuée
au fil de générations qui ne se recoupent pas. Soit P := p0 δ0 + p1 δ1 + · · ·
une loi sur N appelée loi de reproduction. On passe de la génération n à la
génération n + 1 comme suit : tous les individus de la génération n donnent
indépendamment un nombre aléatoire d’enfants de loi P puis meurent. Si Zn
désigne le nombre d’individus de la génération n ∈ N, alors Z0 représente la
taille de la population initiale et Zn+1 vérifie l’équation de récurrence

Zn
Zn+1 = Xn+1,k
k=1
où (Xn,k )n1,k1 sont des variables aléatoires i.i.d. de loi P , indépendantes de

Z0 . On adopte la convention ∅ = 0 de sorte que si Zn = 0 alors Zn+1 = 0.
Pour tous n ∈ N et z0 , . . . , zn ∈ N, on a
Loi(Zn+1 | Z0 = z0 , . . . , Zn = zn ) = Loi(Zn+1 | Zn = zn ) = P ∗zn .
La suite (Zn )n0 est donc une chaîne de Markov d’espace d’états N et de
noyau de transition P donné pour tout z ∈ N par

40 3 Branchement et processus de Galton-Watson
P(z, ·) = P ∗z .
L’état 0 est absorbant (extinction de population). Le temps d’extinction est
T := inf{n 0 : Zn = 0} ∈ N ∪ {∞}.
Remarque 3.1 (Motivations initiales). L’une des motivations initiales de ce

modèle était d’estimer la probabilité de survie de la lignée masculine d’une
famille, et ceci explique sans doute le fait que le modèle soit asexué.
Remarque 3.2 (Arbre de Galton-Watson). La suite (Zn )n0 issue de Z0 = 1
se représente comme un arbre aléatoire dont la loi de branchement est P .
La variable Zn est le nombre de noeuds de profondeur n. Un arbre r-naire
correspond à P = δr mais on prendra garde au fait qu’il ne s’agit pas d’un
graphe r-régulier car la racine (ancêtre général) possède r voisins tandis que
tous les autres sommets (descendants de l’ancêtre général) possèdent r + 1
voisins. L’arbre a pour profondeur ou hauteur T = inf{n ∈ N : Zn = 0},
pour largeur maxn∈N Zn , et pour taille totale N = Z0 + · · · + ZT −1 . L’arbre
de la figure 3.2 est de profondeur 3, largeur 5, et taille totale 12. Lorsque
Z0 > 1, on parle parfois de forêt aléatoire.
On effectue à présent les observations suivantes :
— Le comportement de (Zn )n0 se ramène au cas Z0 = 1 car condition-
nellement à {Z0 = z}, la suite (Zn )n0 a la loi de la somme de z copies
i.i.d. partant de 1. C’est la propriété de branchement :
loi
Z (x+y) = Z (x) + Z (y)
où Z (x) et Z (y) sont indépendants ;

— Si pz = 1 pour un z ∈ N alors P = δz d’où, pour tout n 0,
Zn+1 = zZn = · · · = z n+1 Z0 ;
— Si p0 = 0 et p1 < 1 alors P(Zn ∞ | Z0 = 1) = 1 en comparant à un

jeu de pile ou face ;
— Si p0 + p1 = 1 et p0 = 0, alors P(Zn 0 | Z0 = 1) = 1 en comparant à
un jeu de pile ou face, et le temps d’extinction T est géométrique.
Ces observations nous conduisent à supposer que dans toute la suite :
Z0 = 1 et 0 < p0 p0 + p1 < 1.
Ceci implique que pz < 1 pour tout z ∈ N. Ceci implique aussi que Z1 ∼ P
car Z0 = 1. Dans toute la suite, on note m := p1 + 2p2 + · · · la moyenne de
P lorsqu’elle existe, et σ 2 ∈ R+ la variance de P lorsque m existe.
3.1 Extinction et phénomène de seuil

Nous commençons par les deux premiers moments de Zn .
3.1 Extinction et phénomène de seuil 41
Théorème 3.3 (Moyenne et variance).

— si m existe alors E(Zn ) = mn pour tout n 0 ;
— si m existe et si σ 2 < ∞ alors pour tout n 0,
⎧
⎨ 2 n−1 (m − 1)
n
σ m si m = 1;
Var(Zn ) = m−1
⎩nσ 2 si m = 1.
Démonstration. La formule de l’espérance découle de E(Zn+1 | Zn ) = mZn et

Z0 = 1. Pour la variance, E(Zn+1
2
| Zn ) = Zn (σ 2 + m2 ) + Zn (Zn − 1)m2 donne
E(Zn+1
2
) = E(Zn )(σ 2 + m2 ) + (E(Zn2 ) − E(Zn ))m2 ,
et un calcul conduit alors à la récurrence Var(Zn+1 ) = Var(Zn )m2 +mn σ 2 .

Le comportement asymptotique de la taille moyenne E(Zn ) = mn ne dé-
pend que du paramètre m et révèle un phénomène de seuil autour de la valeur
critique m = 1. On adopte tout naturellement la terminologie suivante pola-
risée par le paramètre m :
— cas sous-critique : m < 1,
E(Zn ) 0 avec Var(Zn ) → 0 si σ 2 < ∞;
— cas critique : m = 1,
E(Zn ) = 1 avec Var(Zn ) → ∞ si σ 2 < ∞;
— cas sur-critique : m > 1,
E(Zn ) ∞ avec Var(Zn ) → ∞ si σ 2 < ∞.
Les formules pour l’espérance E(Zn ) et la variance Var(Zn ) de Zn peuvent

être obtenues en utilisant une fonction génératrice. Rappelons que la fonction
génératrice g : [0, 1] → [0, 1] de la loi P est la série entière réelle
∞

g(s) = E(sX1,1 ) = pz sz .
z=0
Si P a un moment d’ordre r alors
lim g (r) (s) = E(X1,1 (X1,1 − 1) · · · (X1,1 − r + 1))

s→1
(moment factoriel d’ordre r de P ), en particulier
g (1− ) = m et g (1− ) = σ 2 + m2 − m.
Théorème 3.4 (Fonction génératrice de Zn ). Pour tout n 1 la fonction

génératrice gn de Zn vérifie gn = g ◦n := g ◦ · · · ◦ g .

n fois
Démonstration. On a g1 = g car Z0 = 1. Pour tout n 1 et tout s ∈ [0, 1],

gn+1 (s) = E(sZn+1 ) = E(E(sZn+1 |Zn ))
= E((E(sX1,1 ))Zn ) = E(g(s)Zn ) = gn (g(s)).
Remarque 3.5 (Liens entre Galton-Watson et Wright-Fisher). Considérons

le cas où la loi de reproduction P est une loi de Poisson Poi(λ). Pour tout
entier N 1 fixé, la loi de (X1,1 , . . . , X1,N ) sachant que X1,1 +· · ·+X1,N = N
est la loi multinomiale Mul(N, (1/N, . . . , 1/N )). En effet, pour (k1 , . . . , kN )
dans NN tels que k1 + · · · + kN = N , la probabilité
P(X1,1 = k1 , . . . , X1,N = kN |X1,1 + · · · + X1,N = N )
est égale à (puisque X1,1 + . . . + X1,N suit la loi de Poisson de paramètre λN )
P(X1,1 = k1 , . . . , X1,N = kN ) N!
= .
P(X1,1 + · · · + X1,N = N ) k1 ! . . . kN !
Ainsi, le modèle de Wright-Fisher du chapitre 12 est lié au modèle de Galton-
Watson de loi de reproduction Poisson conditionné à être de taille constante
(remarque 13.1). Le processus de Galton-Watson décrit l’évolution de la taille
de la population, et ne dit rien à l’échelle individuelle. Réciproquement, si
(Y1 , . . . , YN ) suit la loi multinomiale Mul(N, (1/N, . . . , 1/N )) alors pour tout
k 1 fixé, (Y1 , . . . , Yk ) converge en loi quand N → ∞ vers la loi produit
Poi(1)⊗k , ce qui indique que les individus dans un processus de Wright-Fisher
de grande taille ont tendance à faire des enfants de manière poissonnienne et
indépendante les uns des autres.
Théorème 3.6 (Dichotomie). Presque sûrement, soit le processus s’éteint :
lim Zn = 0
n→∞
soit il tend vers l’infini (explosion) :

lim Zn = ∞.
n→∞
Autrement dit, presque sûrement

∞ si T = ∞;
lim Zn =
n→∞ 0 si T < ∞.
Démonstration. Comme p0 > 0, on a P(z, 0) = pz0 > 0 pour tout z ∈ N∗ ,

et comme 0 est absorbant, on en déduit que tout z ∈ N∗ est transitoire. Or
presque sûrement, la chaîne ne visite qu’un nombre fini de fois chaque état
transitoire, et donc presque sûrement, soit la chaîne est capturée par l’état
absorbant 0 soit elle diverge vers l’infini. Autrement dit, p.s. le processus finit
par sortir, en temps suffisamment grand, de tout intervalle fini de N∗ .
3.1 Extinction et phénomène de seuil 43
Le théorème 3.6 suggère d’étudier la probabilité d’extinction P(T < ∞).

Théorème 3.7 (Probabilité d’extinction du processus). La probabilité d’ex-
tinction P(T < ∞) est point fixe de g. Si m 1 alors g possède un unique
point fixe, égal à 1, et P(T < ∞) = 1. Si m > 1 alors g possède deux points
fixes, s ∈ ]0, 1[ (attractif) et 1 (répulsif) et P(T < ∞) = s.
Démonstration. Comme Zn est entière, on a
{T < ∞} = { lim Zn = 0} = ∪n0 {Zn = 0}.

n→∞
La suite ({Zn = 0})n0 est croissante et la probabilité d’extinction vérifie
P(T < ∞) = P( lim Zn = 0) = P(∪n0 {Zn = 0}) = lim P(Zn = 0).

n→∞ n→∞
Or du théorème 3.4 on tire P(Zn = 0) = gn (0) = g ◦n (0) et donc
P(T < ∞) = lim gn (0) = lim g ◦n (0).

n→∞ n→∞
La probabilité d’extinction ρ := P(T < ∞) = limn→∞ g ◦n (0) vérifie g(ρ) = ρ

car g : [0, 1] → [0, 1] est continue. La fonction g est convexe car
∞

g (s) = (z + 2)(z + 1)sz pz+2 .
z=0
Comme p0 + p1 < 1, la fonction g est en fait strictement convexe (elle est

affine lorsque p0 + p1 = 1). D’autre part, g(0) = p0 ∈ ]0, 1[ et g(1) = 1. Par
conséquent, si g (1− ) = m 1 alors le graphe de g est au-dessus de la première
bissectrice et 1 est le seul point fixe. Si g (1− ) = m > 1 alors le graphe de g
traverse une et une seule fois la première bissectrice sur l’intervalle ]0, 1[ et
g admet un second point fixe s ∈ ]0, 1[. Reste à observer que si m > 1 alors
g (1− ) = m > 1 et donc 1 n’est pas un point fixe attractif. La figure 3.1
illustre des cas particuliers tirés des exemples 3.8 et 3.9.
Exemple 3.8 (Reproduction poissonnienne). Si P = Poi(λ) alors m = λ et

g(s) = eλ(s−1) et donc si λ 1 alors la population s’éteint presque sûrement
tandis que si λ > 1 alors la probabilité d’extinction s est l’unique solution sur
]0, 1[ de l’équation λ = log(s)/(s − 1).

Exemple 3.9 (Reproduction géométrique). Si P = GeoN (p) = n0 q n pδn
alors m = q/p et g(s) = p/(1 − sq) et donc si p 1/2 alors la population
s’éteint presque sûrement tandis que si p < 1/2 alors la probabilité d’extinction
s est l’unique solution sur ]0, 1[ de l’équation qs2 − s + p = 0. Un petit calcul
fort agréable donne s = p/q.
On a donc la classification suivante d’après le théorème 3.7 :
— sous-critique (m < 1) : la population s’éteint presque sûrement ;
0.8
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1
Fig. 3.1. En pointillés, la fonction génératrice de la loi géométrique de paramètre

1/4 (deux points fixes : 1/3, attractif, et 1, répulsif) ainsi que celle de la loi de
Poisson de paramètre 1 (unique point fixe en 1). La ligne continue est la première
bissectrice.
— critique (m = 1) : la population s’éteint presque sûrement ;

— sur-critique (m > 1) : la population s’éteint avec probabilité p ∈ ]0, 1[.
Pour étudier plus finement (Zn )n0 , on introduit (Yn )n0 définie par
Zn Zn
Yn = = n.
E(Zn ) m
Son utilité vient du fait que c’est une martingale pour la filtration naturelle :
E(Xn+1,1 + · · · + Xn+1,Zn | Zn ) mZn

E(Yn+1 | σ(Y0 , . . . , Yn )) = = n+1 = Yn .
mn+1 m
On a E(Yn ) = 1. Comme (Yn )n0 est une martingale positive, elle converge
presque sûrement vers une v.a.r. positive et intégrable Y∞ , et donc en parti-
culier Y∞ < ∞ p.s. Sur l’événement {Y∞ > 0} on a Zn ∼n→∞ mn Y∞ p.s.
Comme Yn = 0 si n T , on obtient {T < ∞} ⊂ {Y∞ = 0} presque
sûrement. D’après le théorème 3.7, dans le cas sous-critique (m < 1) et critique
(m = 1), on a P(T < ∞) = 1, d’où P(Y∞ > 0) = 0. Néanmoins, toujours
si m 1 alors supn0 m Zn
n n’est pas intégrable, car sinon, par convergence
dominée, on aurait 0 = E(YT ) = E(limn→∞ Yn ) = limn→∞ E(Yn ) = 1.

Remarque 3.10 (Martingales). Il est possible de retrouver une partie du
théorème 3.7 en utilisant les martingales. En effet, si m < 1, alors
Yn Yn 1{T =∞} m−n 1{T =∞}

3.2 Étude des trois cas possibles 45
car Zn 1 si n < T , et par conséquent
1 = E(Y0 ) = E(Yn ) m−n P(T = ∞),
d’où P(T < ∞) = 1. Lorsque m = 1, on a Zn = Yn → Y∞ < ∞ p.s. d’où

Zn → ∞ p.s. d’où P(T < ∞) = 1 (théorème 3.6). Supposons à présent que
m > 1, et notons s le plus petit point fixe de g. La suite
(sZn )n0
est une martingale à valeurs dans [0, 1]. Comme Zn → ∞ p.s. sur {T = ∞}
(théorème 3.6) et Zn = 0 si n T , et comme 0 < s < 1, il vient
p.s.
sZn = sZn 1{T =∞} + sZn 1{T <∞} −→ 1{T <∞} .
n→∞
Par convergence dominée on obtient s = E(sZ0 ) = E(sZn ) → P(T < ∞).
3.2 Étude des trois cas possibles

Cas sous-critique
Si m < 1 alors P(T < ∞) = 1 et Zn = Zn∧T → ZT = 0 p.s. (théorème

3.7) et E(Zn ) = mn → 0 et Var(Zn ) → 0 si σ 2 < ∞ (théorème 3.3).
Théorème 3.11 (de Yaglom). Si m < 1 alors Loi(Zn | Zn > 0) converge
lorsque n → ∞ vers une loi μ sur N∗ dont la fonction génératrice h vérifie
(h − 1) ◦ g = m(h − 1).
Démonstration. Soit hn la fonction génératrice de μn := Loi(Zn | Zn > 0). La

suite (hn (1))n1 est constante et égale à 1 et converge donc vers h(1) := 1.
Pour tout s ∈ [0, 1[, on a
E(sZn 1{Zn >0} ) E(sZn ) − P(Zn = 0) 1 − gn (s)

1 − hn (s) = 1 − =1− =
P(Zn > 0) P(Zn > 0) 1 − gn (0)
car P(Zn > 0) = 1 − P(Zn = 0) = 1 − gn (0). On rappelle que gn+1 = g ◦ gn ,

et que gn (s) → 1 et gn (0) → 1 quand n → ∞ car 1 est l’unique point fixe de
g car m < 1 (théorème 3.7). Comme les fonctions gn et
1 − g(s)
s → r(s) :=
1−s
sont croissantes sur [0, 1[, on a
1 − hn+1 (s) 1 − gn+1 (s) 1 − gn (0) r(gn (s))

= = 1.
1 − hn (s) 1 − gn (s) 1 − gn+1 (0) r(gn (0))
Par conséquent, la suite positive (1 − hn (s))n1 est croissante, et comme elle

est majorée par 1, elle converge vers une limite 1 − h(s). On a
1 − gn+1 (0) 1 − gn+1 (s)

1 − hn (g(s)) = .
1 − gn (0) 1 − gn+1 (0)
Comme gn (0) P(T < ∞) = 1 on en déduit que
1 − gn+1 (0) g(1) − g(gn (0))

= → g (1) = m.
1 − gn (0) g(1) − gn (0)
Donc (1−h)◦g = m(1−h) sur [0, 1[ et donc sur [0, 1]. Reste à établir que h est la
fonction génératrice d’une loi μ sur N∗ et que (μn )n1 converge (étroitement)
vers μ. Comme (hn )n1 converge ponctuellement sur [0, 1[ vers h, il est bien
classique d’établir que μn (z) converge vers une limite μ(z) ∈ [0, 1] pour tout
z ∈ N∗ , dont la fonction génératrice est égale à h sur [0, 1[. Le fait que la
sous-probabilité μ est une loi de probabilité peut se déduire de l’équation
fonctionnelle vérifiée par h en considérant la limite en 1.
Cas critique
Si m = 1 alors P(T < ∞) = 1 et Zn = Zn∧T → ZT = 0 p.s. (théorème

3.7) et E(Zn ) = 1 et Var(Zn ) → ∞ si σ 2 < ∞ (théorème 3.3). La «largeur»
de l’arbre supn0 Zn n’est pas intégrable car cela entraînerait par convergence
dominée que 1 = limn→∞ E(Zn ) = E(limn→∞ Zn ) = 0 ce qui est absurde. Les
arbres critiques sont donc souvent très larges mais leur profondeur est finie
p.s. : une folie des grandeurs passagère rattrapée irrémédiablement par un
manque de fertilité. Le cas est critique ! Notons par ailleurs que si m = 1 alors
(Zn )n0 = (Yn )n0 et on retrouve au passage que Y∞ = 0 p.s.
Théorème 3.12 (Cas critique). Si m = 1 et σ 2 < ∞ alors
1. limn→∞ nP(Zn > 0) = 2σ −2
2. limn→∞ n1 E(Zn | Zn > 0) = 12 σ 2
3. Loi(n−1 Zn | Zn > 0) converge quand n → ∞ vers la loi Exp(2σ −2 ).
Le 2. n’est pas une conséquence directe du 3. car la convergence en loi
n’entraîne pas la convergence des moments, en particulier n’entraîne pas la
convergence des espérances. Un contre-exemple est fourni par (Zn )n1 qui
converge p.s. vers 0 donc en loi vers δ0 mais 1 = E(Zn ) ne converge pas
vers la moyenne de δ0 qui est 0. Le théorème affirme cependant qu’il y a
convergence de l’espérance de n−1 Zn vers l’espérance 2σ −2 de la limite en loi
de n−1 Zn . La convergence en distance de Wasserstein d’ordre p est équivalente
à la convergence en loi ainsi que la convergence des moments jusqu’à l’ordre
p. La convergence des moments joue un rôle important dans la preuve du
théorème de Wigner du chapitre 21.
3.2 Étude des trois cas possibles 47
Démonstration. On a
−1
1 1 1
nP(Zn > 0) = n(1 − gn (0)) = −1 + .
n 1 − gn (0) n
La formule de Taylor avec reste intégral en 1 à l’ordre 2 donne
1
g(s) = s + (1 − s)2 σ 2 + (1 − s)2 α(s)
2
avec α bornée sur [0, 1] et lims→1 α(s) = 0. Il en découle que
1 1 g(s) − s
− =
1 − g(s) 1 − s (1 − g(s))(1 − s)
1 2
2 σ + α(s) σ2
= = + β(s)
1 − 2 (1 − s)σ 2 − (1 − s)α(s)
1 2
où β est comme α. Comme (gk )k1 converge uniformément vers 1, il vient

n−1
1 1 1 1 1 1 σ2
lim − = lim − =
n→∞ n 1 − gn (s) 1−s n→∞ n 1 − g(gk (s)) 1 − gk (s) 2
k=0
uniformément pour tout s ∈ [0, 1[. De même, comme Zn 1{Zn >0} = Zn , on a

E(Zn 1{Zn >0} ) E(Zn ) σ2
E(n−1 Zn | Zn > 0) = = → .
nP(Zn > 0) n(1 − gn (0)) 2
Toujours de la même manière, on a pour tout t ∈ R∗+ , en notant sn = e−t/n ,
1 E(sZn 1{Zn >0} )

n
E(e−t n Zn | Zn > 0) =
P(Zn > 0)
gn (sn ) − gn (0) 1 − gn (sn )
= =1−
1 − gn (0) 1 − gn (0)
que l’on peut encore écrire
−1
1 1 1 1 1
1− − +
n(1 − gn (0)) n 1 − gn (sn ) 1 − sn n(1 − sn )
On obtient donc
−1
1
−t n σ2 σ2 1
E(e Zn
| Zn > 0) → 1 − +
2 2 t
1
= 2
1 + σ2 t
∞
2 2
= 2 e−tx e− σ2 x dx.
σ 0
Cas sur-critique
Si m > 1 alors 0 < P(T < ∞) < 1 (théorème 3.7) avec Zn → 0 sur
l’événement {T < ∞} et Zn → ∞ sur {T = ∞} (théorème 3.6). D’autre part
E(Zn ) = mn → ∞ et Var(Zn ) → ∞ si σ 2 < ∞ (théorème 3.3). Enfin, si
m > 1, on sait que sur {T < ∞} on a Zn → 0 tandis que sur {Y∞ > 0} on
a Zn ∼n→∞ mn Y∞ . On a aussi {T < ∞} ⊂ {Y∞ = 0} p.s. et le théorème
suivant, fort agréable, affirme que cette inclusion p.s. est une égalité p.s.
Théorème 3.13 (Explosion dans le cas sur-critique). Si E(Y∞ ) = 1 alors
{Y∞ = 0} = {T < ∞} p.s. , et donc p.s.
— soit Y∞ = 0 et limn→∞ Zn = 0 ;
— soit Y∞ > 0 et Zn ∼n→∞ mn Y∞ +∞.
Démonstration. Comme E(Y∞ ) = 1 et Y∞ 0 on a P(Y∞ > 0) > 0. Sur
{Y∞ > 0} on a Zn ∼n→∞ mn Y∞ → ∞ et on retrouve P(T < ∞) < 1. Pour
établir que l’inclusion p.s. {Y∞ > 0} ⊂ {T = ∞} est une égalité p.s., nous
allons montrer que
P(Y∞ = 0) = P(T < ∞).
En effet, pour tout z ∈ N∗ , par les propriétés de Markov et de branchement,
P(Y∞ = 0 | Z1 = z) = P( lim Yn = 0 | Z1 = z)
n→∞
= P( lim Yn = 0)z = P(Y∞ = 0)z ,
n→∞
et comme Z1 ∼ P , on a P(Y∞ = 0) = g(P(Y∞ = 0)), et donc P(Y∞ = 0) est

point fixe de g. Or comme P(Y∞ = 0) < 1 on obtient P(Y∞ = 0) = P(T < ∞)
grâce au théorème 3.7, ce qui achève la preuve.
Notons que le lemme de Fatou donne E(Y∞ ) lim inf n→∞ E(Yn ) = 1, ce
qui assure que Y∞ est intégrable, mais la convergence de (Yn )n0 vers Y∞
n’a pas forcément lieu dans L1 . Enfin, le lemme de Scheffé nous dit que la
convergence a lieu dans L1 si et seulement si E(Y∞ ) = 1.
Théorème 3.14 (Loi de Y∞ dans le cas sur-critique). Si m > 1 et σ 2 < ∞
alors la martingale (Yn )n0 converge p.s. et dans L2 vers une variable aléatoire
Y∞ 0 de moyenne E(Y∞ ) = 1 et de variance Var(Y∞ ) = σ 2 /(m2 − m). De
plus, la transformée de Laplace t ∈ R+ → L∞ (t) = E(e−tY∞ ) de Y∞ est
caractérisée par les propriétés suivantes :
L∞ (0) = −1 et L∞ (mt) = g(L∞ (t)) pour tout t ∈ R+ .
Démonstration. La martingale (Yn )n0 est bornée dans L2 car
Var(Zn ) + E(Zn )2 σ2 σ2
E(Yn2 ) = = 2 − n 2 +1
m 2n m − m m (m − m)
3.3 Taille de l’arbre en régimes critique et sous-critique 49
(théorème 3.3) qui converge car m > 1. Par conséquent, (Yn )n0 converge
p.s. et dans L2 vers une v.a.r. Y∞ dont les deux premiers moments sont la
limite de ceux de Yn . Il est possible de procéder directement sans faire appel à
un théorème de martingales, grâce au fait que la convergence L2 est ici assez
rapide. En effet, par le théorème 3.3 on obtient, pour tout n, k 0,
σ 2 1 − m−k
E((Yn+k − Yn )2 ) = .
mn m2 − m
Comme m > 1, ceci montre que (Yn )n0 est une suite de Cauchy dans L2 .
Comme
∞ L2 est complet, elle converge vers une v.a.r. Y∞ ∈ L2 . La série
n=0 E((Yn − Y∞ ) ) converge également grâce à la borne géométrique en
2
−n
m sur E((Y∞ − Yn )2 ) obtenue en faisant k → ∞. Par convergence mono-
∞
tone, on obtient E( n=0 (Yn − Y∞ )2 ) < ∞ et donc (Yn )n0 converge p.s. vers
Y∞ . Les deux premiers moments de Y∞ s’obtiennent facilement.
On a L∞ (0) = −E(Y∞ ) = −1. De plus, la transformée de Laplace t ∈
R+ → Ln (t) = E(e−tYn ) de Yn vérifie pour tout n 0
Ln+1 (mt) = gn+1 (e− mn+1 ) = g(gn (e− mn )) = g(Ln (t)),

mt t
d’où limn→∞ L∞ (mt) = g(L∞ (t)) car L∞ = limn→∞ Ln et g est continue.
3.3 Taille de l’arbre en régimes critique et sous-critique

Le théorème 3.3 fournit la moyenne de la population totale au temps n :
1 − mn+1
E(Z0 + · · · + Zn ) = 1m=1 + (n + 1)1m=1 .
1−m
On peut obtenir une formule similaire pour la variance (exercice !). On se place
dans cette section en régime critique ou sous-critique m 1. Nous savons que
la population s’éteint presque sûrement, et la population totale (ou taille de
l’arbre) est donc donnée par
N = lim Z0 + · · · + Zn (= Z0 + · · · + ZT −1 ),
n→∞
d’où, par convergence monotone,

⎧
⎨ 1 si m < 1,
E(N ) = 1 − m
⎩∞ si m = 1.
Comme Zn 1 si n < T il vient T Z0 + · · · + ZT −1 = N d’où l’inégalité

E(T ) E(N ) = 1/(m − 1). Dans le cas critique, la population totale N est
finie p.s. mais n’est pas intégrable.
Nous allons caractériser la loi de N en fonction de la loi de reproduction P .

Tout d’abord, nous pouvons exploiter la propriété de branchement : comme
l’individu racine donne naissance à X1,1 arbres de Galton-Watson i.i.d., la loi
de N vérifie
loi

X1,1
N = 1+ N (i)
i=1
(i)
où les variables aléatoires (N )i1 sont i.i.d. de même loi que N . Cette égalité
en loi permet de retrouver la formule E(N ) = (1 − m)−1 1m<1 + ∞1m=1 , et
fournit plus généralement le lemme suivant.
Lemme 3.15 (Fonction génératrice de N ). Si g et f sont les fonctions géné-
ratrices respectives de X1,1 et N , alors la fonction f est solution de l’équation
f (s) = s(g ◦ f )(s) pour s ∈ [0, 1].

Exemple 3.16 (Reproduction géométrique). Si P = GeoN (p) = n0 q n pδn
avec p 1/2, alors f (s) est solution de l’équation qf (s)2 − f (s) + sp = 0, et
√
1 − 1 − 4pqs
f (s) = pour s ∈ [0, 1].
2q
Cette équation sur la fonction génératrice n’est pas toujours facile à utili-
ser. On peut aussi exprimer la loi de N avec des convolutions de la loi P
Théorème 3.17 (Loi de la taille de l’arbre et marche aléatoire). On a
loi
N = T−1 ,
où T−1 := inf{n 1 : Sn = −1} est le temps d’atteinte de −1 d’une marche

aléatoire (Sn )n0 sur Z issue de S0 = 0 et d’incréments (Ui )i1 tels que
1 + Ui ∼ P . De plus, pour tout n 1,
P(n, n − 1) P ∗n ({n − 1})

P(N = n) = = .
n n
La loi de N peut bien sûr s’obtenir par un calcul direct, sans faire appel
à l’égalité en loi. Cependant, cette si belle identité en loi permet notamment
un contrôle de la queue de distribution, ce qui s’avère utile pour l’étude du
graphe aléatoire de Erdős-Rényi par exemple, voir théorème 16.14.
Démonstration. L’idée consiste à associer bijectivement un arbre fini à une
portion de trajectoire de marche aléatoire. Étant donné un arbre fini de taille
n, on numérote ses sommets en partant de la racine (notée 1) et de gauche
à droite pour des individus d’une même génération. On note ensuite X (i) le
nombre d’enfants de l’individu i et Ui = X (i) − 1 pour 1 i n, et on pose
S0 = 0 et Si+1 = Si + Ui+1 pour 0 i n − 1.

3.3 Taille de l’arbre en régimes critique et sous-critique 51
11 12
Sn
5
6 7 8 9 10
4
3
2 3 4 5 2
1
n
0
1 2 3 4 5 6 7 8 9 10 11 12
-1
1
Fig. 3.2. Arbre et marche aléatoire associée.
La figure 3.2 donne un exemple d’association. Le mode de numérotation étant

fixé, l’arbre se reconstruit aisément à partir de la trajectoire de S. La suite
(Si )0in a la loi d’une marche aléatoire d’accroissement (Ui )i1 issue de
0 arrêtée au temps d’atteinte T−1 de −1. Comme les accroissements sont de
moyenne négative m−1 et que les sauts négatifs de la marche sont d’amplitude
1, ce temps est fini presque sûrement. Cette bijection fournit l’égalité en loi
loi
N = T−1 . Enfin, la loi de T−1 est fournie par le lemme 3.18.
Lemme 3.18 (Principe de rotation). Soit (Sn )n0 une marche aléatoire issue
de 0 d’incréments (Un )n1 i.i.d. à valeurs entières, et
T−1 := inf{n 1 : Sn = −1}.
Alors pour tout n 1,

1
P(T−1 = n) = P(Sn = −1).
n
Démonstration du lemme 3.18. Soit n 1 et U1 , . . . , Un tels que Sn = −1.
Pour tout entier k, notons σ(k) l’entier compris entre 1 et n égal à k modulo
n. Pour tout l = 1, . . . , n, on définit S (l) par
(l) (l) (l)
S0 = 0 et Sk+1 = Sk + Uσ(k+1+l) .
(l)
Remarquons que pour tout l = 1, . . . , n, Sn = Sn = −1 et que les trajectoires
S (n) et S coïncident. La figure 3.3 fournit un exemple avec n = 8.
La trajectoire S atteint son minimum en un ou plusieurs instants. Notons
l0 le plus petit d’entre eux (dans l’exemple de la figure 3.3, l0 = 4). Alors S (l0 )
est la seule trajectoires parmi S (1) , . . . , S (n) qui reste positive ou nulle jusqu’à
l’instant n − 1. On a donc bien le résultat attendu.
S
n S (2) n
1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8
S (4) S (6)
n n
1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8
Fig. 3.3. Une marche parmi n reste positive avant d’atteindre −1 (ici S (4) ).
Exemple 3.19 (Reproduction poissonnienne). Si P = Poi(λ) avec λ < 1,

alors U1 ∼ Poi(λ) ∗ δ−1 et, pour tout n 1,
(λn)n−1
P(N = n) = e−λn
n!
puisque Sn ∼ Poi(nλ) ∗ δ−n . D’autre part, la série génératrice f de N est
solution de l’équation fonctionnelle peu commode f (s) = seλ(f (s)−1) .
3.4 Immigration
Le processus de Galton-Watson avec immigration (Zn )n0 issu de Z0 est

Zn
Zn+1 := In+1 + Xn+1,k
k=1
pour tout n 0, où (Xn,k )n1,k1 sont i.i.d. de loi P sur N, (In )n1 i.i.d. de
loi P+ sur N, toutes ces variables formant avec Z0 une famille indépendante.
On suppose que P et P+ ont pour moyenne m et m+ . On note σ 2 et σ+ 2
leur
variance lorsqu’elle existe. On suppose que Z0 = 1. Soit Fn la tribu engendrée
par Z0 , (Xi,j )1in,j1 , I1 , . . . , In . Pour tout n 0,
E(Zn+1 | Fn ) = mZn + m+
d’où on tire (récurrence linéaire) que pour tout n 1,

mn − 1
E(Zn ) = mn + m+ 1m=1 + (1 + nm+ )1m=1 .
m−1
Pour la variance, on a
3.4 Immigration 53
E(Zn+1
2
|Fn ) = Zn (σ 2 + m2 ) + Zn (Zn − 1)m2 + 2Zn mm+ + σ+
2
+ m2+
ce qui donne
Var(Zn+1 ) = Var(Zn )m2 + σ 2 E(Zn ) + σ+

2
.
Si m > 1 alors l’espérance de Zn est d’ordre mn et sa variance d’ordre

2n
m . Si m < 1 alors
2
m+ σ 2 m+ σ+
E(Zn ) → et Var(Zn ) → + .
1−m 1 − m 1 − m2
n
Notons que Zn = Zn,0 + k=1 Zn,k où Zn,0 est le nombre de descendants à
l’instant n de l’individu présent au temps 0 (processus de sans immigration !),
tandis que Zn,k avec 1 k n est le nombre de descendants à l’instant n des
individus immigrés à l’instant k. Toutes ces variables sont indépendantes. On
observe que Zn,k a la même loi que la somme de Ik copies indépendantes de
Zn−k,0 . Bien qu’il soit possible d’utiliser ces observations pour étudier le cas
m 1, nous nous contentons par souci de simplicité du cas m > 1.
Théorème 3.20 (Cas sur-critique avec immigration). Si m > 1 alors
(Yn )n0 = (Zn /mn )n0 converge p.s. vers une v.a.r. Y∞ 0. Si de plus
σ < ∞ et σ+ < ∞ alors la convergence a également lieu dans L2 et 1
m+
E(Y∞ ) = 1 + .
m−1
Démonstration. La suite (Yn )n0 est une sous-martingale pour (Fn )n0 car
E(Yn | Fn−1 ) = Yn−1 + m−n m+ Yn−1 .
On a E(Y0 ) = 1 et E(Yn ) = E(Yn−1 ) + m−n m+ pour n 1 d’où
E(Yn ) = 1 + (m−1 + · · · + m−n )m+ .
Comme m > 1 et Yn 0, on obtient supn E(|Yn |) = supn E(Yn ) < ∞. En

tant que sous-martingale bornée dans L1 , la suite (Yn )n0 converge p.s. vers
une v.a.r. Y∞ 0 intégrable, et la convergence a lieu dans L1 si la suite est
uniformément intégrable. Supposons que σ < ∞ et σ+ < ∞ et montrons que
la convergence a lieu dans L2 . On a
E(Yn2 ) = m−2n E(Zn2 ) = m−2n Var(Zn ) + m−2n E(Zn )2 .
Or on sait que si m > 1 alors l’espérance de Zn est d’ordre mn et sa variance

d’ordre m2n , d’où := limn→∞ E(Yn2 ) < ∞. Enfin, pour tous n, k 1,
E((Yn+k − Yn )2 ) = E(Yn+k
2
) + E(Yn2 ) − 2E(Yn+k Yn )
1. Il est également possible de calculer Var(Y∞ ) (exercice !).

= E(Yn+k
2
) + E(Yn2 ) − 2E(E(Yn+k | Fn )Yn )
= E(Yn+k
2
) − E(Yn2 ) − 2(m−n−k + · · · + m−n−1 )m+ E(Yn )
= + on→∞ (1) − − on→∞ (1) + on→∞ (1).
Par conséquent, (Yn )n0 est de Cauchy dans L2 et converge donc dans L2 . On
peut aussi alternativement se contenter d’invoquer directement le théorème
de convergence des martingales bornées dans L2 .

C’est vers 1875 que Francis Galton et Henri William Watson écrivent leur
article sur l’évolution du nombre de noms de familles aristocratiques anglaises.
Ils ne connaissaient sans doute pas les travaux antérieurs de Irénée-Jules Bie-
naymé sur le même sujet. L’étude du processus de Galton-Watson peut être
considérablement raffinée. Le modèle lui même peut être enrichi et modifié afin
de tenir compte de diverses situations d’intérêt : existence de sexes différents,
survivance des individus à plusieurs générations, etc. On trouvera de nom-
breux développements dans les livres de Theodore Harris [Har02], de Khrishna
Athreya et Peter Ney [AN04], de Jean-François Delmas et Benjamin Jourdain
[DJ06], et de Patasy Haccou, Peter Jagers, et Vladimir Vatoutin [HJV07]. Les
processus de branchement ont beaucoup été étudiés par l’école française de
calcul des probabilités, notamment par Jacques Neveu, Jean-François Le Gall,
Jean Bertoin, et leurs descendants.
Dans le théorème 3.13 (explosion dans le cas critique), si E(Y∞ ) = 1 alors
E(Yn ) < 1 grâce au lemme de Fatou. De plus Harry Kesten et Bernt P. Stigum
on montré dans [KS66] que soit P(Y∞ = 0) = P(T < ∞) soit P(Y∞ = 0) = 1
et les propriétés suivantes sont équivalentes :
1. P(Y∞ = 0) = P(T < ∞) ;
2. E(Y∞ ) = 1 ;
3. (Yn )n1 converge dans L1 ;
4. E(X1,1 log(X1,1 )) < ∞ c’est-à-dire que z ∈ N → z log(z) ∈ L1 (P ).
Une étude du processus avec immigration se trouve dans le livre collectif
[Rug01] ou encore dans le livre [AN04] de Athreya et Ney. Le théorème 3.11
de Akiva Yaglom constitue un bon point de départ pour l’étude plus générale
des distributions quasi-stationnaires des processus de populations, présentée
dans le survol de Sylvie Méléard et Denis Villemonais [MV12].
Le lemme 3.18 est obtenu dans un article de Aryeh Dvoretzky et Theo-
dore Motzkin [DM47]. L’expression pour la taille d’un arbre de Galton-Watson
est établie dans un article de Meyer Dwass [Dwa69] avant que le lien entre
les deux situations ne soit fait. On pourra consulter l’habilitation à diriger
des recherches [Mar04] de Jean-François Marckert ainsi que l’article de syn-
thèse autour du théorème du scrutin de Luigi Addario-Berry et Bruce Reed
[ABR08]. Au-delà du théorème 3.17, la combinatoire foisonne de bijections

entre collections d’objets de natures différentes.
4
Permutations, partitions, et graphes
Mots-clés. Loi uniforme ; simulation ; permutation ; partition ; graphe ;

arbre ; nombres de Catalan ; nombres de Bell.
Outils. Groupe symétrique ; marche aléatoire ; loi discrète.
Difficulté. *
Ce chapitre présente des algorithmes de simulation de loi uniforme sur

quelques ensembles remarquables de permutations, partitions, et graphes. La
portée des concepts et techniques abordés dépasse le cadre considéré, qui a le
mérite d’être élémentaire.
4.1 Algorithme basique pour les lois discrètes

Considérons
le problème de la simulation d’une réalisation d’une loi dis-
crète μ = a∈E μ(a)δa où E est fini ou dénombrable. Nous pouvons numéro-
ter les éléments de E avec une bijection ϕ : E → {1, 2, . . .}. Soit ak := ϕ−1 (k).
Si on partitionne l’intervalle réel [0, 1] en blocs de mesures de Lebesgue res-
pectives μ(a1 ), μ(a2 ), etc, par exemple en utilisant les intervalles
I1 = [0, μ(a1 )[ , I2 = [μ(a1 ), μ(a1 ) + μ(a2 )[ , . . . ,
et si U est une variable aléatoire de loi uniforme sur l’intervalle [0, 1], alors
P(U ∈ Iϕ(a) ) = μ(a) pour tout a ∈ E. L’algorithme basique de simulation de
μ est alors le suivant : on génère une réalisation u de U , ensuite si u μ(a1 )
alors on décide a1 ; sinon, si u μ(a1 ) + μ(a2 ), alors on décide a2 , etc. Si F
est la fonction de répartition de la loi μ ◦ ϕ−1 sur {1, 2, . . .} ⊂ R, d’inverse
généralisé F −1 , alors (ϕ−1 ◦ F −1 )(U ) ∼ μ. Il s’agit d’un cas spécial de la
méthode de simulation par inversion. Le coût de cet algorithme est le nombre
N de tests utilisés. Ce nombre est aléatoire, de loi μ ◦ ϕ−1 . En particulier,
P(N < ∞) = 1, et le coût moyen est

58 4 Permutations, partitions, et graphes

E(N ) = ϕ(a)μ(a),
a∈E
qui peut très bien être infini si μ◦ϕ−1 n’a pas d’espérance (ne peut se produire
que si E est infini) ! Si la numérotation ϕ minimise le coût moyen E(N ) alors
μ(a1 ) μ(a2 ) · · · .
Pour la loi géométrique (de moyenne quelconque) et pour la loi de Poisson
(de moyenne 1), la numérotation naturelle est à poids décroissants. D’autre
part, si card(E) est petit, alors on peut déterminer l’ordre à poids décroissants
en utilisant un algorithme de tri (qui a un coût).
Les lois discrètes usuelles (binomiale, géométrique, Poisson, etc.) sont si-
mulables par divers algorithmes dédiés tirant partie de leurs propriétés spé-
ciales. À ce sujet, signalons qu’il est possible de simuler la loi de Poisson
de moyenne quelconque λ à partir d’un générateur de la loi de Poisson de
moyenne 1. Il suffit en effet d’utiliser un amincissement 1 . Plus précisément,
on simule λ variables aléatoires X1 , . . . , Xλ i.i.d. de loi Poi(1), puis, condi-
tionnellement à leur somme S = X1 + · · · + Xλ , on simule S variables
aléatoires i.i.d. de loi de Bernoulli de moyenne λ/λ, et on tire parti du fait
que B1 + · · · + BS ∼ Poi(λ) (mélange poissonnien de binomiales 2 ).
Simuler la loi uniforme sur un ensemble E fini peut être très simple :
ϕ−1 (card(E)U ) suit cette loi ! Cependant, cet algorithme basique est im-
praticable lorsque E est difficile à énumérer et donc ϕ est difficile d’accès, ou
lorsque card(E) est très grand. Nous étudions par la suite des exemples de ce
type faits de permutations, de partitions, et de graphes, pour lesquels nous
présentons des algorithmes spécifiques efficaces et exacts.
4.2 Permutations aléatoires

Certaines situations nécessitent de permuter aléatoirement une liste finie
d’objets : construction de plans d’expérience dans les sciences expérimen-
tales, anonymisation,
etc. Cela conduit au problème de la simulation de la
−1
loi uniforme σ∈Sn card(Sn ) δσ sur l’ensemble fini Sn des permutations
√
de {1, . . . , n} (groupe symétrique). Or card(Sn ) = n! ∼ 2πn(n/e)n est un
nombre à environ n log(n) chiffres, et cette réalité combinatoire disqualifie
très vite l’algorithme basique de simulation des lois discrètes. Il est possible
de simuler la loi uniforme sur Sn en réordonnant un désordre symétrique : si
U1 , . . . , Un sont des variables aléatoires i.i.d. de loi uniforme sur [0, 1] et si σ
est une permutation aléatoire telle que Uσ(1) · · · Uσ(n) , alors σ suit la loi
uniforme sur Sn . La complexité est celle de l’algorithme de tri utilisé 3 .
1. «Thinning» en anglais.
2. Si X ∼ Poi(λ) et Loi(Y |X = n) = Bin(n, p) pour tout n alors Y ∼ Poi(pλ).
3. De l’ordre de n log(n) avec grande probabilité et n2 au pire pour l’algorithme
de tri rapide («quick sort» en anglais).
4.2 Permutations aléatoires 59
Un algorithme naïf pour simuler une permutation σ uniforme consiste à ti-

rer uniformément et sans remise les valeurs de σ(1), . . . , σ(n) dans {1, . . . , n}.
Cet algorithme d’apparence séduisante a une complexité plus élevée que ce-
lui du tri, car il faut tenir compte dans l’implémentation des éléments déjà
tirés. Un bon algorithme de simulation (exacte !) de la loi uniforme sur Sn est
connu sous le nom d’algorithme de Fisher-Yates-Knuth 4 . Il nécessite n − 1
variables aléatoires indépendantes de loi uniforme sur {1, 2}, . . . , {1, 2, . . . , n}
n
respectivement, soit de l’ordre de k=2 log(k) = log(n!) ≈ n log(n) bits i.i.d.
Théorème 4.1 (Permutations et algorithme de Fisher-Yates-Knuth). Si
U1 , . . . , Un sont des variables aléatoires indépendantes avec Ui de loi uniforme
sur {1, . . . , i} pour tout 1 i n alors la permutation formée par le produit
de transpositions aléatoires (1, U1 ) · · · (n, Un ) suit la loi uniforme sur Sn .
L’inversion dans Sn étant bijective, et les transpositions étant leur propre
inverse, il en découle que le produit renversé (n, Un ) · · · (1, U1 ) suit également
la loi uniforme sur Sn . La transposition (1, U1 ) est triviale (élément neutre de
Sn ) et il n’est pas nécessaire d’en tenir compte si n 2 (elle rend cependant
la formule valable pour n = 1). L’algorithme de Fisher-Yates-Knuth pour
permuter un vecteur v s’écrit en pseudo-code :
for k from length(v) downto 2 do
swap(v[ceil(k*rand)],v[k])
Démonstration du théorème 4.1. On procède par récurrence sur n. La pro-
priété est triviale pour n = 1. Supposons qu’elle est vraie pour n 1. Pour
tout σ ∈ Sn , on note encore σ l’élément de Sn+1 obtenu à partir de σ en
ajoutant le cycle (n + 1) (point fixe). Supposons que σn = (1, U1 ) · · · (n, Un )
suit la loi uniforme sur Sn . Soit Un+1 une variable aléatoire indépendante de
σn , de loi uniforme sur {1, . . . , n + 1}. Montrons que σn+1 = σn (n + 1, Un+1 )
suit la loi uniforme sur Sn+1 . Pour tout σ ∈ Sn+1 , on a

n+1
P(σn+1 = σ) = P(σn = σ(n + 1, i))P(Un+1 = i)
i=1
1
n+1
= P(σn = σ(n + 1, i)).
n + 1 i=1
Comme n + 1 est point fixe de σn , et n’est point fixe de σ(n + 1, i) que pour
une et une seule valeur de i, notée iσ , image réciproque de n + 1 par σ, il en
découle finalement que
1 1 1 1
P(σn+1 = σ) = P(σn = σ(n + 1, iσ )) = = .
n+1 n + 1 n! (n + 1)!
4. «Fisher-Yates shuffle» ou «Knuth shuffle» en anglais.

On dit que σ ∈ Sn est un dérangement lorsqu’il n’a pas de point fixe :

σ(i) = i pour tout 1 i n. Les points fixes de σ sont les cycles de longueur
1 dans sa décomposition en cycles disjoints. La loi uniforme sur l’ensemble
Dn ⊂ Sn des dérangements peut être simulée avec l’algorithme du rejet, car
le rapport des cardinaux card(Dn )/card(Sn ) est élevé.
Théorème 4.2 (Loi uniforme sur les dérangements). Si σ est une permuta-
tion aléatoire de loi uniforme sur Sn alors
card(Dn ) 1
pn := P(σ ∈ Dn ) = −→ ≈ 0.37.
card(Sn ) n→∞ e
Si (σk )k1 est une suite de permutations aléatoires indépendantes et identi-

quement distribuées de même loi uniforme sur Sn et si
T := inf{k 1 : σk ∈ Dn }
alors la permutation aléatoire σT suit la loi uniforme sur Dn et la variable T

suit la loi géométrique de paramètre pn d’espérance 1/pn −→ e ≈ 2.72.
n→∞
On note parfois !n = card(Dn ), et on a !(n + 1) = (n + 1)×!n + (−1)n+1 ,

analogue de (n + 1)! = (n + 1) × n!.
On peut améliorer la performance en stoppant à chaque étape de propo-
sition l’algorithme de Fisher-Yates-Knuth dès qu’un point fixe apparaît.
Démonstration. Si σ suit la loi uniforme sur Sn alors {σ ∈ Dn } = ∪ni=1 Ai où
Ai = {σ(i) = i}, et donc, grâce au principe d’inclusion-exclusion

n
P(σ ∈ Dn ) = 1−P(∪1in Ai ) = 1− (−1)p+1 P(Ai1 ∩· · ·∩Aip ).
p=1 1≤i1 <···<ip ≤n
Or pour tout 1 p n,

(n − p)! n (n − p)! 1
P(Ai1 ∩ · · · ∩ Aip ) = = =
n! p n! p!
1i1 <···ip n 1i1 <···<ip n
n (−1)p+1
d’où P(σ ∈ Dn ) = 1 − p=1 p! → e−1 .
4.3 Partitions aléatoires

Un appariement 5 de 2n points est une partition de {1, . . . , 2n} en n parties
de cardinal 2, chacune constituant un «couple de points appariés». On note
A2n l’ensemble des appariements de 2n points. L’ensemble A2n est en bijec-
tion avec l’ensemble des dérangements involutifs de {1, . . . , 2n}, c’est-à-dire
5. «Matching» en anglais.
4.3 Partitions aléatoires 61
l’ensemble des éléments de S2n sans point fixe et qui sont leur propre inverse,
autrement dit l’ensemble des éléments de S2n obtenus en faisant le produit de
n transpositions à supports deux à deux disjoints. On a la formule d’Isserlis
(2n)!
card(A2n ) = .
2n n!
C’est aussi le produit des nombres impairs inférieurs ou égaux à 2n − 1, noté
(2n − 1)!! (double factorielle). Le rapport card(A2n )/card(S2n ) est petit, ce
qui incite à trouver une alternative à la méthode de simulation par rejet. Voici
donc un algorithme de simulation de la loi uniforme sur A2n .
Théorème 4.3 (Loi uniforme sur les appariements). Si σ suit la loi uniforme
sur S2n alors l’appariement aléatoire {{σ(1), σ(n + 1)}, . . . , {σ(n), σ(n + n)}}
suit la loi uniforme sur A2n .
3 6 5
2 4 1 3 6 5 2 4 1
Fig. 4.1. Appariement de {1, . . . , 6} obtenu avec un élément de S6 (ici n = 3).
Démonstration. Pour tout appariement {{a1 , an+1 }, . . . , {an , an+n }} on a n!

façons de permuter les n blocs et 2n façons de permuter leur contenu, d’où
P({{σ(1), σ(n + 1)}, . . . , {σ(n), σ(n + n)}} = {{a1 , an+1 }, . . . , {an , an+n }})
2n n!
= 2n n!P(σ(1) = a1 , . . . , σ(2n) = a2n ) =
(2n)!
qui ne dépend pas de l’appariement et qui vaut précisément 1/card(A2n ).
La décomposition en cycles d’une permutation aléatoire de loi uniforme
sur Sn fournit une partition aléatoire de {1, . . . , n}. La loi de cette partition
n’est pas uniforme sur l’ensemble des partitions Πn de {1, . . . , n} (remarque
14.6). Intéressons-nous à la simulation de la loi uniforme sur Πn . Cette loi
affecte le même poids 1/Bn à chaque élément de Πn , où Bn = card(Πn ). En
combinatoire, la suite (Bn )n1 constitue les nombres de Bell. On a B1 = 1,
B2 = 2, et plus généralement, en utilisant la convention B0 = 1, on a la
formule de récurrence triangulaire
n
n
Bn+1 = Bk ,
k
k=0
où k s’interprète comme le nombre d’éléments qui ne sont

∞pasBdans le bloc
n
de n + 1. Il en découle que la série formelle G(X) = n
n=0 n! X vérifie
G (X) = exp(X)G(X), d’où la formule G(X) = exp(exp(X)−1). On reconnaît

la transformée de Laplace de la loi Poi(1). Les nombres de Bell sont donc les
moments de cette loi, d’où la formule dite de Dobinski :
∞
1 kn
Bn = .
e k!
k=1
Elle intervient dans un algorithme de simulation de la loi uniforme sur Πn .

Théorème 4.4 (Algorithme de Stam). Soit n 1. Soit K un entier aléatoire
valant k avec probabilité k n /(k!eBn ) pour tout k 0. Sachant K, soient
C1 , . . . , Cn des variables aléatoires i.i.d. de loi uniforme sur {1, . . . , K}. Soit
P la partition aléatoire de {1, . . . , n} obtenue en décidant que i, j sont dans
le même bloc ssi Ci = Cj . Alors P suit la loi uniforme sur Πn .
La loi de K est bien définie grâce à la formule de Dobinski. Il est commode
d’interpréter C1 , . . . , Cn comme des couleurs, les blocs de P regroupant donc
les éléments par couleur. L’entier aléatoire K peut être simulé avec l’algo-
rithme basique pour les lois discrètes.
Démonstration. Si p ∈ Πn possède b blocs alors

∞

P(P = p) = P(P = p | K = k)P(K = k)
k=b
∞
k(k − 1) · · · (k − b + 1) k n 1
= = .
kn k!eBn Bn
k=b
4.4 Graphes aléatoires
Dans toute cette section on pose V = {1, . . . , n}. Un graphe fini
G = (V, E)
est un couple où E ⊂ {{i, j} : i, j ∈ V, i = j}. Les éléments de V sont les

sommets 6 du graphe tandis que les éléments de E sont les arêtes 7 du graphe.
Il existe au plus une arête entre deux sommets distincts (absence d’arêtes
multiples), et aucune entre un sommet et lui même (absence de boucles).
Les arêtes ne sont pas orientées. On reprend la terminologie concernant les
graphes finis introduite dans le chapitre 16 : chemins, boucles, etc. La matrice
d’adjacence A de G est la matrice symétrique n×n définie par Aj,k = 1{j,k}∈E .
6. On dit aussi sites, «vertices» en anglais, d’où la notation V .

7. On dit aussi liens, et en anglais «edges», d’où la notation E.
4.4 Graphes aléatoires 63
Théorème 4.5 (Loi uniforme sur graphes finis). Pour tout n 1, la loi uni-
forme sur l’ensemble
Gn des graphes finis de sommets {1, . . . , n} s’obtient en
rendant les n2 = 12 n(n − 1) arêtes indépendantes et identiquement distribuées
de loi de Bernoulli Ber(1/2).
Un graphe aléatoire qui suit la loi uniforme sur Gn est appelé graphe
aléatoire de Erdős-Rényi de taille n et de paramètre p = 12 .
Démonstration. L’ensemble Gn est en bijection avec l’ensemble des matrices
n × n symétriques à coefficients dans {0, 1} et à diagonale nulle, lui même
en bijection avec l’ensemble produit {0, 1}n(n−1)/2 . Or la loi uniforme sur un
ensemble produit est le produit des lois uniformes sur les facteurs, et la loi
uniforme sur {0, 1} est la loi de Bernoulli Ber(1/2).
Dans un graphe fini G = (V, E), le degré d’un sommet i ∈ V est le nombre
noté di de sommets reliés à i directement par une arête, autrement dit
di := card{j ∈ V : {i, j} ∈ E}.
On dit que G est un graphe d-régulier, où d 0 est un entier fixé, lorsque

di = d pour tout i ∈ V . Les graphes 0-réguliers sont constitués de sommets
isolés et ne comportent aucune arête. Les graphes 1-réguliers sont constitués
d’arêtes déconnectées les unes des autres. Les graphes finis 2-réguliers sont
constitués de cycles déconnectés les uns des autres.
Si G est un graphe de sommets {1, . . . , n} de sorte que d1 · · · dn pour
tout 1 i n, alors les deux propriétés suivantes ont lieu :
1. l’entier d1 + · · · + dn est pair ;
2. pour tout 1 k n,
d1 + · · · + dk k(k − 1) + min(k, dk+1 ) + · · · + min(k, dn ).
La parité de la somme vient du fait que chaque arête compte deux fois, tandis
que la quantité k(k − 1) + min(dk+1 , k) + · · · + min(dn , k) est la contribution
maximale
k à d1 + · · · + dk des arêtes liées aux sommets 1 à k : on a au plus
2 = k(k − 1)/2 arêtes (comptent double) entre les sommets 1 à k, et au plus
min(k, dk+i ) arêtes entre le sommet i > k et les sommets 1 à k.
Un théorème de Erdős-Gallai affirme que pour tous d1 · · · dn 0, il
existe un graphe à n 1 sommets de degrés d1 , . . . , dn si et seulement si les
deux conditions ci-dessus sont vérifiés. On dit que d1 , . . . , dn est la suite de
degrés 8 du graphe. Pour un graphe d-régulier de sommets {1, . . . , n}, nd est
pair et d n − 1 (égalité atteinte pour le graphe complet).
Les multigraphes sont obtenus à partir de la définition des graphes en
relaxant deux contraintes : on accepte les arêtes multiples entre sommets ainsi
que les boucles. Soient d1 · · · dn 0 des entiers vérifiant les conditions de
Erdős-Gallai, et Md1 ,...,dn l’ensemble des multigraphes de sommets {1, . . . , n}
8. «Degree sequence» en anglais.
de degrés prescrits d1 , . . . , dn . Soit σ ∈ A2n un appariement de 2n points. On

construit un élément Mσ ∈ Md1 ,...,dn à partir de σ comme suit :
— pour tout 1 k n, on dispose dk demi-arêtes sur le sommet k, soit
au total 2(d1 + · · · + dn ) demi-arêtes numérotées ;
— on associe les 2n demi-arêtes en utilisant l’appariement σ.
Soit Gd1 ,...,dn ⊂ Md1 ,...,dn l’ensemble des graphes de Md1 ,...,dn . L’algorithme
des configurations permet de simuler la loi uniforme sur Gd1 ,...,dn en utilisant
le multigraphe Mσ pour un appariement aléatoire σ, et la méthode du rejet.
Théorème 4.6 (Algorithme des configurations de Bollobás). Si (σk )k1 est
une suite d’appariements aléatoires de loi uniforme sur A2n , et si T est le
plus petit entier k 1 tel que Mσk ∈ Gd1 ,...,dn c’est-à-dire que le multigraphe
Mσk n’a ni arêtes multiples ni boucles, alors T est fini presque sûrement et
suit une loi géométrique, et MσT suit la loi uniforme sur Gd1 ,...,dn .
On dit que le multigraphe aléatoire Mσ1 est le modèle des configurations
à degrés prescrits. Les appariements aléatoires de loi uniforme peuvent être
obtenus en utilisant le théorème 4.3.
Idée de la preuve. Tout d’abord P(Mσ1 ∈ Gd1 ,...,dn ) > 0 car le support de la
loi de Mσ1 est Md1 ,...,dn . L’algorithme du rejet stoppe en un temps géomé-
trique T fini presque sûrement.
On peut montrer que M → P(Mσ1 = M ) est constante sur Gd1 ,...,dn . Ainsi
la loi conditionnelle de Mσ1 sachant {Mσ1 ∈ Gd1 ,...,dn } est la loi uniforme sur
Gd1 ,...,dn . Or cette loi conditionnelle est la loi de MσT (méthode du rejet).
Notons que Mσ1 ne suit pas la loi uniforme sur Md1 ,...,dn car l’application
M → P(Mσ1 = M ) n’est pas constante sur Md1 ,...,dn : si deux multigraphes
ne différent que par le nombre d’arêtes multiples entre deux sommets pré-
cis alors ils n’ont pas la même probabilité d’apparaître car ces arêtes sont
indistinguables donc permutables (idem pour les boucles).
4.5 Arbres aléatoires
Une structure d’arbre très courante est celle d’arbre binaire : chaque som-
met possède 0 ou 2 enfants, c’est-à-dire 1 ou 3 voisins si l’arbre est vu comme
un graphe. On s’intéresse à des arbres enracinés : il y a donc un nombre impair
de sommets. On s’intéresse à des arbres planaires : on numérote les sommets
de gauche à droite pour des individus d’une même génération, en partant de
la racine, numérotée 1 et figurée en bas, comme sur la figure 4.2. On note Tn
l’ensemble des arbres numérotés de ce type possédant 2n + 1 sommets.
Il est possible de coder chaque élément de Tn par une trajectoire de la
marche aléatoire simple. Plus précisément, étant donné un élément de Tn , soit
x(i) le nombre d’enfants du sommet i et ui = x(i) − 1 pour 1 i 2n + 1.
On pose s0 = 0 et si+1 = si + ui+1 pour tout 0 i 2n. La figure 4.2 donne
4.5 Arbres aléatoires 65
un exemple d’association. On peut établir par récurrence qu’on a toujours

s2n+1 = −1 et min(s1 , . . . , s2n ) 0. Grâce à la convention de numérotation,
l’arbre se reconstruit aisément à partir du morceau de trajectoire (si )1i2n .
On vérifie que cette construction définit une bijection entre l’ensemble Tn et
4 5
Sn
2 3 2
1
n
0
1 2 3 4 5
-1
1
Fig. 4.2. Élément de T2 et trajectoire de la marche aléatoire associé.
l’ensemble Pn des trajectoires de longueur 2n de la marche aléatoire simple

sur Z, valant 0 au temps 0 et au temps 2n, et restant positives ou nulles entre
ces deux temps. Il s’agit d’un cas particulier de la bijection de la preuve du
théorème 3.17. Comme cette bijection est explicite et calculable, la simulation
de la loi uniforme sur Tn se déduit de la simulation de la loi uniforme sur Pn ,
pour laquelle on peut procéder comme suit.
Théorème 4.7 (Algorithme de Arnold-Sleep). Soit s = (si )0i2n le chemin
aléatoire à valeurs dans Pn dont la loi est donnée par s0 = s2n = 0 et pour
tout 0 k 2n − 1,
P(sk+1 − sk = −1 | s0 , . . . , sk ) = 1 − P(sk+1 − sk = 1 | s0 , . . . , sk )
sk (2n + k + sk + 2)
= .
2(2n − k)(sk + 1)
Alors s suit la loi uniforme sur Pn , et donc l’arbre binaire associé suit la loi
uniforme sur Tn .
Démonstration. Construisons progressivement un chemin (si )1i2n de loi

uniforme sur Pn . Supposons que s0 , . . . , s2n−k sont déjà construits. Le nombre
de manières de prolonger ce début de trajectoire en un élément de Pn ne dé-
pend que de k et r = s2n−k , et nous le notons N (r, k). Le nombre de manières
de le faire en commençant par un incrément +1 vaut N (r + 1, k − 1), tandis
que le nombre de manières de le faire en commençant par un incrément −1
vaut N (r − 1, k − 1). On a donc N (r, k) = N (r + 1, k − 1) + N (r − 1, k − 1), et
N (r − 1, k − 1)
P(s2n−k+1 = s2n−k − 1 | s0 , . . . , s2n−k ) = où r = s2n−k .
N (r, k)
Le nombre N (r, k) est également le nombre de chemins de la marche reliant

(0, r) et (k, 0) en restant positifs ou nuls. On a forcément k r. Chaque
chemin de ce type comporte t r incréments −1 et k − t = t − r incréments
+1, d’où 2t = k + r, ce qui fait que k + r est pair. En utilisant les notations
et résultats de la preuve du théorème du scrutin 2.6, il vient

+ r+1 k+1 r+1 k
N (r, k) = Pk+1,r+1 = = .
k+1 t+1 t+1 t
Il en découle que
r(k + r + 2)
P(s2n−k+1 = s2n−k − 1 | s0 , . . . , s2n−k ) = où r = s2n−k .
2k(r + 1)
Enfin le changement de variable 2n−k → k fournit le résultat annoncé. Notons

que si r = k alors P(s2n−k+1 = s2n−k − 1 | s0 , . . . , s2n−k ) = 1.
D’après le théorème 2.5, le cardinal de Pn et de Tn est le nombre de Catalan
Cn−1 . Les ensembles Tn et Pn sont également en bijection avec l’ensemble des
parenthésages constitués de n paires de parenthèses. Il suffit en effet de recoder
la suite des incréments du chemin de la marche aléatoire par des parenthèses.
Ainsi par exemple la suite d’incréments +1, +1, −1, −1 correspondant à la
trajectoire (si )0i4 de la figure 4.2 se traduit par le parenthésage (()). Cette
interprétation apparaît dans la preuve du théorème de Wigner 21.9.

Il arrive que la structure de l’ensemble d’intérêt ne fournisse pas d’al-
gorithme séduisant de simulation de la loi uniforme, et que la méthode du
rejet à partir d’un ensemble plus gros ne soit pas praticable. Dans ce cas,
il est souvent possible d’utiliser des algorithmes markoviens comme celui de
Metropolis-Hasting ou de Propp-Wilson, abordés dans le chapitre 5.
Une analyse probabiliste de la complexité de l’algorithme de tri rapide
randomisé se trouve par exemple dans le livre de Rajeev Motwani et Prabhakar
Raghavan [MR95]. Le livre monumental de Donald Knuth [Knu05] constitue
une référence incontournable pour l’analyse des algorithmes et la simulation
de la loi uniforme sur les ensembles classiques comme les permutations ou
les partitions. C’est dans la première édition de ce livre datant des années
1960 que Knuth a popularisé l’algorithme de simulation de la loi uniforme
sur les permutations, reprenant un article antérieur de Richard Durstenfeld
[Dur64]. L’algorithme remonte en fait à Ronald Fisher et Frank Yates [FY48].
Il est implémenté en standard dans les logiciels de calcul. Cet algorithme
correspond exactement au processus des restaurants chinois du chapitre 14,

et la loi uniforme sur Sn coïncide avec la loi d’Ewens de paramètre θ = 1.
Pour tout n 1 fixé, la marche aléatoire sur Sn dont les pas sont i.i.d. de
loi uniforme sur l’ensemble des transpositions, étudiée par Persi Diaconis et
Mehrdad Shahshahani [DS81], converge vers la loi uniforme sur Sn de manière
abrupte après environ n log(n) étapes, comme pour celle du mélange de cartes
du chapitre 2. Si σ ∈ Sn et τ = (i, j) est une transposition, alors la décompo-
sition en cycles de στ s’obtient à partir de celle de σ en fusionnant les cycles
de σ contenant i et j s’ils sont différents, ou bien en fissionnant le cycle de σ
contenant i et j dans le cas contraire. La chaîne de Diaconis et Shahshahani,
traduite sur Πn en considérant la partition des supports des cycles, est une
chaîne de fragmentation-coalescence. Il est possible de concevoir son noyau
de transition de la manière suivante : sachant que la chaîne est en P ∈ Πn ,
on tire au hasard uniformément et avec remise i et j dans {1, . . . , n}, puis
on fusionne les blocs de P contenant i et j s’ils sont différents, ou bien on
fissionne uniformément le bloc de P contenant i et j dans le cas contraire.
Cette chaîne sur Πn est considérée dans un article de Persi Diaconis, Eddy
Mayer-Wolf, Ofer Zeitouni, et Martin Zerner [DMWZZ04]. Plus généralement,
au-delà des transpositions aléatoires, Nathanaël Berestycki, Oded Schramm,
et Ofer Zeitouni ont établi dans [BSZ11] que pour tout n k 2, la marche
aléatoire sur Sn dont les pas sont des k-cycles i.i.d. uniformes converge vers
la loi uniforme sur Sn après environ (1/k)n log(n) étapes.
L’algorithme de Aart Stam de simulation de la loi uniforme sur les parti-
tions se trouve dans [Sta83] et dans le livre de Knuth [Knu05, Volume 4A].
On prendra garde à ne pas confondre les partitions d’un ensemble fini avec la
notion de partition d’entier, qui est reliée aux diagrammes de Alfred Young
ou de Norman Ferrers. Le théorème de Paul Erdős et Tibor Gallai figure dans
[EG60], et a été redémontré par plusieurs auteurs, dont Claude Berge [Ber76].
Une preuve courte et constructive se trouve par exemple dans un article de
Amitabha Tripathi, Sushmita Venugopalan, et Douglas West [TVW10]. L’al-
gorithme des configurations remonte à Béla Bollobás [Bol80], et a été raffiné
et étendu notamment par Brendan McKay et Nicholas Wormald [MW90]. Il
est abordé dans les cours de Charles Bordenave [Bor14a] et de Remco van der
Hofstad [vdH14]. À ce sujet, soit Mn le multigraphe aléatoire du modèle des
configurationsde sommets {1, . . . , n} pour la suite de degrés dn,1 , . . . , dn,n , et
n
pn,k = (1/n) i=1 1{dn,i =k} la proportion de sommets de degré k, et suppo-
sons qu’il existe une loi (pk )k1 telle que limn→∞ pn,k = pk , et telle que les
deux premiers moments convergent :
∞
1 k
n n
μ = lim dn,i = lim 1{dn,i =k}
n→∞ n n→∞ n i=1
i=1 k=1
∞
∞

= lim kpn,k = kpk < ∞
n→∞
k=1 k=1
et
∞
1
n
dn,i (dn,i − 1)
ν = lim n = k(k − 1)pk < ∞,
n→∞
i=1 j=1 dn,j μ
k=1
alors on peut établir que la probabilité que Mn soit un graphe tend vers
1 1 2
e− 2 ν− 4 ν quand n → ∞. Ainsi la méthode de simulation par rejet du théo-
rème 4.6 du modèle des configurations reste raisonnable si n 1.
La structure d’arbre, bien que cas particulier de la structure de graphe,
est très riche. On trouvera des panoramas dans les livres de Donald Knuth
[Knu05, Volume 4A] et de Michael Drmota [Drm09]. L’algorithme de David
Arnold et Ronan Sleep se trouve dans l’article [AS80], ainsi que dans l’article
de survol de Jarmo Siltaneva et Erkki Mäkinen [SM02] sur les algorithmes
de simulation d’arbres binaires aléatoires. La loi uniforme sur l’ensemble des
arbres binaires plans Tn peut également être simulée grâce à un algorithme
récursif séduisant dû à Jean-Luc Rémy [Ré85] : partant d’un élément de Tn−1 ,
on fabrique un élément de Tn en choisissant aléatoirement uniformément un
sommet dans l’arbre, si c’est une feuille on lui attribue deux enfants qui seront
donc des feuilles, sinon ce sommet est remplacé par un nouveau sommet dont
un des enfants est une feuille et l’autre enfant est le sommet d’origine. Toujours
à propos d’arbres aléatoires, on peut évoquer l’algorithme de David Wilson
[Wil96] pour générer un arbre couvrant de loi uniforme, l’algorithme de Luc
Devroye [Dev12] pour simuler un arbre de Galton-Watson conditionné à avoir
une taille fixe, etc. On pourra consulter avec profit le livre de Russel Lyons et
Yuval Peres [LP15] sur les probabilités sur les arbres et les réseaux.
5
Mesures de Gibbs
Mots-clés. Mesure de Gibbs ; algorithme de Metropolis-Hastings ; échan-

tillonneur de Gibbs ; algorithme du recuit simulé ; algorithme de Propp-
Wilson.
Outils. Chaîne de Markov ; transformée de Laplace ; entropie de Boltz-
mann.
Difficulté. *
Ce chapitre est consacré à des algorithmes génériques de simulation de

mesures de probabilité, grâce aux chaînes de Markov. Le contexte choisi est
celui des mesures de probabilités discrètes finies. Dans tout le chapitre E
désigne un ensemble fini, typiquement de très grand cardinal, comme par
exemple un groupe symétrique. Les méthodes et concepts abordés dépassent
largement ce cadre restrictif, qui a le mérite de nécessiter peu de technologie.
5.1 Mesures de Gibbs

Soit H : E → R une fonction appelée énergie ou hamiltonien. Pour tout
β ∈ R, la mesure de Gibbs μβ est la mesure de probabilité sur E donnée pour
tout x ∈ E par
1 −βH(x)
μβ (x) = e , où Zβ = e−βH(y) .
Zβ
y∈E
La constante de normalisation Zβ est appelée fonction de partition. Quitte à

accepter que H prenne la valeur +∞, toute mesure de probabilité μ sur E est
une mesure de Gibbs avec β = 1 et H(x) = − log(μ(x)) pour tout x ∈ E, ce
qui donne 1 H(x) = +∞ si et seulement si μ(x) = 0.
1. Avec les conventions naturelles log(0) = −∞ et exp(−∞) = 0.

70 5 Mesures de Gibbs
Lorsque β > 0, la probabilité μβ (x) est d’autant plus grande que l’énergie
H(x) est petite (par rapport aux autres valeurs de H), la mesure de probabilité
μβ favorise donc les configurations de faible énergie, et ce d’autant plus que β
est grand. Lorsque β = 0 on obtient la mesure de probabilité uniforme sur E.
Voici quelques exemples, parmi d’autres, de mesures de Gibbs :
— Modèle d’Ising. Dans ce modèle E = {−1, 1}Λ où ∅ = Λ ⊂ Zd . Chaque
x ∈ E représente la configuration magnétique des atomes d’un morceau
de métal. Pour tout site i ∈ Λ dans le réseau, la valeur xi ∈ {−1, 1}
est l’orientation magnétique de l’atome situé au site i, appelée parfois
spin. L’énergie de la configuration x ∈ E est de la forme

H(x) = J xi xj + h xi
|i−j|1 =1 i∈Λ
où |i − j|1 := |i1 − j1 | + · · · + |id − jd |, où J est une constante de

couplage, et où h modélise un champ magnétique extérieur ;
— Loi d’Ewens. Dans ce modèle E = Sn est le groupe symétrique, et
l’énergie H(σ) = |σ| de la permutation σ ∈ E est donnée par le nombre
de cycles |σ| de σ (théorème 14.3, β = − log(θ)) ;
— Graphes aléatoires. Dans ce modèle E est l’ensemble des graphes à n
sommets, et l’énergie H(g) d’un graphe g ∈ E est donnée par le nombre
d’arêtes dans g. Cela donne la loi du graphe aléatoire d’Erdős-Rényi
(théorème 16.14, β = − log(p)−log(1−p)). On peut considérer d’autres
énergies, comme par exemple le nombre de cycles du graphe, etc ;
— Champ libre gaussien. Dans ce modèle E = RΛ avec ∅ = Λ ⊂ Zd , et
l’énergie H(x) du «champ» ou «interface» x ∈ E est donnée par

H(x) = (xi − xj )2 ,
|i−j|1 =1
avec |i − j|1 := |i1 −j1 |+· · ·+|id −jd |, et par convention xi = 0 si i ∈ Λ.

Il s’agit d’un exemple où E est infini et continu, étudié notamment dans
le chapitre 2 en liaison avec la marche aléatoire simple sur Zd ;
— Polymères dirigés. On pourra se reporter au chapitre 19.
Il se trouve que les mesures de Gibbs ont la propriété remarquable de
maximiser l’entropie de Boltzmann à énergie moyenne fixée. Rappelons tout
d’abord que si μ est une mesure de probabilité sur E, son entropie de Boltz-
mann notée Ent(μ) est définie par, avec la convention 0 log(0) = 0,

Ent(μ) = − μ(x) log(μ(x)).
x∈E
Théorème 5.1 (Maximum d’entropie à énergie fixée). Soit H : E → R

une fonction de minimum h− et de maximum h+ , et soit m ∈ [h− , h+ ], avec
m ∈ {h− , h+ } si h− = h+ . Soit M = {μ : Eμ (H) = m} l’ensemble des
mesures de probabilité sur E d’énergie moyenne m. Alors il existe β ∈ R tel
que μβ ∈ M, et Ent(μ) Ent(μβ ) pour tout μ ∈ M, avec égalité ssi μ = μβ .
5.1 Mesures de Gibbs 71
Démonstration. Considérons la fonction

1
f : β ∈ R → Eμβ (H) = H(x)μβ (x) = H(x) e−βH(x) .
Zβ
x∈E x∈E
Si h− = h+ alors H est constante et égale à m = h− = h+ , μβ est la mesure

uniforme sur E quelque soit β ∈ R, et M est égal à l’ensemble des mesures de
probabilités sur E. Si h− = h+ , alors f est strictement décroissante puisque 2
2
1 1
f (β) = − H(x)2 e−βH(x) + H(x)e−βH(x)
Zβ Zβ
x∈E x∈E
= −Varμβ (H) > 0,
car H n’est pas constante et le support de μβ est plein. De plus, dans ce cas,
en notant M = {x ∈ E : H(x) = h− }, il vient, pour tout x ∈ E,

−1
e−β(H(x)−h− ) |M | si x ∈ M,
μβ (x) = −β(H(y)−h
−→
|M | + y∈M/ e − ) β→+∞ 0 sinon,
et donc μβ converge vers la mesure uniforme sur M quand β → +∞, et il en

découle que l’image de R par la fonction f est l’intervalle ]h− , h+ [.
Si μ est une probabilité sur E ayant même énergie moyenne que μβ , alors

Ent(μβ ) − Ent(μ) = (log(Zβ ) + βH(x))μβ (x) + μ(x) log(μ(x))
x∈E x∈E

= (log(Zβ ) + βH(x))μ(x) + μ(x) log(μ(x))
x∈E x∈E

=− μ(x) log(μβ (x)) + μ(x) log(μ(x))
x∈E x∈E

μ(x)
= μ(x) log
μβ (x)
x∈E

μ(x)
= Φ μβ (x)
μβ (x)
x∈E

μ(x)
Φ μβ (x) = Φ(1) = 0,
μβ (x)
x∈E
où on a utilisé l’inégalité de Jensen pour la loi μβ et pour la fonction convexe
x 0 → Φ(x) := x log(x).
Comme Φ est strictement convexe, il y a égalité si et seulement si μ = μβ .

2. Ce calcul est typique des «familles exponentielles» de la statistique.
5.2 Algorithme de Metropolis-Hastings

On s’intéresse dans cette section au problème de la simulation d’une me-
sure de Gibbs sur un espace fini E, d’énergie H : E → R et de paramètre
β > 0, définie pour tout x ∈ E par
1 −βH(x)
μβ (x) = e , où Zβ = e−βH(x) .
Zβ
x∈E
Même si β et H sont connus, il est souvent difficile voire impossible d’évaluer

numériquement la constante de normalisation Zβ car E est trop gros ou trop
complexe à parcourir. En revanche, le rapport
μβ (x)
= eβH(y)−βH(x)
μβ (y)
ne dépend que de la différence d’énergie H(y) − H(x), dont l’évaluation en

pratique est même souvent moins coûteuse que l’évaluation de H(x) et H(y)
séparément. L’algorithme de Metropolis-Hastings permet de construire et de
simuler une chaîne de Markov récurrente apériodique (Xt )t∈N sur E de loi
invariante μβ , dont la matrice de transition ne fait intervenir μβ qu’à travers
les rapports μβ (x)/μβ (y). Comme E est fini, la condition de Doeblin ou le
théorème de Perron-Frobenius fournissent une convergence exponentielle de
l’erreur 3 de la forme : il existe c > 0 et η < 1 tel que, pour tout t ∈ N,
dVT (Loi(Xt ), μβ ) cη t .
On dispose ainsi d’un générateur approché de μβ : pour t 1,
μβ ≈ Loi(Xt ).
Le théorème 5.2 fournit une construction du noyau de transition P de (Xt )t∈N .

Théorème 5.2 (Metropolis-Hastings). Soit Q : E × E → [0, 1] un noyau de
transition irréductible sur E, vérifiant, pour tous x, y ∈ E,
Q(x, y) = 0 ssi Q(y, x) = 0.
Soit α : R+ → ]0, 1] une fonction vérifiant, pour tout u ∈ R+ ,

1
α(u) = uα .
u
Soit P : E × E → R défini, pour tous x, y ∈ E, par

Q(x, y)ρ(x, y) si x = y,
P(x, y) =
1 − z=x P(x, z) si x = y,
3. En pratique ces bornes sont rarement utiles, en dehors de certains cas spéciaux.
5.2 Algorithme de Metropolis-Hastings 73
où
μβ (y)Q(y, x)
ρ(x, y) = α 1Q(x,y)>0 .
μβ (x)Q(x, y)
Alors P est un noyau de transition sur E, irréductible récurrent positif, de loi
invariante réversible μβ ; apériodique si α < 1 ou si Q est apériodique.
Les deux choix les plus classiques pour α sont donnés par
u
α(u) = min(1, u) et α(u) = , u ∈ R+ .
1+u
Le premier possède une interprétation intuitive. Le second assure que α < 1.
Si la mesure μβ est réversible pour le noyau Q, et c’est le cas par exemple
lorsque μβ est la mesure uniforme sur E et Q(x, y) = Q(y, x) pour tous
x, y ∈ E, alors la construction de Metropolis-Hastings revient tout simplement
à prendre P = (1 − ε)Q + εI, où 0 < ε < 1 assure l’apériodicité.
Démonstration du théorème 5.2. On a 0 P(x, y) Q(x, y) pour tous x, y
dans E avec x = y, et donc P est un noyau de transition. Comme α > 0, le
noyau P hérite du squelette de Q, et il est donc irréductible, et apériodique si
Q l’est. Si α < 1 alors P(x, x) > 0 pour tout x ∈ E et donc P est apériodique.
Comme P est irréductible sur E fini, il possède une unique loi invariante. La
propriété de α donne, pour tous x, y ∈ E, x = y, Q(x, y) = 0,

μβ (y)Q(y, x)
μβ (x)P(x, y) = μβ (x)Q(x, y)α
μβ (x)Q(x, y)

μβ (y)Q(y, x) μβ (x)Q(x, y)
= μβ (x)Q(x, y) α
μβ (x)Q(x, y) μβ (y)Q(y, x)
= μβ (y)P(y, x).
Ainsi μβ est réversible pour P, et c’est donc la loi invariante de P.

L’algorithme de Metropolis-Hastings consiste à simuler les trajectoires de
la chaîne (Xt )t∈N de noyau P. Cela se ramène au problème de la simulation de
la loi discrète P(x, ·) pour un x quelconque. Pour ce faire, soit Y une variable
aléatoire sur E de loi Q(x, ·), et U une variable aléatoire de loi uniforme sur
[0, 1], indépendante de Y . Soit Z la variable aléatoire définie par Z = Y si
U < ρ(x, Y ) et Z = x sinon. Alors Z ∼ P(x, ·) car pour tous y = x,
P(Z = y) = P(U < ρ(x, Y ), Y = y) = ρ(x, y)Q(x, y) = P(x, y).
Autrement dit la proposition Y de loi Q(x, ·) est acceptée ou rejetée selon

que U < ρ(x, Y ) ou pas. L’évaluation de P(x, x) n’est pas requise. On dit que
ρ est la fonction d’acceptation-rejet tandis que Q le noyau de proposition ou
d’exploration. Le noyau Q doit être facile à simuler. En pratique, on utilise
souvent le noyau de la marche aléatoire simple aux plus proches voisins sur le
graphe associé à une distance naturelle sur E :
1y∈Vx
Q(x, y) = où Vx := {y ∈ E : dist(x, y) = 1}.
|Vx |
Si le graphe est régulier, c’est-à-dire que |Vx | = |Vy | pour tous x, y ∈ E, et si
μβ est la mesure uniforme sur E, alors P = (1 − ε)Q + εI, où 0 < ε < 1, et
on peut prendre ε = 0 si Q est apériodique.
Exemple 5.3 (Échantillonneur de Gibbs). Soit F ⊂ Z une partie finie et non
vide de Z, comme par exemple F = {−1, 1} comme dans le modèle d’Ising
évoqué dans l’introduction du chapitre. Soit également Λ ⊂ Zd une partie finie
et non vide de Zd . Soit enfin E = F Λ . Un noyau d’exploration Q naturel sur
E consiste, à partir d’une configuration courante x ∈ E, à sélectionner un
site i ∈ Λ au hasard 4 , puis à modifier xi en utilisant la loi conditionnelle
μβ (xi | x−i ) où x−i := (xj )j=i .
Cette loi conditionnelle est facile à calculer et à simuler dans le cas par
exemple du modèle d’Ising. Cela revient à prendre, pour tous x, y ∈ E,

Q(x, y) = q(i)μx,i (yi )1{x−i =y−i } , où μx,i := μβ (xi | x−i )
i∈Λ
et où q est une loi sur Λ chargeant tous les états comme par exemple la loi
uniforme sur Λ. L’échantillonneur de Gibbs est le nom donné à l’algorithme
de Metropolis-Hastings lorsque le noyau d’exploration Q est défini comme cela.
5.3 Algorithme du recuit simulé

L’algorithme du recuit simulé a pour objectif de minimiser une fonction
H : E → R sur E fini. Pour ce faire, on considère la mesure de Gibbs μβ
d’énergie H et de paramètre β > 0, définie pour tout x ∈ E par
1 −βH(x)
μβ (x) = e , où Zβ = e−βH(x) .
Zβ
x∈E
Il est commode d’interpréter le paramètre 1/β comme une température ou

une variance par analogie gaussienne. La loi μβ favorise les configurations de
faible énergie, d’autant plus que la température 1/β est basse. On a établi
dans la démonstration du théorème 5.1 la convergence suivante 5 :
1x∈M ! "
μ∞ (x) := lim μβ (x) = où M := y ∈ E : H(y) = inf H .
β→∞ |M | E
La loi μ∞ est uniforme sur l’ensemble M des minima globaux de H. On

prendra garde à ne pas confondre μ∞ avec la loi μ0 qui est uniforme sur E.
4. On préfère parfois balayer méthodiquement les sites les uns après les autres.
5. Il s’agit d’une instance très simple du principe de Laplace.
5.3 Algorithme du recuit simulé 75
Cela conduit à un algorithme stochastique pour simuler μ∞ appelé algorithme

du recuit simulé 6 , qui consiste à utiliser l’algorithme de Metropolis-Hastings
mais avec une température 1/β = 1/βt décroissante au cours du temps t. La
chaîne de Markov de Metropolis-Hastings (Xt )t∈N ainsi modifiée n’est plus
homogène en temps. Considérons par exemple le cas où α(u) = min(1, u)
pour tout u ∈ R, et où Q est tel que Q(x, y) = Q(y, x) pour tous x, y ∈ E.
La fonction d’acceptation-rejet dépend du temps et est donnée par

μβt (y)
ρt (x, y) = α = α e−βt (H(y)−H(x)) = e−βt max(0,H(y)−H(x)) .
μβt (x)
Sachant que la chaîne (ou l’algorithme) se trouve en l’état x au temps t, on
simule une proposition y de loi Q(x, ·), qu’on accepte ssi U < ρt (x, y) où U
est une variable aléatoire uniforme sur [0, 1] indépendante, c’est-à-dire avec
probabilité 1 si H(y) H(x) et probabilité e−βt (H(y)−H(x)) sinon (vaut 0 si
1/βt = 0). L’algorithme explore le graphe de H, accepte toujours une transi-
tion qui abaisse l’énergie H et accepte une transition qui l’augmente avec une
probabilité décroissant vers zéro au fur et à mesure que la température baisse.
Contrairement à une méthode de type descente de gradient, le recuit simulé
peut «remonter la pente» et ainsi échapper, au début, aux minima locaux.
Il reste cependant à régler la température : un refroidissement trop brusque
peut piéger la trajectoire près d’un minimum local tandis qu’un refroidisse-
ment trop lent peut empêcher l’algorithme de se concentrer près de l’ensemble
M . Un résultat théorique assure que pour un schéma de décroissance de la
température 1/βt de la forme c/ log(t) quand t → ∞, la chaîne s’accumule
sur des points de M . Ce théorème remarquable est toutefois peu utile en pra-
tique ! La performance de l’algorithme dépend beaucoup de la régularité du
graphe de H par rapport à la structure de voisinage de l’exploration.
Considérons à présent le problème du voyageur de commerce pour n villes
positionnées dans l’espace en v1 , . . . , vn , qui consiste à trouver une tournée
de longueur minimale, c’est-à-dire une permutation x ∈ Sn dans le groupe
symétrique Sn qui minimise la fonction

n

x ∈ Sn → H(x) := dist vx(i) , vx(i+1) où x(n + 1) := x(1).
i=1
La longueur d’une tournée joue le rôle d’énergie ici. Le cardinal de E = Sn est

énorme : n!. À coût total fixé, on ne pourra qu’explorer une partie restreinte
F ⊂ E et retenir le minimum de H sur F comme approximation du minimum
de H sur E. La génération d’une partie F ⊂ E peut se faire de manière
déterministe 7 , ou de manière stochastique par exemple avec l’algorithme du
6. «Simulated annealing» en anglais.
7. L’algorithme (déterministe) de Steinhaus-Johnson-Trotter permet de lister les
éléments de Sn sans comparaison aux éléments déjà produits. Algébriquement, il
correspond à parcourir un graphe de Cayley de Sn , tandis que géométriquement, il
correspond à parcourir les sommets adjacents du polytope appelé permutaèdre.
recuit simulé. On peut choisir par exemple pour noyau d’exploration Q celui
de la marche aléatoire simple sur Sn associée aux transpositions, donné par

2
si y = xτ pour une transposition τ ,
Q(x, y) = n(n−1)
0 sinon.
Puisque les transpositions engendrent le groupe symétrique Sn , le noyau de

transition Q est irréductible. On peut bien entendu choisir un noyau d’explo-
ration plus riche, qui, par exemple, échange k villes tirées au hasard.
L’étude de l’ordre de grandeur de H(x) lorsque les positions v1 , . . . , vn des
n villes sont aléatoires i.i.d. et n est grand fait l’objet du chapitre 20.
Fig. 5.1. Étapes de l’algorithme du recuit pour le voyageur de commerce (n = 10).

5.4 Algorithme de Propp-Wilson 77
5.4 Algorithme de Propp-Wilson

L’algorithme de Metropolis-Hastings permet une simulation approchée
d’une mesure de Gibbs μβ sur E fini, au moyen d’une chaîne de Markov
de noyau P qui admet μβ comme loi invariante et réversible (théorème 5.2).
Nous présentons à présent un algorithme de simulation exacte de μβ .
Soit P un noyau markovien irréductible sur E de probabilité invariante
μβ . Adoptons l’interprétation des chaînes de Markov sous forme de suites
récurrentes aléatoires. Soit donc g : E × [0, 1] → E une fonction telle que
g(x, U ) ∼ P(x, ·) pour tout x ∈ E, où U est une variable aléatoire de loi
uniforme sur [0, 1]. On note G : E → E la fonction aléatoire définie par
G(x) = g(x, U ). Soit (Gn )n0 une suite i.i.d. de fonctions aléatoires de E
dans E, de même loi que G, construites à la manière de G en utilisant une
suite (Un )n0 de variables aléatoires i.i.d. de loi uniforme sur [0, 1]. Pour tout
n, on construit les applications aléatoires An : E → E et Bn : E → E par
composition de la manière suivante :
An = G n ◦ · · · ◦ G 1 et Bn = G1 ◦ · · · ◦ Gn .
On convient que A0 et B0 sont égales à l’application identité de E. Pour tout

x ∈ E et tout n, les variables aléatoires An (x) et Bn (x) suivent la loi Pn (x, ·).
Les suites (An (x))n0 et (Bn (x))n0 ont les mêmes lois marginales de dimen-
sion 1, mais n’ont pas la même loi en tant que suites. La suite (An (x))n0 est
une chaîne de Markov sur E de noyau P et de loi initiale δx . En revanche,
(Bn (x))n0 n’est pas une chaîne de Markov car le temps est «inversé». On
définit les temps de contraction TA et TB à valeurs dans N ∪ {∞} par
TA = inf{n 0 : card(An (E)) = 1} où An (E) = {An (x) : x ∈ E}
et de même,
TB = inf{n 0 : card(Bn (E)) = 1} où Bn (E) = {Bn (x) : x ∈ E}.
On dit que G est contractante lorsque p = P(card(G(E)) = 1) > 0.

Théorème 5.4 (Convergence à la coalescence pour la suite renversée). Si G
est contractante alors P(TB < ∞) = 1, pour tout x ∈ E, BTB (x) ∼ μβ , et
Bn (x) = BTB (x) pour tout n TB .
Notons que (An (x))n0 converge en loi vers μ tandis que (Bn (x))n0
converge p.s. vers une variable aléatoire de loi μ.
Démonstration. Les événements Cn = {card(Gn (E)) = 1} sont indépendants
et de même probabilité p = P(card(G(E)) = 1) > 0. Par le lemme de Borel-
Cantelli, presque sûrement, card(Gn (E)) = 1 pour une infinité de valeurs de
n, et en particulier P(TB < ∞) = 1. Le temps aléatoire TB définit presque
sûrement un singleton aléatoire {xB } tel que BTB (x) = xB pour tout x ∈ E.
Il en découle que Bn (x) = xB pour tout x ∈ E et tout n TB car
Bn (x) = BTB ((GTB +1 ◦ · · · ◦ Gn )(x)) = xB .
Il y a coalescence des trajectoires de (Bn (x))n0 quel que soit l’état initial
x. Soit μB la loi de xB . Par convergence dominée, pour tout x ∈ E et toute
fonction bornée f : E → R,
lim E(f (Bn (x)) = lim E(f (Bn (x))1{TB n} ) = E(f (xB )) = μB f.
n→∞ n→∞

Or E(f (Bn (x))) = Pn (x, ·)f = y∈E Pn (x, y)f (y), d’où, pour tous x, y ∈ E,
lim Pn (x, y) = μB (y).

n→∞
Ainsi μB = μβ , ce qui achève la preuve.

Si G est contractante alors on a aussi P(TA < ∞) = 1 et TA définit presque
sûrement un singleton aléatoire {xA }, vérifiant ATA (x) = xA pour tout x ∈ E,
mais rien n’assure que An (x) = xA pour n > TA et tout x ∈ E, ni que xA suit
la loi μβ . Pour tous x, y ∈ E, la suite ((An (x), An (y)))n0 est un couplage
coalescent : les deux composantes sont des chaînes de même noyau et qui
restent collées après leur première rencontre. On dit que ((Bn (x), Bn (y)))n0
est un couplage coalescent par le passé 8 .
Lorsque G n’est pas contractante, on peut utiliser le noyau Pr , r 1, qui
admet également μβ comme loi invariante. En pratique, il n’est pas commode
de déterminer le temps de couplage (ou coalescence) par le passé TB car il fait
intervenir tous les états initiaux possibles. Il est toutefois possible de contrôler
ce temps lorsque le noyau P possède une propriété de monotonie par rapport
à un ordre sur l’espace d’états E, en se ramenant à un état minimal et à un
état maximal, comme le montre l’exemple détaillé dans la section 5.5.
5.5 Modélisation d’un composé chimique

Dans cette section nous mettons en place un algorithme de type Metropolis-
Hastings et un algorithme de simulation exacte pour obtenir une réalisation
d’une mesure de Gibbs modélisant la répartition de deux composés chimiques
que l’on dira de type +1 et de type −1 en répulsion forte. Le système est
supposé ouvert et le nombre de particules de chaque composé est donc libre.
Pour simplifier, on suppose que les composés sont répartis sur une surface
plane assimilée à un carré discret Λ = {1, . . . , L}2 ⊂ Z2 . Chaque site i ∈ Λ
est soit vierge, soit occupé par un composé chimique de type +1 ou −1. La
répulsion entre composés de types différents est prise en compte en interdisant
que deux composés de types différents soient voisins, c’est-à-dire à distance 1
sur le quadrillage. L’ensemble des configurations est donc le suivant
E = {x ∈ {−1, 0, +1}Λ : ∀i, j ∈ Λ, |i − j|1 = 1 ⇒ xi xj = −1}.

8. En anglais : «coupling from the past».
5.5 Modélisation d’un composé chimique 79
On considère l’énergie
x ∈ E → H(x) = card{i ∈ Λ : |xi | = 1}
qui compte le nombre de composés présents et la mesure de Gibbs associée

1 −βH(x)
μβ = e , x ∈ E, β ∈ R, Zβ = e−βH(x) .
Zβ
x∈E
Plus le réel β est petit (respectivement grand) et plus la loi μβ favorise les
configurations denses (respectivement clairsemées).
Remarque 5.5 (Méthode du rejet). Voici une première méthode permettant
de simuler de manière exacte μβ . On attribue indépendamment à chaque site
de Λ une valeurs −1, 0 ou +1 avec probabilités respectives
e−β 1 e−β
, , et .
1 + 2e−β 1 + 2e−β 1 + 2e−β
La configuration obtenue est retenue si elle appartient à E. Dans le cas
contraire, on répète la procédure. Cette méthode simple s’avère impraticable
Λ
car E est tout petit dans {−1, 0, +1} .
Construisons à présent un algorithme de type Metropolis-Hastings. Pour
tous u ∈ [−1, 1], i ∈ Λ, soit
hi,u : E → {−1, 0, +1}Λ
la fonction définie pour tous x ∈ E et j ∈ Λ par

⎧
⎪
⎪xj si j = i;
⎪
⎨−1 si j = i et u < −1/(1 + 2e−β ) ;
(hi,u (x))j =
⎪
⎪0 si j = i et −1/(1 + 2e−β ) u 1/(1 + 2e−β ) ;
⎪
⎩
+1 si j = i et u > 1/(1 + 2e−β ).
Enfin, on pose
hi,u (x) si hi,u (x) ∈ E,
gi,u (x) =
x sinon.
Soient (Un )n1 et (Vn )n1 des suites indépendantes de variables aléatoires
i.i.d. de loi uniforme sur [−1, 1] et sur Λ respectivement, et Gn := gVn+1 ,Un+1 .
On définit enfin la suite récurrente aléatoire (Xn )n0 définie par
Xn+1 = Gn (Xn ).
Théorème 5.6. La suite (Xn )n∈N est une chaîne de Markov sur E, irréduc-
tible, récurrente, apériodique et de loi invariante réversible μβ .
Démonstration. La suite (Xn )n∈N est chaîne de Markov, écrite sous la forme
d’une suite récurrente aléatoire sur E fini. Toutes les configurations mènent à
la configuration nulle (aucun composé présent) et réciproquement. La chaîne
est donc irréductible et récurrente. Soit P le noyau de transition de (Xn )n∈N .
Si x et y sont deux éléments de E alors P(x, y) est strictement positif si x et y
coïncident sur en tous les sites sauf un. On vérifie au cas par cas la relation de
réversibilité. Supposons par exemple que x et y sont dans E et, pour i0 ∈ Λ,
xi0 = +1, yi0 = 0 et xi = yi pour i = i0 .
Alors H(x) = H(y) + 1 et ainsi

2
μβ (x)P(x, y) = μβ (y)e−β 2
L (1 + 2e−β )

1 1
= μβ (y) 2 1 − = μβ (y)P(y, x).
L 1 + 2e−β
À partir de cette suite récurrente aléatoire, on peut également mettre en

place un algorithme de simulation parfaite. Doit-on vraiment, dans l’algo-
rithme de Propp-Wilson, suivre toutes les trajectoires paramétrées par les
points de E vus comme des conditions initiales ? La propriété fondamentale
ci-dessous va permettre de simplifier grandement ce problème : deux suffisent !
Lemme 5.7 (Monotonie). Pour tous u ∈ [−1, 1] et i ∈ Λ, la fonction x ∈
E → gi,u (x) est croissante pour l’ordre (partiel) sur E défini par
xy ssi xi yi pour tout i ∈ Λ.
De plus, la configuration, notée −1 (respectivement +1), constituée unique-

ment de −1 (respectivement +1), est un plus petit (respectivement grand)
élément pour cet ordre partiel.
À présent, la monotonie fournit l’encadrement
Gn (−1) Gn (x) Gn (+1),
indiquant que la coalescence partant de x quelconque a lieu avant la coa-

lescence partant de ±1. D’un point de vue pratique, il suffit donc d’itérer
l’algorithme jusqu’à l’instant de coalescence des trajectoires issues de ±1.
2
Enfin, le noyau P n’est pas contractant au sens du théorème 5.4 mais PL
2
l’est puisque, pour tout x ∈ E, PL (x, ·) charge la configuration nulle.

Pour une introduction à la physique statistique, qui est un point de contact
très important entre physique et mathématique, et notamment, et pour des
examples explicites autour du modèle d’Ising, on pourra consulter le livre

[Bax82] de Rodney Baxter. Des modèles inspirés de celui d’Ising sont utilisés
en imagerie pour la modélisation du bruit spatial.
La partie sur les algorithmes de Metropolis-Hastings, du recuit simulé, et
de Propp-Wilson est inspirée d’un livre précédent [BC07, Chapitre 4] et du
cours de Thierry Bodineau à l’École Polytechnique [Bod14]. L’algorithme de
Metropolis-Hastings a été introduit par Nicholas Metropolis, Arianna Rosen-
bluth, Marshall Rosenbluth, Augusta Teller, et Edward Teller [MRR+ 53] puis
généralisé par Keith Hastings [Has70], et fait aujourd’hui partie des méthodes
MCMC (Monte Carlo Markov Chains), qui consistent à utiliser des chaînes
de Markov pour approcher des espérances par la méthode de Monte Carlo.
Les méthodes MCMC sont au cœur des implémentations quantitatives de la
statistique bayésienne abordée par exemple dans le livre de Christian Robert
et George Casella [RC04]. Des versions à particules permettent d’améliorer
les performances pratiques notamment lorsque la loi μ est multimodale.
En métallurgie, le procédé du recuit consiste à recuire le métal pour échap-
per aux minima locaux d’énergie et obtenir une structure métallique de basse
énergie, garantissant une meilleure solidité. L’algorithme du recuit simulé s’en
inspire, ce qui explique son nom. Le recuit simulé converge théoriquement en
temps infini lorsque la température suit un schéma de décroissance par paliers
logarithmiques, mais ce résultat d’analyse asymptotique n’est pas vraiment
pertinent en pratique. Une analyse de l’algorithme se trouve par exemple
dans le livre de Étienne Pardoux [Par07] et dans le panorama de Olivier Ca-
toni [Cat99]. Des versions améliorées du recuit simulé, comme l’algorithme de
Wang-Landau introduit par Fugao Wang et David Landau [WL01], consti-
tuent un sujet de recherche actuel. Les algorithmes de Metropolis-Hastings,
du recuit simulé, et de Wang-Landau sont tous disponibles dans des cadres à
temps et espace continus. L’algorithme de Propp-Wilson, proposé par James
Propp et David Wilson [PW96, PW98], est présenté dans le livre de David
Levin, Yuval Peres, et Elizabeth Wilmer [LPW09], et dans celui de Olle Hägg-
ström [Häg02]. L’exemple étudié dans la section 5.5 est inspiré d’un texte de
Christophe Sabot. D’autres algorithmes de simulation exacte de la loi inva-
riante ont été développés, comme par exemple celui de James Fill [Fil98].
6
Agrégation limitée par diffusion interne
Mots-clés. Modèle de croissance ; ensembles aléatoires.

Outils. Chaîne de Markov ; martingale ; couplage ; inégalité de concentra-
tion.
Difficulté. *
Un fût de déchets radioactifs est enterré secrètement. Après quelques an-

nées, il devient poreux et laisse échapper son contenu. Pour éviter une conta-
mination excessive, on a disposé des pièges à particules qui capturent la pre-
mière particule qui passe mais deviennent ensuite inertes (une nouvelle parti-
cule passe sans être arrêtée). Le milieu est isotrope : une particule radioactive
se déplace de la même manière dans toutes les directions tant qu’elle passe
sur des pièges qui ont déjà été activés et est capturée par le premier piège
libre qu’elle rencontre. On souhaite connaître la forme typique des zones qui
seront contaminées par cette fuite. On introduit pour ce faire un modèle de
croissance aléatoire, appelé agrégation limitée par diffusion interne, dont on
étudie notamment les propriétés asymptotiques.
6.1 Modèle d’agrégation par diffusion

Pour modéliser l’évolution de la région polluée, on introduit le modèle de
croissance suivant. On assimile l’espace à Zd où d vaut 1, 2 ou 3 selon le
nombre de dimensions que l’on souhaite prendre en compte. Deux éléments x
et y de Zd sont dits voisins, et nous noterons x ∼ y, si
|x − y|1 = |x1 − y1 | + · · · + |xd − yd | = 1.
On place le fût à l’origine 0 ∈ Zd . Sur chaque point du réseau est disposé un

piège. Notons A(0) le singleton {0}. Le premier piège activé sera l’un des 2d

84 6 Agrégation limitée par diffusion interne
emplacements voisins de l’origine. On modélise la trajectoire d’une particule

radioactive sortant du fût par une marche aléatoire simple symétrique sur Zd
issue de 0 et arrêtée lorsqu’elle quitte le point A(0). On note A(1) l’ensemble
aléatoire composé de 0 et du point où la particule est sortie. Pour tout x
voisin de 0, A(1) est égal à {0, x} avec probabilité 1/2d. On itère ensuite
le procédé. Étant donné un ensemble A(n) ⊂ Zd , on considère une marche
aléatoire symétrique (Sk )k0 issue de 0 arrêtée lorsqu’elle sort de A(n). On
définit alors A(n + 1) comme l’ensemble des éléments de A(n) et du point où
est sortie la marche S. Ce modèle est connu sous le nom de agrégation limitée
par diffusion interne 1 .
On obtient ainsi une suite (A(n))n0 d’ensembles aléatoires. Le résultat
suivant regroupe quelques propriétés immédiates de cette suite.
Théorème 6.1 (Propriétés immédiates). La suite (A(n))n0 est croissante
au sens de l’inclusion. Le cardinal de A(n) vaut exactement n + 1. Pour tout
n ∈ N, soit x et y deux éléments de A(n), alors il existe x0 , . . . , xm éléments
de A(n) tels que x0 = x, xm = y et xi ∼ xi+1 pour i = 0, . . . , m − 1. On
pourrait dire que l’ensemble A(n) est connexe par arcs dans Zd .
On souhaite à présent étudier le comportement asymptotique de la suite
(A(n))n0 . On étudie en détail le cas de la dimension 1. L’étude en dimension
supérieure, beaucoup plus délicate, est évoquée dans les sections 6.6 et 6.7.
6.2 Modèle unidimensionnel

On suppose que la propagation se fait selon un axe horizontal. On se
place donc dans le cas où d = 1. L’ensemble initial A0 est le singleton {0}
puis A1 est égal à {0, 1} avec probabilité 1/2 et {−1, 0} avec probabilité 1/2,
etc. Notons Gn = min An et Dn = max An . L’ensemble An est de la forme
An = {Gn , Gn + 1, . . . , Dn − 1, Dn }. Puisque le cardinal de An est n + 1, on a
Dn − Gn = n. Ainsi, An est caractérisé par Xn = Dn + Gn et, en particulier,
Xn + n Xn − n
Dn = et Gn = .
2 2
Les accroissements (Xn+1 − Xn )n0 ne peuvent prendre que les valeurs −1
ou 1. Plus précisément, Xn+1 = Xn − 1 si la marche issue de 0 atteint Gn − 1
avant Dn + 1, et Xn+1 = Xn + 1 si la marche issue de 0 atteint Dn + 1
avant Gn − 1. La symétrie de la marche aléatoire sous-jacente fait que la loi
de Xn est symétrique pour tout n 0. En particulier, pour tout n 0, on a
0 = E(Xn ) = E(Dn ) + E(Gn ) et donc E(Dn ) = n/2 et E(Gn ) = −n/2.
Théorème 6.2 (Évolution markovienne). La suite (Xn )n0 est une chaîne
de Markov inhomogène sur Z issue de 0 dont les transitions sont décrites par
les relations suivantes : pour −n i n,
1. «Internal Diffusion Limited Agregation (IDLA)» en anglais.
6.3 Convergence presque sûre 85
n+2+i
P(Xn+1 = i − 1 | Xn = i) =
2(n + 2)
et
n+2−i
P(Xn+1 = i + 1 | Xn = i) = .
2(n + 2)
Démonstration. Pour tout n 1,

i+n i−n
{Xn = i} = Dn = , Gn = .
2 2
La probabilité P(Xn+1 = i − 1 | Xn = i) est donc égale à la probabilité que
la marche aléatoire simple (Sn )n0 issue de 0 atteigne (i − n)/2 − 1 avant
(i + n)/2 + 1. Or d’après le théorème 2.2 (ruine du joueur) si a 0 et b 0
sont deux entiers distincts, et si Ti := inf {n 0, Sn = i} pour i ∈ {a, b} et
T := Ta ∧ Tb , alors, T est intégrable et
b
P(T = Ta ) = 1 − P(T = Tb ) = et E(T ) = −ab.
b−a
Remarque 6.3 (Équilibrage). Lorsque Xn est strictement positif, Xn+1 −Xn

a une probabilité plus forte de valoir -1 que de valoir +1. La tendance s’inverse
lorsque Xn est strictement négatif. On peut donc penser que le processus aura
davantage tendance à revenir en 0 qu’une marche aléatoire simple symétrique
(dont l’accroissement vaut plus ou moins 1 avec probabilité 1/2).
6.3 Convergence presque sûre

On établit ici le premier résultat de convergence en temps long pour le
processus (Xn )n0 du modèle unidimensionnel. L’idée de la preuve est de
rendre rigoureuse l’intuition de la remarque 6.3 en comparant la valeur absolue
de (Xn )n0 à celle de la marche aléatoire simple par une méthode de couplage.
Théorème 6.4 (Convergence presque sûre). Le processus (|Xn |)n0 est une
chaîne de Markov inhomogène et
|Xn | p.s. Gn p.s. 1 Dn p.s. 1
−→ 0 d’où −→ − et −→ .
n n→∞ n n→∞ 2 n n→∞ 2
Démonstration. En discutant suivant les valeurs possibles de Xn , on constate
que |Xn+1 | = 1 si |Xn | = 0, et que si |Xn | > 0 alors
⎧
⎪
⎪ 1 |Xn |
⎨|Xn | − 1 avec probabilité + ,
|Xn+1 | = 2 2(n + 2)
⎪
⎪ 1 |Xn |
⎩|Xn | + 1 avec probabilité − .
2 2(n + 2)
Ainsi (|Xn |)n0 est une chaîne de Markov (suite récurrente aléatoire) inhomo-
gène. Pour établir que |Xn |/n → 0 presque sûrement, on procède par couplage.
Plus précisément, on construit deux processus (Yn )n0 et (Zn )n0 comme
suit : Y0 = Z0 = 0 et pour n 0,

Yn + 21{Un+1 <(n+2−Yn )/2(n+2)} − 1 si Yn > 0,
Yn+1 =
1 si Yn = 0,
et
Zn + 21{Un+1 <1/2} − 1 si Zn > 0,
Zn+1 =
1 si Zn = 0,
où (Un )n1 est une suite de v.a.r. i.i.d. de loi uniforme sur [0, 1]. Le processus
(Yn )n0 a la loi de (|Xn |)n0 tandis que le processus (Zn )n0 a même loi
que la valeur absolue d’une marche aléatoire simple. Ce couplage est tel que
presque sûrement, pour tout n ∈ N, 0 Yn Zn . En effet, si 0 < Yn Zn
alors, par construction, Yn+1 Zn+1 . Par ailleurs, si 0 = Yn Zn alors, Zn
peut être nul et dans ce cas, Yn+1 Zn+1 ou Zn 2 car Zn et Yn ont même
parité. Enfin, Zn /n → 0 p.s. grâce à la loi forte des grands nombres.
n+1
Remarque 6.5 (Espérance). Le théorème 6.2 donne, avec an+1 := n+2 ,
E(|Xn+1 | | |Xn |) = 1|Xn |=0 + an+1 |Xn |1|Xn |=0
d’où, en observant que |Xn |1|Xn |=0 = |Xn |,
E(|Xn+1 |) = P(Xn = 0) + an+1 E(|Xn |).
6.4 Convergence en loi
On s’intéresse à présent aux fluctuations de Xn /n autour de sa limite.

Dans cette section, on donne des éléments de preuve du résultat suivant.
Théorème 6.6 (Convergence en loi). La convergence en loi suivante a lieu :

X loi 1
√n −→ N 0, .
n n→∞ 3
Remarque 6.7 (Comparaison avec le théorème limite central). La vitesse

de convergence en loi de (Xn )n0 est la même que pour la marche aléatoire
simple et la loi limite est encore gaussienne. Pourtant sa variance asympto-
tique est plus petite que dans le cas identiquement distribué. Cela provient de
la tendance auto-stabilisatrice de la chaîne (Xn )n0 .
Avant d’aborder la démonstration du théorème 6.6, étudions le compor-
tement des premiers moments de Xn /n quand n tend vers l’infini. La loi de
6.4 Convergence en loi 87
Xn est symétrique donc tous ses moments impairs sont nuls. Pour le moment
d’ordre 2, on a, pour n 0,
# 2 $ n + 2 − Xn n + 2 + Xn
E Xn+1 |Fn = (Xn + 1)2 + (Xn − 1)2
2(n + 2) 2(n + 2)
n
=1+ X2.
n+2 n
En posant xn (2) = E(Xn2 ) et en prenant l’espérance dans la relation ci-dessus,
on obtient, pour n 1,
n
xn+1 (2) = 1 + xn (2) et x1 (2) = 1.
n+2
Une récurrence donne
1
n−1
xn (2) = 1 + k(k + 1),
n(n + 1)
k=1
et (xn (2)/n)n1 converge donc vers 1/3. On peut établir de même que pour
tout k 0, la suite (xn (2k)/nk )n1 admet une limite μ(2k) et que la suite
(μ(2k))k∈N est solution de
2k + 1
μ(0) = 1 et μ(2k + 2) = μ(2k).
3
Or d’après le théorème 21.7, la seule mesure de probabilité dont les moments
pairs vérifient la récurrence ci-dessus et les moments impairs sont nuls est
la loi N (0, 1/3). D’autre part, d’après le théorème 21.6, la convergence des
moments vers une mesure de probabilité caractérisée par ses moments √ entraîne
la convergence en loi. On obtient ainsi la convergence en loi de Xn / n vers
la mesure gaussienne centrée de variance 1/3.
Un autre moyen d’établir la convergence annoncée est d’utiliser un rai-
sonnement basé sur le théorème limite central pour les martingales. Il existe
plusieurs jeux d’hypothèses plus ou moins faciles à vérifier. Voici le théorème
que nous utiliserons dans la suite.
Théorème 6.8 (TLC pour martingales). Soit (Mn )n0 une martingale de
carré intégrable pour une filtration (Fn )n0 , et soit (an )n0 une suite réelle,
strictement positive, déterministe croissante vers l’infini. On pose
2
M 0 = 0 et M n+1 = M n + E((ΔMn+1 ) | Fn ),
où ΔMn := Mn − Mn−1 . Supposons que
P
1. il existe λ 0 déterministe tel que a−1
n M n −→ λ,
n→∞
2. (condition de Lyapunov) il existe δ > 0 tel que
1 n
P
E ΔMk2+δ | Fk−1 −→ 0.
(an )1+δ/2 k=1 n→∞
Alors, on a
1 √ Mn
−→ N (0, λ−1 )
loi loi
√ Mn −→ N (0, λ), et an si λ > 0.
an n→∞ M n n→∞
Il convient de modifier légèrement (Xn )n0 pour en faire une martingale.
Lemme 6.9 (Martingale dans le modèle). Le processus (Mn )n0 défini par
Mn = (n + 1)Xn est une martingale de carré intégrable pour la filtration
naturelle (Fn )n0 de (Xn )n0 , qui vérifie
2
E((ΔMn+1 ) | Fn ) = (n + 2)2 − Xn2 ,
et
4
E((ΔMn+1 ) | Fn ) = (n + 2)2 − Xn2 (n + 2)2 + 3Xn2 ,
et
M n p.s. 1
−→ .
n3 n→∞ 3
Démonstration. Soit α ∈ {1, 2, 4}. La quantité suivante
E((ΔMn+1 )α |Fn ) = E(((n + 2)Xn+1 − (n + 1)Xn )α | Xn )
α n + 2 + Xn α n + 2 − Xn
= [Xn − (n + 2)] + [Xn + n + 2] ,
2(n + 2) 2(n + 2)
est nulle si α = 1, et donc (Mn )n0 est une martingale. Si α ∈ {2, 4} alors
(n + 2 − Xn )α−1 + (n + 2 + Xn )α−1
E((ΔMn+1 )α | Fn ) = ((n + 2)2 − Xn2 ) ,
2(n + 2)
ce qui donne les deux premières relations attendues. En particulier, on a

n−1
n3 2
n−1
M n = ((k + 2)2 − Xk2 ) = − Xk + o(n3 ).
3
k=0 k=0
De plus
1 2 1 Xk2
n−1 n−1
X k .
n3 n k2
k=0 k=1
Puisque Xn /n → 0 p.s. le lemme de Cesàro permet de conclure.
Pour pouvoir obtenir la convergence en loi de (Mn )n0 correctement re-
normalisée, il reste à vérifier la condition de Lyapunov du théorème 6.8 avec
an = n3 . Pour δ = 2, on a

n
n+1
n
E((ΔMk )4 | Fk−1 ) k4 + 2 (k + 1)2 Xk−1
2
= O(n5 ).
k=1 k=2 k=1
La suite (Mn /n3/2 )n1 converge donc en loi vers N (0, 1/3). Ceci fournit im-
médiatement la convergence dans le théorème 6.6.
6.6 Dimensions supérieures 89
6.5 Une inégalité de concentration

Complétons les résultats sur le comportement de Xn par une inégalité
de concentration valable pour tout n 1 (à la différence du théorème de
convergence en loi qui n’est qu’asymptotique).
Théorème 6.10 (Concentration). Pour tout n 1 et tout r > 0,

|Xn | 3n2 r2
P r 2 exp − .
n 8(n + 1)
Démonstration. Par définition de la martingale (Mn )n0 définie dans le
lemme 6.9, pour tout r > 0,

|Xn |
P r P(|Mn | n(n + 1)r).
n
La martingale (Mn )n0 a des accroissements borné car pour tout n 1,
|Mn − Mn−1 | = |(n + 1)Xn − nXn−1 | n|Xn − Xn−1 | + |Xn | 2n
puisque |Xn − Xn−1 | = 1 et |Xn | n. D’après l’inégalité de concentration

d’Azuma-Hoeffding du lemme 20.3, pour tout λ > 0, on a

λ2
P(|Mn | λ) 2 exp − n .
2 k=1 (2k)2
Grâce à la comparaison série-intégrale
n n+1
4
(2k)2 4 x2 dx = (n + 1)3 ,
1 3
k=1
il reste à remplacer λ par n(n + 1)r pour obtenir l’inégalité souhaitée.
6.6 Dimensions supérieures

On se place à présent sur Zd avec d > 1. Comme en dimension 1, on
s’attend à ce que la forme limite de l’ensemble aléatoire devienne relative-
ment régulière puisque la marche aléatoire issue de l’origine aura tendance à
atteindre l’ensemble aléatoire Acn en des points qui ont beaucoup de voisins
dans An . La figure 6.1 fournit une réalisation de A(1000) en dimension 2.
Pour tout r 0 notons x la norme euclidienne d’un point x ∈ Rd et
% &
B(0, r) = y ∈ Rd : y < r et B(0, r) = B(0, r) ∩ Zd .
Le cardinal d’un ensemble Λ de Zd est noté |Λ|. Fixons un entier n et considé-

rons l’ensemble aléatoire A(|B(0, n)|). Le rayon (aléatoire) de la plus grande
boule incluse dans cet ensemble est
20
15
10
−5
−10
−15
−20
−20 −10 0 10 20
Fig. 6.1. Une réalisation de A(1000) en dimension 2.
sup {r 0 : B(0, r) ⊂ A(|B(0, n)|)}

tandis que celui de la plus petite boule qui le contient est
inf {r 0 : A(|B(0, n)|) ⊂ B(0, r)}
On définit alors l’erreur interne δI (n) comme
n − δI (n) = sup {r 0 : B(0, r) ⊂ A(|B(0, n)|)},
et l’erreur externe δE (n) comme
n + δE (n) = inf {r 0 : A(|B(0, n)|) ⊂ B(0, r)}.
Le théorème suivant montre non seulement que la forme asymptotique de
A(n) est sphérique mais fournit également une borne supérieure pour les fluc-
tuations extrêmes de A(n).
Théorème 6.11 (Forme et fluctuation). La forme limite de (An )n0 est la
trace sur Zd d’une boule euclidienne. De plus, il existe une constante βd telle
que presque sûrement
— pour d 3 :
δI (n) δE (n)
lim sup βd et lim sup βd ,
n→∞ log(n) n→∞ log(n)
— pour d = 2 :
δI (n) δE (n)
lim sup β2 et lim sup β2 .
n→∞ log(n) n→∞ log(n)

Le modèle d’agrégation limitée par diffusion interne 2 est considéré par
Persi Diaconis et William Fulton dans [DF91]. Sur le versant de la modélisa-
tion, il peut être relié à des méthodes de polissage chimique : des particules
sont lâchées dans une cuve et détruisent un élément du bord rendant la cuve
plus lisse. On trouvera dans les articles [AG13a, AG13b] d’Amine Asselah et
d’Alexandre Gaudillière des références dans cette direction.
L’une des première études de (A(n))n0 est due à Maury Bramson, David
Griffeath et Gregory Lawler dans [LBG92]. Il y est notamment établi que la
forme asymptotique de A(n) est sphérique. Il faudra attendre longtemps pour
avoir une étude complète pour les fluctuations autour de cette forme limite.
On pourra retrouver le théorème 6.11 dans les articles de David Jerison, Lionel
Levin, et Scott Scheffied [JLS12, JLS13] et dans [AG13a, AG13b].
Le modèle en dimension 1 peut être relié à un modèle de boules et d’urnes
dit de Bernard Friedman décrit dans l’article [Fre65] de David Freedman 3 .
Une boule tirée est remise dans l’urne accompagnée de α boules de la même
couleur et β boules de la couleur opposée. Si β = 0, on retrouve le modèle de
l’urne de Pólya étudié dans le chapitre 15. Lorsque β > 0, on peut montrer
que la proportion asymptotique de chaque couleur tend vers 1/2 pour tout α.
Il existe également un modèle plus difficile à étudier, connu sous le nom de
agrégation limitée par diffusion externe, dans lequel les particules proviennent
de l’infini et viennent s’agglutiner au fil du temps.
Le théorème limite central pour les martingales 6.8 se trouve dans le livre
de Peter Hall et Christopher Heyde [HH80, Cor. 3.1], et dans [BC07, Th. 3.35].
2. «Internal Diffusion Limited Agregation» (IDLA) en anglais.

freed-man !
3. fried-man =
7
Chaînes de Markov cachées
Mots-clés. estimation paramétrique ; estimation récursive ; variable ca-

chée ; espérance conditionnelle ; processus autorégressif.
Outils. Chaîne de Markov ; vecteur gaussien ; martingales ; maximum de
vraisemblance ; formule de Bayes.
Difficulté. *
Bien que markoviens, de nombreux processus réels ne sont observés que

partiellement. Ce chapitre présente deux modèles de chaînes de Markov ca-
chées, qui sont par définition des projections de chaînes de Markov. Le défi
mathématique est alors d’obtenir à partir des observations partielles le plus
d’informations possible sur la partie cachée. Il se ramène à un problème de
calcul de lois conditionnelles. Il n’est en général pas possible de calculer ex-
plicitement ces lois. C’est cependant le cas dans les deux exemples présentés
dans ce chapitre : l’un s’appuie sur les chaînes de Markov à espace d’états fini,
l’autre sur un modèle gaussien.
7.1 Algorithme progressif-rétrograde

On modélise la structure d’un brin d’ADN 1 par une chaîne de caractères
écrite dans un alphabet fini A. Certaines parties de la chaîne correspondent à
la suite des codes des acides aminés nécessaires à la fabrication d’une protéine,
et on dit qu’elles sont codantes, tandis que d’autres parties de la chaîne ne
le sont pas. Pour tenir compte de cette structure segmentée, on modélise la
chaîne par une trajectoire de chaîne de Markov possédant deux régimes.
À un brin d’ADN de longueur l, noté (X1 , . . . , Xl ), et à valeurs dans A,
on adjoint le l-uplet (U1 , . . . , Ul ), à valeurs dans U = {0, 1}. Si la position
1. Acide DésoxyriboNucléique, vecteur du code génétique des organismes vivants.

94 7 Chaînes de Markov cachées
n est codante (respectivement non codante) alors Un = 1 (respectivement

Un = 0). On modélise la loi de (X, U ) = ((Xn , Un ))n0 par une chaîne de
Markov homogène sur A × U de matrice de transition donnée par
P ((x, u), (x , u )) = P(Xn+1 = x , Un+1 = u | Xn = x, Un = u)

= ρ(u, u )πu (x, x ),
où ρ est une matrice de transition sur {0, 1} et où π0 et π1 sont des matrice

de transitions sur A. On suppose que tous les coefficients des matrices ρ,
π0 et π1 sont strictement positifs. La composante U agit comme une sorte
d’interrupteur ou de commutateur (markovien) à deux positions.
La chaîne (X, U ) est irréductible, récurrente et apériodique car tous les
coefficients de sa matrice de transition sont strictement positifs. En général
la projection X = (Xn )n0 , qui modélise le brin d’ADN, n’est pas une chaîne
de Markov. Le modèle est rigide : la loi de la longueur d’un segment de la
catégorie u ∈ U suit une loi géométrique de paramètre 1 − ρ(u, u).
On se place à présent dans la situation où la matrice de transition de
(X, U ), c’est-à-dire le triplet ρ, π0 , π1 , est connue, par exemple grâce à une
estimation menée au préalable (nous y reviendrons plus loin). La question est à
présent la suivante : peut-on déterminer la loi de (Uj )1jl conditionnellement
aux observations (Xi )1il ? On dit que la chaîne de Markov (X, U ) est cachée
car la composante U n’est pas observée. Seule la composante X est observée.
Exemple 7.1. Voici un exemple utilisé dans la figure 7.1 :
⎛ ⎞ ⎛ ⎞
0.3 0.3 0.3 0.1 0.5 0.3 0.1 0.1
0.95 0.05 ⎜ 0.3 0.3 0.1 0.3 ⎟ ⎜ ⎟
ρ= , π0 = ⎜ ⎟, et π1 = ⎜ 0.4 0.4 0.1 0.1 ⎟.
0.1 0.9 ⎝ 0.3 0.1 0.3 0.3 ⎠ ⎝ 0.4 0.1 0.4 0.1 ⎠
0.1 0.3 0.3 0.3 0.5 0.3 0.1 0.1
Description de l’algorithme
On adopte la notation vectorielle X1:i et x1:i pour désigner les i-uplets

(X1 , . . . , Xi ) et (x1 , . . . , xi ). On définit les probabilités suivantes, pour tous
1 i l, x ∈ Al , et v ∈ U :
— Probabilité de prédiction :
P i (v) := P(Ui = v | X1:i−1 = x1:i−1 ).
C’est la probabilité que l’état caché Ui soit en position v connaissant

les observations X1:i−1 ;
— Probabilité de filtrage :
F i (v) := P(Ui = v | X1:i = x1:i ).

les observations X1:i ;
7.1 Algorithme progressif-rétrograde 95
— Probabilité de lissage :
Li (v) := P(Ui = v | X1:l = x1:l ).

les observations X1:l .
Pour calculer les probabilités de lissage, on utilise un algorithme progressif-
rétrograde 2 : on détermine par récurrence, dans le sens croissant des indices,
les probabilités de prédiction et de filtrage, puis on en déduit, toujours par
récurrence mais descendante, les probabilités de lissage. Les relations de récur-
rence nécessaires à cet algorithme sont rassemblées dans le théorème suivant.
Théorème 7.2 (Prédiction, filtrage, lissage). Pour tous 1 i l et v ∈ U,

P i (v) = ρ(u, v)F i−1 (u),
u∈U
πv (xi−1 , xi )P i (v)
F i (v) = i
,
u∈U πu (xi−1 , xi )P (u)
Li (v)
Li−1 (u) = F i−1 (u) ρ(u, v) i .
P (v)
v∈U
Démonstration. Pour l’équation de prédiction, on fait intervenir Ui−1 puis

d’utiliser le fait que les lois Loi(Ui | Ui−1 , X1:i−1 ) et Loi(Ui | Ui−1 ) coïncident :

P i (v) = P(Ui−1 = u, Ui = v | Xi− = xi− )
u∈U

= P(Ui = v | Ui−1 = u, Xi− = xi− )P(Ui−1 = u | Xi− = xi− )
u∈U

= ρ(u, v)F i−1 (u)
u∈U
avec la notation allégée xi− := x1:i−1 . L’utilisation de la relation de base

P(A | B ∩ C)P(B | C) = P(A ∩ B | C) permet de traiter l’équation de filtrage :
P(Ui = v, Xi = xi | X1:i−1 = xi− )
F i (v) =
P(Xi = xi | Xi− = xi− )
P(Ui = v, Xi = xi | Xi− = xi− )
=
u∈U P(Ui = u, Xi = xi | Xi− = xi− )
P(Xi = xi | Ui = v, Xi− = xi− )P(Ui = v, | Xi− = xi− )
= .
u∈U P(Xi = xi | Ui = u, Xi− = xi− )P(Ui = u | Xi− = xi− )
Or par définition de la matrice de transition de (X, U ),
P(Xi = xi | Ui = u, X1:i−1 = x1:i−1 ) = P(Xi = xi | Ui = u, Xi−1 = xi−1 )

2. En anglais : «forward-backward».
= πui−1 (xi − 1, xi ).
Pour l’équation de lissage, on écrit
P(Ui−1 = u, Ui = v | X1:l = x1:l ) = P(Ui−1 = u | Ui = v, X1:l = x1:l )

P(Ui = v | X1:l = x1:l ),
puis
P(Ui−1 = u | Ui = v, X1:l = x1:l )

P(Ui−1 = u, X1:i−1 = x1:i−1 , Xi+1:l = xi+1:l | Ui = v, Xi = xi )
= .
P(X1:i−1 = x1:i−1 , Xi+1:l = xi+1:l | Ui = v, Xi = xi )
La propriété de Markov assure que, conditionnellement au présent, le passé

et le futur sont indépendants. On obtient donc après simplification que
P(Ui−1 = u | Ui = v, X1:l = x1:l ) = P(Ui−1 = u | Ui = v, X1:i = x1:i ).
On écrit, à nouveau, grâce à l’expression de la matrice de transition de (X, U ),
P(Ui−1 = u | Ui = v, X1:i = x1:i )

P(Ui−1 = u, Ui = v, Xi = xi , | X1:i−1 = x1:i−1 )
=
P(Ui = v, Xi = xi | X1:i−1 = x1:i−1 )
F i−1 (u)ρ(u, v)πv (xi−1 , xi )
= .
P i (v)πv (xi−1 , xi )
On a donc obtenu
Li (v)
P(Ui−1 = u, Ui = v | X1:l = x1:l ) = F i−1 (u)ρ(u, v) ,
P i (v)
ce qui fournit la relation de lissage en sommant sur v.

On initialise l’algorithme en choisissant pour P 1 (u) la loi initiale (par
exemple la loi stationnaire). Les relations de prédiction et filtrage du théo-
rème 7.2 permettent de calculer toutes les probabilités P i et F i par récur-
rence progressive. On en déduit ensuite les probabilités Li par récurrence
rétrograde grâce à la relation de lissage du théorème 7.2 avec l’initialisation
Ll (v) = F l (v). La figure 7.1 illustre l’efficacité de l’algorithme : la plupart du
temps la probabilité Li (v) est supérieure à 1/2 quand Ui = v (dans 95,2%
des cas exactement dans cet exemple). On voit toutefois dans cet exemple que
l’algorithme rate une zone où U vaut 1 (aux alentours de 120) et qu’il a tou-
jours un peu de retard aux changements de régimes. L’algorithme fonctionne
d’autant mieux que les matrices π0 et π1 sont différentes (les deux régimes
ont des comportements très différents) et que ρ(0, 0) et ρ(1, 1) sont grands
(les plages entre deux changements de régime sont longues).
7.1 Algorithme progressif-rétrograde 97
Fig. 7.1. Trajectoire de U (courbe continue) et probabilité de lissage pour v = 0

(courbe en pointillés) avec l = 200 et les transitions de l’exemple 7.1.
Estimation d’une matrice de transition
L’étude précédente suppose connues les matrices de transition. Il est

toutefois important de savoir estimer la matrice de transition d’une chaîne
de Markov à partir d’une de ses trajectoires. On considère une chaîne de
Markov (Zn )n0 sur l’espace d’états fini E de matrice de transition θ∗ =
(θ∗ (i, j))(i,j)∈E 2 . On suppose que la chaîne est irréductible et récurrente, et
on note μ∗ sa loi invariante. On suppose la mesure initiale ν connue mais la
matrice de transition θ∗ inconnue. On note Θ l’ensemble des matrices de tran-
sition sur E. Soit λ la mesure de comptage sur E. La loi de (Z0 , . . . , Zn ) a pour
densité par rapport λ⊗n+1 la fonction (z0 , . . . , zn ) ∈ E n+1 → fθ∗ (z0 , . . . , zn )
donnée par
fθ∗ (z0 , . . . , zn ) = P(Z0 = z0 , . . . , Zn = zn ) = ν(z0 )θ∗ (z0 , z1 ) · · · θ∗ (zn−1 , zn ).
Pour tous θ ∈ Θ et z ∈ E n+1 on note
fθ (z0 , . . . , zn ) := ν(z0 )θ(z0 , z1 ) · · · θ(zn−1 , zn ).
La quantité aléatoire LZ1 ,...,Zn (θ) := fθ (Z0 , . . . , Zn ) est appelée vraisem-

blance 3 de θ pour l’échantillon (Z0 , . . . , Zn ). L’estimateur de maximum de
vraisemblance θn de θ∗ est par définition l’élément aléatoire de Θ qui maxi-
mise la fonction aléatoire θ ∈ Θ → LZ0 ,...,Zn (θ).
3. En anglais, on dit likelihood, d’où la notation L.

Lemme 7.3 (Maximum de vraisemblance). L’estimateur de maximum de

vraisemblance θn de θ∗ est donné pour tous i, j ∈ E par
⎧ ij
⎨ Nn si N i > 0, n−1
Nni := p=0 1{Zp =i} ,
θn (i, j) = Nni n
où n−1
⎩ Nnij := p=0 1{Zp =i,Zp+1 =j} .
0 sinon,
Notons que si θ(i, j) = 0 alors θn (i, j) = 0, mais que la réciproque est
fausse.
Démonstration. On numérote E de sorte que E = {1, . . . , s}. Notons L :=
LZ1 ,...,Zn . Il est plus commode de maximiser log(L) plutôt ques L. On doit
maximiser θ ∈ Θ → log(L(θ)) sous les contraintes θ(i, j) 0 et k=1 θ(i, k) =
1 pour tous 1 i, j s. Or on a
Nnij
∂θ(i,j) (θ → log(L(θ))) = ,
θ(i, j)
et les s conditions d’extrémalité reviennent à dire que pour tout 1 i s
la fonction j → Nnij /θ(i, j) doit être constante. Ce qui donne le résultat en
tenant compte de θ ∈ Θ.
L’estimateur θ̂ est intuitif puisqu’il estime θ(i, j) par la proportion de
transitions de l’état i vers l’état j parmi les n sauts observés. Les propriétés
asymptotiques de cet estimateur se déduisent du comportement des suites
(Nnij )n et (Nni )n qui sont établies ci-dessous.
Théorème 7.4 (Convergence et normalité asymptotique). Pour tout x ∈
E, sachant {X0 = x}, l’estimateur θn est convergent et asymptotiquement
normal : pour tous i, j ∈ E,
θn (i, j) −→ θ(i, j)
p.s.
n→∞
et
nμ(i)(θn (i, j) − θ(i, j)) −→ N (0, θ(i, j)(1 − θ(i, j))).
loi
n→∞
Démonstration. On a, pour tous x, i, j ∈ E, sachant {X0 = x},

1 i p.s. 1 ij p.s.
N −→ μ(i) et N −→ μ(i)θ(i, j)
n n n→∞ n n n→∞
tandis que
1 loi
√ Nnij − Nni θ(i, j) −→ N (0, μ(i)θ(i, j)(1 − θ(i, j))).
n n→∞
Ces convergences presque sûres découlent de la loi des grands nombres pour
les chaînes de Markov Z et Y , où Y est la chaîne de Markov irréductible
et récurrente d’espace d’états E 2 définie par Yn = (Zn , Zn+1 ) et dont la loi
invariante est (i, j) → μ(i)θ(i, j). La convergence en loi découle du théorème
limite central pour les chaînes de Markov.
7.2 Filtre de Kalman 99
7.2 Filtre de Kalman

Un avion se déplace entre Paris et Londres, en tentant de suivre une tra-
jectoire théorique définie par le plan de vol. L’avion est surveillé au sol par des
contrôleurs aériens grâce à un radar qui reçoit un écho de l’avion à intervalles
réguliers. La trajectoire effective de l’avion s’écarte de la trajectoire théorique
pour de multiples raisons (météorologie, imprécision du pilote automatique,
turbulences,. . . ). On cherche donc à localiser l’avion au cours de son vol à
partir des observations radars successives.
On note Xn l’écart (inconnu) entre la trajectoire théorique et la position
de l’avion au temps n. De plus, on note Yn la mesure donnée par le radar au
temps n. Cette mesure est entachée d’erreurs à cause de l’imprécision du radar.
Le problème qui se pose à l’aiguilleur est d’estimer au mieux la position de
l’avion au temps n au vu des observations Y0 , . . . , Yn . Pour simplifier l’étude,
on supposera que l’objet observé évolue dans un espace de dimension 1. On
modélise les suites aléatoires (Xn )n0 et (Yn )n0 en posant
⎧
⎪
⎨X0 = W0 ,
Xn = aXn−1 + Wn n 1,
⎪
⎩
Yn = Xn + Vn n 0,
où a est un nombre réel déterministe, et où (Vn )n0 et (Wn )n0 sont des
suites aléatoires indépendantes, avec (Vn )n0 i.i.d. de loi gaussienne N (0, τ 2 )
et (Wn )n0 i.i.d. de loi gaussienne N (0, σ 2 ). Les variables aléatoires (Wn )n0
représentent les fluctuations instantanées de l’écart entre position théorique
et position réelle. Les variables aléatoires (Vn )n0 modélisent les erreurs de
mesure du radar. Le paramètre a modélise l’action du pilote.
En théorie du signal, on dit que (Xn )n0 est un processus autorégressif
d’ordre 1, noté AR(1), à bruit gaussien, et on a

n
n
Xn = ak Wn−k = an−k Wk , n ∈ N.
k=0 k=0
À présent, le problème est d’estimer Xn sachant les observations Y0 , . . . , Yn .

Le candidat naturel est l’espérance conditionnelle E(Xn | Y0 , . . . , Yn ) puisque
c’est la fonction des observations qui est la plus proche de Xn dans L2
(moindre carrés). Or le caractère gaussien du modèle permet, grâce aux pro-
priétés des vecteurs gaussiens, de calculer explicitement la loi conditionnelle
Loi(Xn | Y0 , . . . , Yn ), en particulier sa moyenne qui est E(Xn | Y0 , . . . , Yn ).
La première remarque importante est que pour tout n 1,
(X0 , . . . , Xn , Y0 , . . . , Yn )
est un vecteur aléatoire gaussien puisque toute combinaison linéaire de ses co-
ordonnées est une combinaison linéaire des variables aléatoires gaussiennes
indépendantes (Wi )0in et (Vi )0in . En particulier, pour tout n 0,

(Xn , Y0 , . . . , Yn ) est aussi un vecteur gaussien. De plus, la loi de Xn sachant
(Y0 , . . . , Yn ) est une loi gaussienne, dont on note la moyenne X̂n et la variance
Pn . On se propose de calculer ces quantités par récurrence. Comme pour les
chaînes de Markov à espace d’états fini de la première partie du chapitre,
la récurrence se fait en deux étapes. L’étape de prédiction consiste à expri-
mer la loi Loi(Xn | Y0 , . . . , Yn−1 ) en fonction de Loi(Xn−1 | Y0 , . . . , Yn−1 ). Puis,
dans l’étape de filtrage, on prend en compte l’observation Yn pour exprimer
Loi(Xn | Y0 , . . . , Yn ) en fonction de Loi(Xn | Y0 , . . . , Yn−1 ).
Lemme 7.5 (Lois conditionnelles). On a
Loi(Xn | Y0 , . . . , Yn ) = N (X̂n , Pn )
où
Pn a2 τ 2 Pn−1 + σ 2 τ 2
X̂n = aX̂n−1 + (Yn − aX̂n−1 ) et Pn = .
τ2 a2 Pn−1 + σ 2 + τ 2
Démonstration. Tout d’abord, on rappelle le résultat suivant sur les vecteurs
gaussiens, que nous appelons formule de Bayes : si (X, Y0 , . . . , Yn−1 ) est un
vecteur gaussien dans Rn+1 avec
Loi(X | Y0 , . . . , Yn−1 ) = N (μ, γ 2 ) et Loi(Y | Y0 , . . . , Yn−1 , X) = N (X, δ 2 )
alors

μ Y 1 1 1
Loi(X | Y0 , . . . , Yn−1 , Y ) = N ρ2
+ 2 , ρ2 où := 2 + 2 .
γ2 δ ρ2 γ δ
À présent, et comme annoncé, on procède par récurrence, en deux étapes.

— Initialisation. Puisque Y0 = X0 + V0 , on a Loi(Y0 | X0 ) = N (X0 , τ 2 ).
La formule de Bayes assure que Loi(X0 | Y0 ) = N (X̂0 , P0 ) où
σ2 σ2 τ 2
X̂0 = Y0 et P0 = .
σ2 + τ 2 σ2 + τ 2
— Prédiction. On a Loi(Xn−1 | Y0 , . . . , Yn−1 ) = N (X̂n−1 , Pn−1 ), et grâce
au modèle,
Loi(Xn | Y0 , . . . , Yn−1 ) = N (aX̂n−1 , a2 Pn−1 + σ 2 ).
— Filtrage. D’après le modèle à nouveau, il vient
Loi(Yn | Y0 , . . . , Yn−1 , Xn ) = N (Xn , τ 2 ).
On applique alors la formule de Bayes pour inverser le conditionnement
entre Yn et Xn : la loi Loi(Xn | Y0 , . . . , Yn ) = N (X̂n , Pn ) avec

1 1 1 aX̂n−1 Yn
= 2 + 2 et X̂n = Pn 2 + 2 .
Pn a Pn−1 + σ 2 τ a Pn−1 + σ 2 τ
7.2 Filtre de Kalman 101
Remarque 7.6 (Gain suite aux observations). La majoration

) * # $
Pn = E (Xn − X̂n )2 E (Xn − Yn )2 = τ 2 ,
peu surprenante connaissant les propriétés de l’espérance conditionnelle, sou-

ligne bien que l’on gagne effectivement à utiliser toutes les observations
Y0 , . . . , Yn plutôt que de se contenter de la dernière Yn .
Estimation de certains paramètres du modèle
On suppose dans cette section qu’on observe les positions de l’avion sans
erreurs, c’est-à-dire qu’on a accès à la suite (Xi )1in . On souhaite estimer
les coefficients a et σ 2 . La question n’est pas complètement évidente car les
observations ne sont pas indépendantes.
Lemme 7.7 (Estimateur de maximum de vraisemblance). L’estimateur de
maximum de vraisemblance (â, σ̂) de (a, σ) est donné par
n
1
n
k=1 Xk−1 Xk
ân = n 2 et σ̂ 2
n = (Xk − ân Xk−1 )2 .
X
k=1 k−1 n
k=1
Démonstration. Il suffit de maximiser le logarithme de la vraisemblance don-

née par
+
n
1 (Xk − aXk−1 )2
L(X1 ,...,Xn ) (a, σ) = exp − .
(2πσ 2 )n/2 2σ 2
k=1
Théorème 7.8 (Convergence et normalité). Si −1 < a < 1 alors

p.s.
(ân , σ̂n ) −→ (a, σ),
n→∞
et
√ loi √ 2 loi
n(â − a) −→ N (0, 1 − a2 ), et n σ̂ − σ 2 −→ N (0, 2σ 4 ).
n→∞ n→∞
Démonstration. On se contente d’établir les résultats sur â, en supposant σ

connu et fixé. On réécrit ân de la manière suivante :
n
k=1 Xk−1 Wk Mn
ân = a + n 2 = a + n
X
k=1 k−1 k=1 Xk−1
n
où Mn = k=1 Xk−1 Wk , avec M0 = 0. La suite (Mn )n0 est une martingale
par rapport à la filtration (Fn )n naturelle de W , de processus croissant

n
M 0 = 0 et, pour n 1, M n = σ 2 2
Xk−1 .
k=1
À présent, on vérifie tout d’abord, en utilisant le fait que X est un processus

autorégressif d’ordre 1 AR(1) avec |a| < 1, que
M n p.s. σ4
−→ ,
n n→∞ (1 − a2 )
(on a en particulier M n → +∞ p.s. quand n → ∞), puis on utilise la loi des

grands nombres et le théorème limite central pour les martingales de carré
intégrable, qui donnent
Mn p.s. M loi
−→ 0 et n −→ N (0, 1).
M n n→∞ M n n→∞

L’algorithme de segmentation progressif-rétrograde remonte au moins aux
travaux des années 1960 de Leonard Baum et Lloyd Welch, et peut être vu
comme une instance du concept général de programmation dynamique. Les
chaînes de Markov cachées ont été utilisées notamment pour la reconnais-
sance de la parole dans les années 1970, et pour la génomique à partir des an-
nées 1980. Le livre de Stéphane Robin, François Rodolphe, et Sophie Schbath
[RRS05] propose une introduction accessible à l’utilisation des chaînes de Mar-
kov cachées en génomique. On peut également consulter à ce sujet le livre de
Étienne Pardoux [Par07]. Bien que les modèles utilisés en pratique soient
plus sophistiqués que celui présenté dans ce chapitre, notamment en ce qui
concerne les espaces d’état A et U, ils font appel aux mêmes concepts et outils.
Cependant en pratique, on ne connaît pas en général les matrices de transi-
tion ni même le nombre d’états cachés pertinent pour rendre compte de la
loi de la séquence, et il faut donc construire des algorithmes qui permettent
en plus d’estimer ces paramètres de complexité. On pourra également consul-
ter le livre de Jean-François Delmas et Benjamin Jourdain [DJ06] à ce sujet.
D’autre part, il est possible de tester si une suite aléatoire est markovienne ou
pas en utilisant par exemple N i et N ij et le test du χ2 , comme expliqué par
exemple dans le livre de Didier Dacunha-Castelle et Marie Duflo [DCD83].
La partie sur le filtre de Kalman est inspirée du livre de David Williams
[Wil91]. Le filtre de Kalman, présenté ici dans une version simple, est un
grand classique de la théorie du signal, développé dès les années 1960 par
Thorvald Thiele et Peter Swerling, et par Rudolf Kalman et Richard Bucy,
notamment pour les besoins du programme Apollo de la National Aeronautics
and Space Administration. On trouvera dans [Par07] l’expression du filtre de
Kalman en dimension supérieure à 1. La loi des grands nombres et le théorème

limite central pour les martingales utilisé dans la preuve du théorème 7.8
sont tirés du livre [BC07]. L’estimation par maximum de vraisemblance des
paramètres a, σ, τ du modèle gaussien à partir de Y sans connaître X se trouve
par exemple dans le livre de Peter Brockwell et Richard Davis [BD02, Sec. 8.5].
8
Algorithme EM et mélanges
Mots-clés. Mélange de lois ; estimation paramétrique.

Outils. Formule de Bayes ; maximum de vraisemblance ; entropie relative ;
loi gaussienne.
Difficulté. *
L’algorithme Expectation-Maximization (EM) fait partie des algorithmes

les plus importants de la statistique. Il permet d’approcher numériquement
l’estimateur de maximum de vraisemblance pour les modèles partiellement ob-
servés. De nombreuses variantes sont disponibles. Dans ce chapitre, nous illus-
trons la mécanique fondamentale de l’algorithme EM sur un exemple simple.
Sur une île cohabitent quatre espèces de mouettes différentes. Les ornitho-
logues souhaitent estimer la proportion de mouettes de chaque espèce à partir
de l’observation de la taille des nids. Contrairement aux oiseaux, les nids ne
bougent pas, ce qui facilite le comptage. Malheureusement, les différentes es-
pèces font des nids assez ressemblants : on ne sait pas par quelles espèces ils
ont été construits. On suppose en revanche que la distribution des nids est
caractéristique d’une espèce. La distribution globale de la taille des nids appa-
raît comme le mélange de quatre lois de probabilité, chacune rendant compte
de la répartition de la taille des nids pour chaque espèce d’oiseaux.
8.1 Modèle pour les nids de mouettes

Modélisons la distribution de la taille des nids construits par l’espèce j par
une loi μj = N (m(j), v(j)) de densité γm(j),v(j) . La loi μ de la taille des nids
de mouettes admet donc pour densité la fonction

J
J
α(j) (x − m(j))2
x → α(j)γm(j),v(j) (x) = exp − ,
j=1 j=1
2πv(j) 2v(j)

106 8 Algorithme EM et mélanges
avec α1 > 0, . . . , αJ > 0 et α1 + · · · + αJ = 1. Cette combinaison convexe

finie de densités de probabilité est appelée mélange fini 1 de populations. Si
X désigne la taille du nid et Z l’espèce de l’oiseau qui l’a construit, la loi du
couple (X, Z) est donnée de la manière suivante :
— la variable Z suit la loi discrète sur {1, . . . , J} de poids α(1), . . . , α(J) :

J
Loi(Z) = α(j)δj
j=1
— pour tout 1 j J, conditionnellement à {Z = j}, la variable X suit

la loi N (m(j), v(j)) :
Loi(X|Z = j) = N (m(j), v(j)).
Les paramètres (αj , m(j), v(j))1jJ sont inconnus. Le vecteur α représente

les coefficients du mélange tandis que les vecteurs m et v représentent respec-
tivement les vecteurs des moyennes et des variances des lois gaussiennes. On
souhaite estimer toutes ces quantités à la seule vue de la taille de n nids. Pour
cela, on suppose qu’il existe θ dans l’ensemble
! "
Θ = θ = (αj , mj , σj2 )1jJ : α1 > 0, . . . , αJ > 0, α1 + · · · + αJ = 1
tel que les mesures x1 , . . . , xn de la taille de n nids soient la réalisation d’un n-

échantillon X1 , . . . , Xn de loi de densité au point x de la loi de X par rapport
à la mesure de Lebesgue dλ de R

J
fθ (x) = α(j)γm(j),v(j) (x).
j=1
On note X le vecteur (X1 , . . . , Xn ) et Z le vecteur (Z1 , . . . , Zn ). On note dN

la mesure de comptage sur N. On introduit les notations suivantes :
— densité au point (x, z) de la loi du couple (X, Z) par rapport à dλ⊗dN :
hθ (x, z) = α(z)γm(z),v(z) (x), x ∈ R, z ∈ {1, . . . , J},
— densité au point x de la loi de X par rapport à dλ :

J
fθ (x) = α(j)γm(j),v(j) (x), x ∈ R,
j=1
— densité au point z de la loi de Z par rapport à la mesure dN :
gθ (z) = α(z), z ∈ {1, . . . , J},
1. «Finite mixture» en anglais.

8.2 Situation favorable mais irréaliste 107
— densité au point x de la loi de X sachant Z par rapport à dλ :
fθ (x|Z = j) = γm(j),v(j) (x), x ∈ R,
— densité au point z de la loi de Z sachant X par rapport à dN :
α(z)γm(z),v(z) (x)
gθ (z|X = x) = J , z ∈ {1, . . . , J}.
j=1 α(j)γm(j),v(j) (x)
La dernière expression s’obtient grâce à la définition d’une probabilité

conditionnelle : en effet, pour tout A borélien et tout 1 z J,

P(X ∈ A, Z = z) = P(Z = z)P(X ∈ A|Z = z) = α(z) γm(z),v(z) (x) dx
A
et
P(X ∈ A, Z = z) = P(Z = z|X ∈ A)P(X ∈ A)

J
= P(Z = z|X ∈ A) α(j) γm(j),v(j) (x) dx,
j=1 A
de sorte que si A est de la forme [x − ε, x + ε] avec ε tendant vers 0, alors on

obtient bien

J
α(z)γm(z),v(z) (x) = P(Z = z|X = x) α(j)γm(j),v(j) (x).
j=1
8.2 Situation favorable mais irréaliste

On suppose dans cette section que l’on observe à la fois X et Z, c’est-à-dire
à la fois la taille du nid et l’espèce qui a fait le nid. Estimer les paramètres
inconnus est alors aisé grâce à la méthode du maximum de vraisemblance. La
log-vraisemblance du modèle complet (logarithme de la densité de la loi de
l’échantillon (X, Z) par rapport à la mesure (dλ ⊗ dN )⊗n ) s’écrit
+
n
L(θ, X, Z) = log hθ (Xi , Zi )
i=1

n
# $
= log α(Zi ) + log γm(Zi ),v(Zi ) (Xi ) .
i=1
Pour un échantillon de taille n, notons, pour tout 1 j J,
Aj = {i = 1, . . . , n, Zi = j} et Cj = card(Aj ).
En regroupant les termes en fonction des valeurs possibles de Z, on obtient

J
J
L(θ, X, Z) = Cj log α(j) + log γm(j),v(j) (Xi ).
j=1 j=1 i∈Aj
Théorème 8.1 (Estimation pour modèle complet). La vraisemblance com-

plète atteint son maximum en un point unique θ̂ ∈ Θ donné par :
Cj 1 1
α̂(j) = , m̂(j) = Xi et v̂(j) = (Xi − m̂(j))2 .
n Cj Cj
i∈Aj i∈Aj
Démonstration. Sous la contrainte α(1) + · · · + α(J) = 1, la fonction θ →

L(θ, X, Z) admet un unique point critique, qui s’avère être un maximum.
Ce résultat ne répond pas à la question initiale puisque, en pratique,
ne sont observées que les tailles des nids x1 , . . . , xn . Il faudrait plutôt étu-
dier la log-vraisemblance de l’échantillon X1 , . . . , Xn , notée Lobs pour log-
vraisemblance des observations, qui s’écrit :
⎡ ⎤
+
n
n J
Lobs (θ, X) = log fθ (Xi ) = log ⎣ α(j)γm(j),v(j) (Xi )⎦.
i=1 i=1 j=1
Trouver un jeu de paramètres θ qui maximise cette quantité n’est pas facile.
8.3 Résolution du vrai problème

Ne disposant pas de la log-vraisemblance complète L, on la remplace
par son espérance conditionnelle sachant les observations : on définit la log-
vraisemblance conditionnelle des observations sous la loi de paramètre θ̃, que
nous noterons Lc (θ, θ̃, X), par :

n
J
Lc (θ, θ̃, X) = Eθ̃ (L(θ, X, Z)|X) = log hθ (Xi , j)gθ̃ (j|X = Xi ).
i=1 j=1
Voici l’expression de la vraisemblance conditionnelle Lc dans notre cadre de

mélange gaussien.
Théorème 8.2 (Log-vraisemblance conditionnelle). La fonction Lc est de la
forme suivante :
n
n J
Lc (θ, θ̃, X) = − log(2π) + gθ̃ (j|X = Xi ) log α(j)
2 j=1 i=1
n
1
J
(Xi − m(j))2
− gθ̃ (j|X = Xi ) log v(j) + .
2 j=1 i=1 v(j)
8.3 Résolution du vrai problème 109
Il est aisé de déterminer le maximum de la vraisemblance conditionnelle.

Théorème 8.3 (Maximum de la log-vraisemblance conditionnelle). La fonc-
tion θ → Lc (θ, θ̃, X) admet un unique maximum θM donné par
1
n
αM (j) = g (j|X = Xi )
n i=1 θ̃
n
i=1 Xi gθ̃ (j|X = Xi )
mM (j) = n
g (j|X = Xi )
n i=1 θ̃
(Xi − mM (j))2 gθ̃ (j|X = Xi )
vM (j) = i=1 n .
i=1 gθ̃ (j|X = Xi )
Démonstration. Sous la contrainte α(1) + · · · + α(J) = 1, on trouve

n
1
n
gθ̃ (j|X = Xi )
αM (j) = J i=1
n = g (j|X = Xi ).
l=1 i=1 gθ̃ (l|X = Xi )
n i=1 θ̃
D’autre part (mM , vM ) est un point critique du dernier terme de la log-

vraisemblance conditionnelle.
L’algorithme EM consiste à répéter successivement deux étapes consécu-
tives comme suit :
— étape E(xpectation) : étant donnée une valeur θk du paramètre, on cal-
cule la log-vraisemblance conditionnelle des observations Lc (θ, θk , X)
avec le théorème 8.2,
— étape M(aximization) : grâce au théorème 8.3, on choisit θk+1 pour que
la fonction θ → Lc (θ, θk , X) soit maximale au point θk+1 .
En pratique, étant données les observations x1 , . . . , xn et des valeurs ini-
tiales des paramètres, l’algorithme consiste à répéter les calculs suivants :
— à partir du paramètre θk , on calcule la matrice H (k) de taille n × J
suivante
(k) αk (j)γmk (j),vk (j) (Xi )
Hij = J ,
l=1 αk (l)γmk (l),vk (l) (Xi )
— on en déduit θk+1 par les relations suivantes :
1 (k)
n
αk+1 (j) = H ,
n i=1 ij
n (k)
i=1 Xi Hij
mk+1 (j) = n (k)
,
i=1 Hij
n (k)
i=1 (Xi − mk+1 (j))2 Hij
vk+1 (j) = n (k)
.
i=1 Hij
Le théorème 8.3 ne vaut que si nous savons estimer θ̃. Dans l’algorithme
EM, ceci est fait numériquement. Le résultat suivant montre que la log-
vraisemblance Lobs est croissante le long de l’algorithme.
Théorème 8.4 (Croissance de la vraisemblance). La suite (θk )k0 construite
par l’algorithme EM vérifie la propriété de stabilité numérique suivante :
Lobs (θk+1 , X) Lobs (θk , X),
où Lobs (θ, X) est la log-vraisemblance des observations.
Démonstration. Posons

n
H(θ, θk ) = Eθk (log gθ (Z | X)) = Eθk (log gθ (Zi | Xi )).
i=1
Puisque hθ (x, z) = fθ (x)gθ (z|X = x), la vraisemblance conditionnelle s’écrit

Lc (θ, θk , X) = Lobs (θ, X) + H(θ, θk ).
Lors de l’étape M, la fonction θ → Lc (θ, θk , X) est maximisée en θ, d’où
Lc (θk+1 , θk , X) Lc (θk , θk , X).
On en déduit que
Lobs (θk+1 , X) − Lobs (θk , X) H(θk , θk ) − H(θk+1 , θk ).
Par définition de H,
gθk (Z | X)
H(θk , θk ) − H(θk+1 , θk ) = Eθk log .
gθk+1 (Z | X)
En notant μθ la loi de Z sachant X sous Pθ , on remarque que la quantité
ci-dessus n’est rien d’autre que l’entropie relative de μθk par rapport à μθk+1 :

dμθk dμθk dμθk
H(θk , θk ) − H(θk+1 , θk ) = log dμθk = log dμθk+1 .
dμθk+1 dμθk+1 dμθk+1
L’inégalité de Jensen assure que cette quantité est positive.
Le théorème 8.4 montre que la suite (Lobs (θk , X))k0 est croissante. Elle
converge donc vers un point critique (maximum local ou point selle) de la vrai-
semblance Lobs (·, X). Contrairement au cas où l’on observe en même temps
X et Z, il peut exister des maxima locaux qui vont piéger l’algorithme, ce
qui rend le résultat sensible au point de départ. On peut améliorer le com-
portement de l’algorithme en incorporant un peu d’aléa, comme par exemple
dans l’algorithme du recuit simulé du chapitre 4, mais cela est un peu illu-
soire. De plus on ne sait pas combien d’itérations sont requises pour approcher
suffisamment un maximum local. Il n’y a pas de critère d’arrêt performant.
La figure 8.1 donne l’estimation du mélange de trois gaussiennes par l’al-
gorithme EM avec 1000 itérations et les paramètres
α = (0.4 0.4 0.2), m = (−2 0 2), v = (0.3 0.2 0.2), n = 1000.
Fig. 8.1. Estimation du mélange de trois gaussiennes par l’algorithme EM.

Le théorème 8.3 se généralise aux familles exponentielles, de vraisemblance
totale

n
n
n
L(θ, x, z) = log hθ (xi , zi ) = log gθ (zi ) + log fθ (xi | Z = zi ).
i=1 i=1 i=1
Après intégration, il vient en rappelant que gθ (z) = α(z),

n

J
Lc (θ, θ̃, x) = gθ̃ (j | X = xi ) log α(j)
j=1 i=1

J
n
+ gθ̃ (j | X = xi ) log fθ (xi | Z = j).
j=1 i=1
Si θ = (α, β) où α est encore la loi mélange et β(j) représente les paramètres

de la loi Loi(X | Z = j), on détermine séparément αM (qui a toujours la même
expression) et βM qui s’obtient quasiment comme pour le maximum de la vrai-
semblance totale : on a seulement pondéré la contribution de l’observation Xi
par le coefficient gθ̃ (j | X = Xi ). Par exemple, si les composantes du mélange
(Loi(X | Z = j))1jJ sont des lois exponentielles de paramètres (λ(i))1iJ ,
la log-vraisemblance conditionnelle s’écrit
n

J
Lc (θ, θ̃, X) = gθ̃ (j | X = Xi ) log α(j)
j=1 i=1

J
n
+ gθ̃ (j | X = Xi )(log λ(j) − λ(j)xi ).
j=1 i=1
Un pas de l’algorithme EM a la forme suivante :
(k) αk (j)λk (j)e−λk (j)xi

Hij = J ,
−λk (l)xi
l=1 αk (l)λk (l)e
1 (k)
n
αk+1 (j) = H ,
n i=1 ij
n (k)
i=1 Hij
λk+1 (j) = n (k)
.
i=1 Xi Hij
Si de nombreux travaux existaient déjà autour de cette question, c’est vérita-
blement l’article [DLR77] de Arthur Dempster, Nan Laird, et Donald Rubin
qui définit pour la première fois l’algorithme EM dans un cadre général. On
trouvera dans la bibliographie de ce travail les références aux résultats an-
térieurs. Depuis, cet algorithme est très souvent utilisé dans des cadres et
sous des formes variés. Pour réduire la dépendance aux conditions initiales,
de nombreuses versions randomisées de l’algorithme EM ont été développées,
inspirées notamment de l’algorithme d’approximation stochastique de Kiefer–
Wolfowitz pour le calcul du maximum de fonction sous forme d’espérance,
lui même inspiré de l’algorithme d’approximation stochastique de Robbins–
Monro pour le calcul de zéro de fonction sous forme d’espérance. On pourra
par exemple consulter à ce sujet l’article [DLM99] de Bernard Delyon, Marc
Lavielle, et Éric Moulines, et le livre [Duf97] de Marie Duflo. Lorsqu’il n’est pas
possible de calculer la log-vraisemblance conditionnelle, on peut utiliser une
méthode de Monte-Carlo comme l’algorithme de Metropolis-Hastings du cha-
pitre 5 pour obtenir une approximation de cette fonction dont on cherche en-
suite un maximum numériquement. Ce type d’approche est étudié par exemple
par Estelle Kuhn et Marc Lavielle dans [KL04].
9
Urnes d’Ehrenfest
Mots-clés. Urne ; mesure invariante ; mesure réversible ; temps de retour ;

convergence à l’équilibre ; convergence abrupte.
Outils. Chaîne de Markov ; chaîne de Markov à temps continu ; couplage ;
distance en variation totale ; décomposition spectrale ; collectionneur de cou-
pons ; inégalité de Chernoff ; inégalité de Tchebychev ; théorème limite central.
Difficulté. **
Le second principe de la thermodynamique postule que pour tout système

isolé, une grandeur macroscopique extensive appelée entropie augmente au
cours du temps. Dans la théorie cinétique des gaz de Boltzmann, le second
principe est une conséquence d’une approche statistique de la mécanique clas-
sique appliquée aux constituants microscopiques. Bien que séduisante, cette
approche fut critiquée par les adversaires de l’atomisme. En effet, comment
lever la contradiction entre la réversibilité microscopique héritée de la méca-
nique classique et l’irréversiblité macroscopique de la thermodynamique ? Le
modèle d’Ehrenfest propose, dans un cas extrêmement simple, une explication
à ce paradoxe. L’outil clé ici est celui des chaînes de Markov finies.
9.1 Modèle microscopique

Considérons deux récipients A et B, connectés par un petit trou, et conte-
nant un gaz constitué de a molécules (figure 9.1). À chaque instant, l’une
des a molécules, au hasard, passe d’un récipient à l’autre en empruntant le
petit trou. On souhaite décrire l’évolution du système. On modélise ces deux
récipients par deux urnes A et B dans lesquelles sont réparties a boules numé-
rotées de 1 à a. On associe à une configuration, c’est-à-dire à une répartition
des a boules, un élément x = (x(1), . . . , x(a)) du cube discret

114 9 Urnes d’Ehrenfest
Fig. 9.1. Répartition des molécules dans les deux urnes.
a
F := {0, 1}
où x(i) = 1 si la boule i est dans l’urne A et x(i) = 0 sinon. On dit que

deux configurations x et y de F sont voisines, et on note x ∼ y (ou encore
x ∼i y), si elles ne diffèrent que d’une coordonnée (qui est i). Cette relation de
voisinage définit sur F une structure de graphe non orienté dont les sommets
sont les points de F et les arêtes sont les paires de sommets voisins. La marche
aléatoire sur le cube discret Y = (Yn )n0 est la chaîne de Markov d’espace
d’états F , dont la matrice de transition est donnée, pour tous x, y ∈ F , par
⎧
⎨ 1 si x ∼ y,
Q(x, y) = a
⎩0 sinon.
Cette matrice est symétrique et en particulier doublement stochastique. Le

temps d’atteinte de y ∈ E est la variable aléatoire inf{n 0 : Yn = y}. Sur
l’événement {Y0 = y} ce temps d’atteinte devient un temps de retour.
Lemme 9.1 (Premières propriétés). La chaîne de Markov Y d’espace d’états
F et de matrice de transition Q est irréductible, récurrente, de période 2, et
la loi uniforme sur F notée π est invariante et réversible 1 . De plus, le temps
moyen de retour en x ∈ F ne dépend pas de x et vaut 2a : pour tout x ∈ F ,
1. C’est-à-dire que π(x)Q(x, y) = π(y)Q(y, x) pour tous x, y. Sur les trajectoires
de Y , si Y0 ∼ π alors (Y0 , . . . , Yn ) et (Yn , . . . , Y0 ) ont même loi, pour tout n ∈ N.
9.1 Modèle microscopique 115
1
E(inf{n 0 : Yn = x} | Y0 = x) = = 2a .
π(x)
La loi du temps d’atteinte de y en partant de x ne dépend que de

a
d(x, y) = |xi − yi | = x − y1 .
i=1
Cette quantité est une distance qui compte le nombre de coordonnées diffé-
rentes entre x et y. On note md (en oubliant un moment la dépendance en a)
le temps d’atteinte moyen de y partant de x lorsque d(x, y) = d, c’est-à-dire
md := E(inf{n 0 : Yn = y} | Y0 = x).
Théorème 9.2 (Temps moyens). Pour 1 d a, on a
a
d i
md = a
Qa−i où Qi =a
a−1
k
si 1 i a − 1.
i=1 k=0 i
Démonstration. D’après la propriété de Markov, la suite (md )0da+1 vérifie

⎧
⎨ d a−d
md = 1 + md−1 + md+1 si 1 d a,
a a
⎩m = m = 0,
0 a+1
et ce système d’équations de récurrence possède une unique solution.

Comme Y est de période 2, la loi de Yn ne converge pas vers la loi invariante
π quand n → ∞. Pour obtenir une chaîne apériodique, on la rend paresseuse 2 .
Cela consiste à modifier la matrice de transition en posant, pour tous x, y ∈ F
1 1
R(x, y) = 1{y=x} + Q(x, y).
2 2
La chaîne (Zn )n0 associée à la matrice de transition R reste sur place avec
probabilité 1/2 ou se déplace avec la même probabilité vers l’un des sommets
voisins choisi selon la loi uniforme. Cette chaîne est irréductible récurrente
apériodique et réversible pour la loi π. La loi de Zn converge donc vers π
quelle que soit la loi de Z0 . Nous présentons deux méthodes pour quantifier
cette convergence. La première fait appel à une méthode de couplage et au
collectionneur de coupons de la section 1.5. La seconde, plus fine, utilise la
décomposition spectrale de R. On note dVT (·, ·) la distance en variation totale
étudiée dans la section 1.3.
Théorème 9.3 (Temps long et collectionneur de coupons). Pour tout n 0,
max dVT (Rn (x, ·), π) P(Ta > n),
x∈F
où Ta est le temps de complétion d’une collection de a coupons.

2. «Lazy chain» en anglais.
Démonstration. Fixons n 0. Grâce au théorème 1.5, pour tout x ∈ F ,
dVT (Rn (x, ·), π) = dVT (Rn (x, ·), πRn )

1 n
= R (x, y) − π(x )Rn (x , y)
2
y∈F x ∈F
1
π(x ) Rn (x, y) − Rn (x , y)
2
y∈F x ∈F
max

dVT (Rn (x, ·), Rn (x , ·)).
x ∈F
Pour contrôler dVT (Rn (x, ·), Rn (x , ·)), on construit un couple (Z, Z ) de
chaînes de Markov Z := (Zn )n0 et Z := (Zn )n0 de même matrice de tran-
sition R et de conditions initiales Z0 = x et Z0 = x , et dont les trajectoires
sont égales après un temps aléatoire (de coalescence) que l’on sait contrôler.
Plus précisément on se donne deux suites indépendantes de variables aléatoires
indépendantes (Un )n0 et (Vn )n0 de lois respectives de Bernoulli Ber(1/2)
et uniforme sur {1, . . . , a}. On pose alors pour tout n 0 et 1 i a,

Zn+1 (Vn ) = Un , Zn+1 (Vn ) = Un ,
Zn+1 (i) = Zn (i) si i = Vn , Zn+1 (i) = Zn (i) si i = Vn .

On vérifie aisément que Z et Z sont bien des chaînes de Markov de matrice

de transition R. À chaque instant une coordonnée est choisie uniformément
et elle est positionnée à une même valeur aléatoire pour les deux chaînes. Si
les coordonnées étaient égales, elles le restent. Sinon, elles le deviennent. La
loi du temps de coalescence global
Td := inf{n 0 : Zn = Zn }
ne dépend que du nombre d := d(x, x ) de coordonnées différentes entre x et

x . Pour toute fonction f : F → R, il vient, en notant Δn := f (Zn ) − f (Zn ),
E(Δn ) = E(Δn 1{Td n} ) + E(Δn 1{Td >n} ) = E(Δn 1{Td >n} ),

=0
ce qui donne E(Δn ) 2f ∞ P(Td > n), d’où, grâce au théorème 1.5,
dVT (Rn (x, ·), Rn (x , ·)) = dVT (Loi(Zn ), Loi(Zn ))

1
= sup E(f (Zn ) − f (Zn ))
2 f ∞ 1
P(Td > n).
Alternativement, on peut utiliser le théorème 1.9 et la définition de Td :
dVT (Loi(Zn ), Loi(Zn )) P(Zn = Zn ) P(Td > n).

À présent, pour contrôler la queue de distribution de Td , on observe tout

d’abord que Td coïncide avec le premier instant où toutes les coordonnées
dans I := {i ∈ {1, . . . , a} : xi = xi } ont été mises à jour au moins une fois. On
a card(I) = d. Supposons pour simplifier la notation que I = {1, . . . , d}. Si les
variables aléatoires (τi )1id désignent les temps successifs de modification
d’une nouvelle coordonnée alors Td = τd et les variables aléatoires (Gi )1id
définies par G1 = 1 et Gi = τi − τi−1 pour 2 i d sont indépendantes et
de lois géométriques de paramètres respectifs (d + 1 − i)/d. On retrouve ici le
collectionneur de coupons de la section 1.5. Il ne reste plus qu’à observer que
P(Td > n) croît en d, et atteint son maximum pour d = a, ce qui revient à
prendre x = (0, . . . , 0) et x = (1, . . . , 1).
Le théorème 1.14 assure que pour tout réel c 0,
P(Ta a log(a) + ca) e−c+1/a .
Le théorème suivant raffine cette estimation de maxx∈F dVT (Rn (x, ·), π).
Théorème 9.4 (Temps long). Si
a log(a)
n= + ca avec c0
2
alors
e−c
max dVT (Rn (x, ·), π) √ .
x∈F 2
a
Démonstration. On munit RF ≡ R2 du produit scalaire usuel noté ·, ·. La
matrice stochastique R est symétrique 3 , son spectre est réel et inclus dans
[−1, 1] = R ∩ {z ∈ C : |z| 1}.
De plus, il existe une base orthonormée de RF formée de vecteurs propres

(fj )1j2a de R associés aux valeurs propres (λj )1j2a classées par ordre
décroissant. En particulier, λ1 vaut 1 et f1 est la fonction constante égale
à 2−a/2 . Rappelons que π est la loi uniforme sur F de cardinal 2a et donc
π(x) = 2−a pour tout x ∈ F . Pour toute fonction f de F dans R et x de F ,
a a

2
2
n
R (f )(x) = f, fj fj (x)λnj = π(f ) + f, fj fj (x)λnj .
j=1 j=2
Pour la fonction z ∈ F → f (z) = 1y (z), on obtient la décomposition spectrale
3. Pour toute matrice de transition sur un espace d’états fini, la loi uniforme est
invariante (respectivement réversible) si et seulement si la matrice est doublement
stochastique (respectivement symétrique).
2a
n 1
R (x, y) = a + fj (x)fj (y)λnj .
2 j=2
À présent, d’après le théorème 1.5 et l’inégalité de Schwarz,

2
2 2
4dVT (Rn (x, ·), π(·)) = |Rn (x, y) − π(y)| 2a |Rn (x, y) − π(y)| .
y∈F y∈F
Puisque (fi )i est une base orthonormée, la décomposition spectrale donne

a a
2

2
2
|R (x, y) − π(y)| =
n
fi (x)fj (x)fi , fj λni λnj = fi (x)2 λ2n
i .
y∈F i,j=2 i=2
2
Par symétrie de F et R, la quantité y∈F |Rn (x, y) − π(y)| ne dépend pas
de x ∈ F . En sommant sur x ∈ F , on obtient
a
2

2
2 a
|R (x, y) − π(y)| =
n
λ2n
i ,
y∈F i=2
qui fournit la majoration

a
2

2
4dVT (R (x, ·), π(·))
n
λ2n
i .
i=2
Or on peut établir que les valeurs propres de R sont les réels (1 − k/a)0ka

avec les multiplicités respectives ka pour 0 k a. On a donc
a
2n
2 a
k
4dVT (Rn (x, ·), π) 1−
k
a
k=1
a a
−2nk/a a
e = 1 + e−2n/a − 1.
k
k=1
Le choix n = (1/2)a log(a) + ca fournit

a
2 e−2c −2c
4dVT (Rn (x, ·), π) 1 + − 1 ee − 1.
a
−2c
On a ee − 1 2e−2c dès que c 0, d’où le résultat.
Une autre façon de contourner le problème de la périodicité de la matrice Q
est d’introduire une version à temps continu (Zt )t0 de la chaîne (Yn )n0 . On
suppose que chaque coordonnée subit une inversion 4 de 0 à 1 ou de 1 à 0 à
4. «Flip» en anglais.
des instants aléatoires. Plus précisément, soient (N (i) )1ia des processus de
Poisson indépendants de même intensité 1/a. Posons
(i)
Zt (i) = Z0 (i) + Nt mod 2.
Chaque coordonnée est modifiée indépendamment des autres à des temps

exponentiels de paramètre 1/a. Cette dynamique peut être résumée par le
générateur infinitésimal du processus L = Q − I : pour toute fonction f de F
dans R et tout x ∈ F ,
1 1
n
Lf (x) = (f (y) − f (x)) = (f (x(i) ) − f (x))
a y∼x a i=1
où x(i) ∈ F s’obtient à partir de x en inversant la ie coordonnée. La loi

uniforme π est solution de πL = 0 et constitue la loi invariante de Z.
Théorème 9.5 (Temps long du modèle à temps continu). Pour tout t 0,
max dVT (Loi(Zt | Z0 = x), π) P(Sa > t)

x∈F
où Sa := max1ia Ei et E1 , . . . , Ea sont des v.a.r. i.i.d. de loi Exp(2/a).

Démonstration. On reprend la méthode de preuve du théorème 9.3 par cou-
plage. On montre tout d’abord de la même manière que pour tout x ∈ F ,
dVT (Loi(Zt | Z0 = x), π) max

dVT (Loi(Zt | Z0 = x), Loi(Zt | Z0 = x )).
x ∈F
Ensuite on construit un couplage comme suit : les couples de coordonnées

(Z· (i), Z· (i))1ia évoluent indépendamment et pour chaque i, Zt (i) et Zt (i)
sont indépendants tant qu’ils sont différents et restent collés lorsqu’ils se
touchent. Le générateur infinitésimal L du processus ((Zt , Zt ))t0 est donné
pour toute fonction f de F × F dans R et tout (x, x ) ∈ F × F par
1
a
Lf (x, x ) = (f (x(i) , x(i) ) − f (x, x ))1xi =xi
a i=1
+ (f (x, x(i) ) − f (x, x ))1xi =xi

+ (f (x(i) , x ) − f (x, x ))1xi =xi .
Il coïncide avec L lorsque f ne dépend que de la première ou que de la se-

conde variable : Z et Z sont des chaînes de générateur L. On prend pour
condition initiale (Z0 , Z0 ) = (x, x ). Comme dans la preuve du théorème 9.3
par couplage, la loi du temps de coalescence global
Sd := inf{t 0 : Zt = Zt }
ne dépend de (x, x ) qu’à travers d := d(x, x ), et

dVT (Loi(Zt | Z0 = x), Loi(Zt | Z0 = x )) P(Sd > t).

Pour contrôler la queue de distribution de Sd , on recherche une représentation
plus commode. Il y a au départ a − d + 2d = a + d transitions possibles, de
même taux 1/a, dont 2d provoquent une nouvelle coalescence de coordonnée.
Cela donne un taux total de λ = (a + d)/a et une probabilité de coalescence
de coordonnée de p = 2d/(a+d). La construction des trajectoires 5 et une pro-
priété des lois exponentielles 6 font que la première coalescence de coordonnée
a lieu au bout d’une durée aléatoire Fd de loi exponentielle de paramètre
2d a + d 2
pλ = = d.
a+d a a
Plus généralement, pour tout i ∈ {1, . . . , d}, la ie coalescence de coordonnée
a lieu au bout d’une durée aléatoire Fd−i+1 de loi exponentielle de paramètre
2(d − i + 1) a + d − i + 1 2
= (d − i + 1).
a+d−i+1 a a
Ces durées sont indépendantes, et le temps de coalescence global
Sd := inf{t 0 : Zt = Zt }
a la même loi que Fd +· · ·+F1 où Fd , . . . , F1 sont des v.a.r. indépendantes avec
Fk ∼ Exp(2k/a) pour tout k ∈ {1, . . . , d}. Le lemme de Rényi 11.3 indique
que Fd + · · · + F1 a la même loi que max(E1 , . . . , Ed ) où E1 , . . . , Ed sont des
v.a.r. i.i.d. de loi exponentielle de paramètre 2/a.
loi
Sd = max Ei .
1id
Pour tout t 0, la quantité P(Sd > t) croît en d, et atteint son maximum

P(Sa > t) pour d = a, ce qui correspond à x = (0, . . . , 0) et x = (1, . . . , 1).
Le temps aléatoire Sa est plus facile à étudier que le temps Ta de com-
plétion d’une collection même s’ils ont le même comportement asymptotique
comme le montre le résultat suivant.
Théorème 9.6 (Temps long pour la chaîne à temps continu).
Sa − (a/2) log(a) loi
−→ Gumbel
a/2 a→∞
−t
5. Si Z est une chaîne de Markov à temps continu et à espace d’états discret E
de générateur infinitésimal G = (G(x, y))x,y∈E alors sachant que la chaîne est en x
au temps t, le prochain saut a lieu au bout d’un temps exponentiel de paramètre
−G(x, x) et se fait en y = x avec probabilité −G(x, y)/G(x, x).
6. Le lemme 11.4 affirme que si G, E1 , E2 , . . . sont des v.a. indépendantes avec G
de loi géométrique de paramètre p et E1 , E2 , . . . de loi exponentielle de paramètre λ
alors la somme aléatoire E1 + · · · + EG suit la loi exponentielle de paramètre pλ.
9.2 Urne d’Ehrenfest 121
Tout comme pour Ta (théorème 1.17) il y a convergence abrupte de Sa

autour de la valeur (a/2) log(a) avec une fenêtre de largeur a.
Démonstration. Pour tout a 1 et r − log(a),

Sa − (a/2) log(a) ar a log(a)
P r = P max (Ei ) +
a/2 1ia 2 2
a a
= P E1 (r + log(a))
2
a
e−r
= 1− .
a
Ainsi, pour tout r ∈ R,

Sa − (a/2) log a −r
P r −→ e−e ,
a/2 a→∞
ce qui est la convergence annoncée.
9.2 Urne d’Ehrenfest
Observer l’évolution de la chaîne Y demanderait de pouvoir déterminer

la position de chaque molécule ce qui est physiquement impossible car a est
de l’ordre du nombre d’Avogadro 7 . La grandeur macroscopique qui nous in-
téresse, et que l’on peut mesurer, est la proportion ou le nombre de molécules
situées dans l’urne A. Pour simplifier certaines expressions dans la suite, on
sera amené à se placer parfois dans le cas où a est pair. La lettre b désignera
alors toujours dans la suite l’entier a/2. À la chaîne de Markov Y qui décrit le
système microscopiquement, on associe le processus (Xn )n0 à valeurs dans
E := {0, 1, . . . , a}
où

a
Xn := Yn (i)
i=1
est la somme des coordonnées de Yn , qui décrit le système macroscopiquement.

Théorème 9.7 (Chaîne d’Ehrenfest). Le processus (Xn )n0 est une chaîne
de Markov sur E de matrice de transition
7. Ce nombre approximativement égal à 6.022 × 1023 définit la mole et corres-

pond au nombre d’atomes dans 12 grammes de carbone 12. C’est aussi environ le
nombre de molécules contenues dans 22.414 litres d’un gaz parfait dans les conditions
normales de température (0˚C) et de pression (1 Atmosphère).
⎧
⎪
⎨x/a si x = x − 1 ;
P(x, x ) = 1 − x/a si x = x + 1 ; pour tous x, x ∈ E,
⎪
⎩
0 sinon,
irréductible, récurrente, de période 2. La loi binomiale Bin(a, 1/2) est inva-

riante et réversible.
Démonstration. Soit Fn et Gn les tribus engendrées par les suites (Xk )0kn
et (Yk )0kn respectivement, et soit S(y) = y(1) + · · · + y(a) pour tout y ∈ F .
Puisque Xn = S(Yn ), la tribu Fn est incluse dans la tribu Gn . On a donc,
pour toute fonction f de E dans R,
E(f (Xn+1 ) | Fn ) = E(E(f (Xn+1 ) | Gn ) | Fn ).
Par définition de X et puisque Y est une chaîne de Markov,
E(f (Xn+1 ) | Gn ) = E(f (S(Yn+1 )) | Gn ) = E(f (S(Yn+1 )) | Yn ).
Enfin,

S(Yn ) S(Yn )
E(f (S(Yn+1 )) | Yn ) = 1− f (S(Yn ) + 1) + f (S(Yn ) − 1).
a a
On a donc

Xn Xn
E(f (Xn+1 ) | Fn ) = E 1 − f (Xn + 1) + f (Xn − 1) | Fn
a a

Xn Xn
= 1− f (Xn + 1) + f (Xn − 1),
a a
et donc X est une chaîne de Markov de matrice de transition P. Elle est

irréductible puisque i et i + 1 communiquent pour tout 0 i a avec la
convention a+1 = 0. Comme l’espace d’états est fini, la matrice est récurrente
(positive). Pour tout n, Xn et Xn+1 n’ont pas la même parité or P20,0 > 0
donc la chaîne est de période 2. Note : en général, l’image d’une chaîne de
Markov par une fonction n’est pas une chaîne de Markov.
9.3 Pression au fil du temps
La pression au temps n dans l’urne A est de l’ordre de

Xn
Pn := .
a
On s’intéresse ici aux deux premiers moments de cette variable aléatoire.
9.3 Pression au fil du temps 123
Théorème 9.8 (Moyenne et variance de la pression). Pour tout n ∈ N, en

notant α = 1 − 2/a et β = 1 − 4/a,

1 1 n
E(Pn ) = + E(P0 ) − α ,
2 2
2
1 − βn 1
Var(Pn ) = + Var(P0 )β n − E(P0 ) − (α2n − β n ).
4a 2
Démonstration. On raisonne par conditionnement :

Xn Xn
E(Xn+1 | Xn ) = (Xn + 1) 1 − + (Xn − 1)
a a
= αXn + 1.
On en déduit, en prenant l’espérance, une relation de récurrence pour la suite

(E(Pn ))n qui donne immédiatement la formule pour la moyenne. De même,

Xn Xn
E(Xn+1
2
| Xn ) = (Xn + 1)2 1 − + (Xn − 1)2
a a

4
= 1− Xn2 + 2Xn + 1.
a
Ceci implique
4
Var(Xn+1 ) = βVar(Xn ) + E(Xn )(a − E(Xn ))
a2
4 a 2 2n
= βVar(Xn ) + 1 − 2 E(X0 ) − α .
a 2
Un simple calcul fournit alors la formule pour la variance.
Remarque 9.9 (Valeurs propres et vecteurs propres). Soit f la fonction sur
E définie par f (x) = x − b où b = a/2, qui s’identifie avec le vecteur colonne
(−b, −b + 1, . . . , b − 1, b)T . Un calcul immédiat montre que Pf = (1 − 2/a)f .
Ainsi, pour tout n 0 et tout x ∈ E,
E(Xn | X0 = x) − b = E(f (Xn ) | X0 = x) = Pn f (x) = αn f (x) = αn (x − b).
On retrouve la relation pour la moyenne du théorème 9.8 en prenant l’espé-

rance par rapport à la loi de X0 . Plus généralement, on peut montrer que si
a = 2b est pair alors les valeurs propres de P sont les rationnels (i/b)−bib .
D’après le théorème 9.8, si le vide est fait dans l’urne A à l’instant initial,
alors X0 = 0, P0 = 0, et la pression moyenne E(Pn ) au temps n converge
géométriquement vers 1/2 quand n → ∞. D’autre part Var(Pn ) 1/(4a)
puisque Var(P0 ) = 0 et α2 β, et l’inégalité de Tchebychev donne
1
P(|Pn − E(Pn )| ε) .
4aε2
Comme a est très grand, la variable Pn est quasiment déterministe, ce qui
correspond à l’expérience. La figure 9.2 donne une trajectoire de (Pn )n0
pour différentes conditions initiales.
Fig. 9.2. Évolution de la proportion de molécules dans l’urne A pour différentes

valeurs initiales 0, 0.25, et 1, pour a = 4000 molécules.
9.4 Fluctuations autour de la moyenne à l’équilibre

Supposons que le système soit à l’équilibre : X suit la loi binomiale
Bin(a, 1/2). Alors, P = X/a vérifie, en vertu du théorème limite central,
x 2 2
P |P − 1/2| √ " 2(1 − Φ(x)) √ e−x /2 ,
2 a a grand x 2π
où Φ est la fonction de répartition de la loi gaussienne standard N (0, 1).
On peut par ailleurs obtenir une estimation non asymptotique de cette
probabilité en utlisant l’inégalité de Chernoff. Plus précisément, si (Zi )1in
sont des variables aléatoires indépendantes et identiquement distribuées de loi
de Rademacher (1/2)(δ−1 + δ1 ) alors, pour tout r 0 et tout λ > 0,
9.5 Quand reverra-t-on le vide ? 125
1
n n
P Zi r = P exp λ Zi eλnr e−λnr ch(λ)n .
n i=1 i=1

Comme ch(λ) exp λ2 /2 (découle par exemple d’un développement en
série), on obtient, après une optimisation en λ qui conduit à choisir λ = r,
1
n 2
P Zi r e−nr /2 .
n i=1
Ceci assure que

2
P(|P − 1/2| r) 2e−ar /2
.
−9
Si a = 6 × 10 alors, en prenant r = 10 , la probabilité de trouver une fluc-
23
5
tuation supérieure au milliardième est inférieure à 2e−3×10 . Cette probabilité
extrêmement petite rend l’événement inaccessible.
9.5 Quand reverra-t-on le vide ?

La chaîne d’Ehrenfest (Xn )n0 est irréductible à espace d’états fini, et
elle visite donc tous les états, et le temps d’atteinte de chaque état est inté-
grable (en particulier fini p.s.). Ceci peut sembler paradoxal si l’on pense à
l’irréversibilité macroscopique. Essayons donc d’estimer ces temps d’atteinte
moyens. Le plus simple est de s’intéresser tout d’abord aux temps de retour.
Sur l’événement {X0 = i}, le temps de retour Tii en i est la variable aléatoire
Tii := inf{n 1 : Xn = i}.

Théorème 9.10 (Temps de retours moyens). Si a est pair et b := a/2 alors
√
E(T00 | X0 = 0) = 2a et E(Tbb | X0 = b) ∼ πb.
Démonstration. Notons que le premier résultat découle du lemme 9.1. On sait

que E(Tii | X0 = i) est égale à 1/π(i) où π est la loi invariante, qui n’est rien
d’autre que Bin(a, 1/2). On a π(i) = 2−a ai , et le résultat est alors immédiat
pour i = 0 et découle de la formule de Stirling pour i = b.
Il faut donc attendre un temps immense avant que l’urne A initialement
vide, ne le redevienne ! On souhaite à présent plus de précision et obtenir des
estimations des temps d’atteinte de 0 et b partant de 0 ou b. Soit
mi,j := E(inf{n 0 : Xn = j} | X0 = i)
le temps moyen d’atteinte de j par la chaîne partant de i. Partant de i + 1,

la chaîne doit passer par i pour aller en 0, donc pour 0 i < a,
mi+1,0 = mi+1,i + mi,0 .

Par symétrie, pour 0 i < a,
mi,i+1 = ma−i,a−i−1 = ma−i,0 − ma−i−1,0 .
Ainsi les réels (mi,j )ij sont déterminés par les réels (mi,0 )i . Remarquons à
présent que Xn = 0 si et seulement si Yn = (0, . . . , 0). Donc le temps moyen
que met X à se rendre de i à 0 est le temps moyen que met Y pour aller de
n’importe quel élément de F situé à une distance i de (0, . . . , 0) à (0, . . . , 0),
autrement dit mi . Le théorème 9.2 assure alors que pour 0 i a − 1,

a−i
a−i−1
mi,i+1 = ma−i,0 − ma−i−1,0 = Qaa−k − Qaa−k = Qai .
k=1 k=1
Corollaire 9.11 (Temps d’atteinte moyens). On a

⎧
⎪ a
⎪
⎪ 2a / si i = j,
⎪
⎪ i
⎪
⎪
⎪
⎨ a
j−1
mi,j = Qk si i < j,
⎪
⎪
⎪a−j−1
⎪
k=i
⎪
⎪
⎪
⎪ Qak si i > j.
⎩
k=a−i
Théorème 9.12 (Temps d’atteinte moyens). Si a est pair et b := a/2 alors

1 1 1
a 2 log(2) − − 2 m0,b a + log(a) ,
2 4 2
et
1 2
2a 1 + m0,a 2a 1 + .
a−1 a−1
Preuve du second encadrement du théorème 9.12. Pour tout 0 i a − 1,
i
1 a a
a 2a
mi,i+1 + mi+1,i = a−1 + = a−1 .
i
k k i
k=0 k=i+1
Donc

b−1
1
m0,b + mb,0 = 2a a−1 .
i=0 i
De plus, puisque mb,0 = mb,a , on a

b−1
1
m0,a = m0,b + mb,a = 2a a−1 .
i=0 i
En séparant les deux premiers termes de la somme des autres, on a

1 1
b−1
1 b−1
1+ a−1 1 + + a−1
a−1 i=0 i
a−1 2
ce qui fournit l’encadrement souhaité.

Le théorème 9.12 assure que le temps mis par le système pour passer
d’un état de total déséquilibre à celui d’équilibre parfait est extrêmement
négligeable devant le temps mis pour l’évolution inverse. Pour un nombre de
molécules égal à 100, m0,50 est majoré par 256 tandis que m50,0 est de l’ordre
de 1030 soit quelques mille milliards de milliards de milliards.

Le temps de mélange pour la marche aléatoire sur le cube discret vérifie
une propriété de convergence abrupte autour de (a/2) log(a) de fenêtre a :
dans un intervalle de longueur de l’ordre de a autour de (a/2) log a la distance
en variation totale entre Rn (x, ·) et π passe d’un voisinage de 1 à un voisinage
de 0. La borne supérieure est fournie par le théorème 9.4, qu’on peut compléter
par l’estimation suivante qui se trouve dans le livre David Levin, Yuval Peres,
et Elizabeth Wilmer [LPW09] : si n = (1/2)a log(a) − ca avec c > 0, alors
max dVT (Rn (x, ·), π) 1 − 8e−(2c+1) .
x∈F
Ce résultat semble provenir d’un travail de Persi Diaconis et Mehrdad Shah-

shahani [DS87]. Les valeurs propres et vecteurs propres de la matrice de tran-
sition P de la chaîne d’Ehrenfest sont obtenus par Mark Kac dans [Kac47].
On peut également les obtenir à partir de ceux de la matrice de transition R
du modèle microscopique (marche sur le cube discret) qui sont décrits dans le
livre de Levin, Peres, et Wilmer [LPW09, exemple 12.15].
La relation classique entre espérance du temps de retour et loi invariante
utilisée dans la preuve du théorème 9.10 est établie par exemple dans le livre
de James Norris [Nor98a]. Les théorèmes 9.2 et 9.12 sont tirés du livre de
John Kemeny et Laurie Snell [KS76].
Les molécules passent très vite d’une urne à l’autre. Ainsi, le temps mi-
croscopique est différent du temps macroscopique. Considérons qu’une unité
de temps macroscopique corresponde à a changements d’urnes. Quelle est
alors l’évolution de la pression dans cette nouvelle échelle de temps ? Le théo-
rème 9.8 entraîne immédiatement que, pour tout t > 0,

1 1 −2t
E P at −→ + E(P0 ) − e et E V at −→ Var(X0 )e−4t ,
a→∞ 2 2 a→∞
puisque at/a tend vers t. Cette convergence est la partie émergée d’un ice-
berg : convenablement renormalisée en temps et en espace, la chaîne d’Eh-
renfest converge en loi vers le processus de diffusion d’Ornstein-Uhlenbeck,
comme présenté dans le chapitre 27.
10
Records, extrêmes, et recrutements
Mots-clés. Extrême ; statistique d’ordre.

Outils. Processus de Markov déterministe par morceaux ; martingale ;
permutation aléatoire ; théorème des séries centrées ; théorème de Lindeberg-
Lévy ; loi exponentielle ; loi de Pareto ; transformée de Laplace.
Difficulté. **
Un cabinet de chasseurs de têtes souhaite constituer une équipe de choc

grâce à un recrutement au fil de l’eau : chaque candidat obtient une note après
son entretien et les recruteurs décident dans l’instant de l’engager ou pas. Le
cahier des charges est de recruter une équipe à la fois excellente et fournie.
Dans ce chapitre, on compare deux politiques de recrutement différentes : une
personne est recrutée si elle obtient une note supérieure à toutes celles des
candidats précédents pour la première et à la moyenne de ces notes pour la
seconde. La deuxième procédure, plus souple, devrait conduire à un recrute-
ment plus important mais peut-être de qualité moindre. On modélise les notes
des candidats successifs par une suite (Xn )n1 de variables aléatoires réelles
indépendantes et de même loi μ de fonction de répartition F . Afin d’éviter
les cas particuliers, nous supposerons que F est continue sur R. L’extrémité
droite du support de μ est notée xF :
xF = sup {x ∈ R : F (x) < 1} ∈ R ∪ {+∞}.
10.1 Élitisme
Pour tout n 1, le rang relatif de Xn dans X1 , . . . , Xn est donné par

n
Rn = 1 + 1{Xn >Xk } .
k=1

130 10 Records, extrêmes, et recrutements
Le candidat n est recruté si son rang vaut n, c’est-à-dire si sa note bat le

précédent record. Le nombre de records, ou de personnes recrutées, jusqu’au
temps n est donné par
n
Zn = 1{Ri =i} .
i=1
On définit également les instants de record par récurrence :
T1 = 1 et, pour j 1, Tj+1 = inf {n > Tj : Xn > Xi pour i < n}.
Lemme 10.1 (Lois des rangs). Les variables aléatoires (Rn )n1 sont indé-
pendantes et, pour tout n ∈ N∗ , Rn suit la loi uniforme sur {1, . . . , n},

n
1
E(Zn ) = = log(n) + γ + O(1/n),
k
k=1
et

n
k−1 π2
Var(Zn ) = = log(n) + γ − + O(1/n),
k2 6
k=1
où γ désigne la constante d’Euler.
Démonstration. La fonction de répartition F de μ est continue donc pour tous

entiers i et j distincts, P(Xi = Xj ) = 1. En particulier, pour n 1, presque
sûrement, il existe une unique permutation (aléatoire) σ de {1, . . . , n} telle
que
Xσ(1) < · · · < Xσ(n) .
De plus la loi de cette permutation est la loi uniforme sur Sn . Enfin, à un
vecteur (R1 , . . . , Rn ) on associe la permutation σ de manière bijective, d’où
1
P(R1 = r1 , . . . , Rn = rn ) =
n!
pour tout (r1 , . . . , rn ) vérifiant 1 ri i pour 1 i n. La v.a. Zn est donc
la somme de n v.a. de loi de Bernoulli indépendantes de paramètres 1, 1/2,. . . ,
1/n. Les expressions de son espérance et de sa variance s’en déduisent.
Notons que la suite (Zn )n1 a la même loi que la suite (|Bn |)n1 du
processus des restaurants chinois du chapitre 14, voir également le théorème
13.5 sur la suite (Kn )n1 du nombre d’allèles dans un échantillon obtenue lors
de l’étude de la généalogie du modèle de Wright-Fisher.
Théorème 10.2 (Comportement asymptotique du nombre de records).
Zn p.s. Zn − log(n) loi

−→ 1 et −→ N (0, 1).
log(n) n→∞ log(n) n→∞
10.1 Élitisme 131
Démonstration. La convergence presque sûre repose sur le théorème des séries

centrées que nous rappelons ci-dessous.
Théorème 10.3 (Séries centrées). Soit (Qn )n1 une suite de variables aléa-
toires indépendantes et centrées et une suite (déterministe) (bn )n1 stricte-
ment croissante non bornée de réels strictement positifs.
∞
1
n
E(Q2n ) p.s.
Si < ∞, alors Qk −→ 0.
n=1
b2n bn n→∞
k=1
Reste à présent à appliquer ce théorème à la suite (Qn )n1 définie par

Qn = 1{Rn =n} − 1/n pour n 1 avec bn = log(n) en remarquant
Var(Qn ) n−1
2
= 2
bn n log(n)2
est le terme général d’une série convergente.
La deuxième partie du théorème découle du théorème limite central de
Lindeberg-Lévy rappelé ci-dessous. Il s’agit d’une extension du théorème de
limite central aux suites de variables aléatoires indépendantes de carré
intégrable, pas forcément de même loi. La condition de Lindeberg signifie que
la variance totale est asymptotiquement bien répartie.
Théorème 10.4 (Lindeberg-Lévy). Soit (Yi )i1 une suite de v.a.r. indépen-
dantes de carré intégrable et centrées. Notons Sn = Y1 + · · · + Yn et sn son
écart-type. Si la condition de Lindeberg est vérifiée : pour tout ε > 0,
1 # 2 $
n
lim 2
E Yi 1{|Yi |>εsn } = 0,
n→∞ sn
i=1
alors
Sn loi
−→ N (0, 1).
sn n→∞
On applique ce théorème aux variables Yn = 1{Rn =n} − 1/n pour n 1
en remarquant que 1{|Yi |>εsn } = 0 pour n assez grand.
Remarque 10.5 (Avec les martingales). Le théorème 10.2 peut également
être démontré grâce à la loi des grands nombres pour les martingales et au
théorème limite central pour les martingales. Posons, pour n 1,
n
1
n
1
Mn = Zn − = 1{Rk =k} − .
k k
k=1 k=1
Alors (Mn )n1 est une martingale de carré intégrable de processus croissant

n
k−1
M n = = O(log(n)).
k2
k=1
Ainsi, Mn = o(log(n)) presque sûrement. La convergence en loi se déduit

également du théorème limite central pour (Mn )n1 .
10.2 Au-dessus de la moyenne

On construit alors par récurrence les suites (Yn )n1 , (Y n )n1 et (Tn )n1 :
Y1 = X1 , Y 1 = Y1 et T1 = 1,
puis, pour tout n 1, par
% & 1
n+1
Tn+1 = inf i > Tn : Xi > Y n , Yn+1 = XTn+1 et Y n+1 = Yi .
n + 1 i=1
Pour tout n 1, Yn est la performance du n-ième candidat retenu, Tn est le

nombre de candidats auditionnés pour en retenir n et Y n est la moyenne des
performances des n premiers candidats retenus.
Théorème 10.6 (Vers la qualité maximale).
p.s.
Y n −→ xF .
n→∞
Démonstration. Presque sûrement, les variables aléatoires (Xn )n1 sont stric-
tement inférieures à xF . Ainsi, on montre par récurrence que Yn et Y n sont
également strictement inférieures à xF et que par suite Tn+1 est fini. La suite
(Yn )n1 est croissante et bornée par xF , elle converge donc vers un réel x∞ .
Celui-ci est nécessairement égal à xF car le supremum d’une infinité de v.a. in-
dépendantes de fonction de répartition F est égal à xF . Ainsi la suite (Yn )n1
converge presque sûrement vers xF . Le lemme de Cesàro assure qu’il en est
de même pour (Y n )n1 .
On s’intéresse alors au nombre de candidats qu’il faudra auditionner pour
former une équipe de taille donnée. Le résultat suivant permet de conclure
sous une hypothèse assez souvent vérifiée en pratique sur la convergence de la
suite (Y n )n1 .
Théorème 10.7 (Comportement asymptotique des auditionnés). Soit la
suite de variables aléatoires (Pn )n1 définie par P1 = 1 et, pour n 2,
Pn = 1 − F (Y n−1 ). S’il existe un réel α > 0 et une variable aléatoire W
p.s.
tels que P(0 < W < ∞) = 1 et nα Pn −→ W alors
n→∞
Tn p.s. 1
−→ .
nα+1 n→∞ (α + 1)W
Démonstration. L’idée est d’appliquer le théorème 10.3 conditionnellement à

la tribu F engendrée par la suite (Y n )n1 en posant, pour n 1,
n
1 1
bn = et Qn = Tn − Tn−1 − avec T0 = 0.
P
i=1 i
Pn
10.3 Cas de la loi exponentielle 133
La suite (bn )n1 est strictement croissante et tend vers +∞ puisque 1/Pi est
de l’ordre de iα /W . Plus précisément, une comparaison série-intégrale donne
nα+1
bn ∼ .
(α + 1)W
D’autre part, Tn − Tn−1 suit la loi géométrique de paramètre Pn donc
2
Qn 1 − Pn (α + 1)2
E 2 F = 2 2 ∼
bn bn Pn n→∞ n2
qui est le terme général d’une série convergente. Le théorème des séries cen-
trées (théorème 10.3) assure donc que
1
n
Tn p.s.
Qk = − 1 −→ 0.
bn bn n→∞
k=1
L’équivalent de bn donne le résultat annoncé.
10.3 Cas de la loi exponentielle

Théorème 10.8 (Évolution de la moyenne et de l’effectif). Supposons que
les variables aléatoires (Xn )n1 soient distribuées selon la loi exponentielle
de paramètre λ. Alors il existe une variable aléatoire G de loi de Gumbel de
fonction de répartition x → exp(−e−x ) telle que
L2 p.s. Tn p.s. eG
λY n − log(n) −→ G, λY n − log(n) −→ G, et −→ .
n→∞ n→∞ n2 n→∞ 2
Démonstration. Quitte à considérer la suite (λYn )n1 , on peut supposer que

λ = 1. Avec la convention Y 0 = 0, posons, pour tout n 0,
ηn = Yn+1 − Y n = (n + 1)(Y n+1 − Y n ).

n
On a donc Y n = Y 1 + j=1 ηj−1 /j. Notons Fn la tribu engendrée par
(Y1 , . . . , Yn ). Pour tout n 1, la loi conditionnelle de ηn sachant Fn est
égale à la loi de Yn+1 − Y n sachant Y n et {Yn+1 > Y n }, d’où, en utilisant la
propriété d’absence de mémoire des lois exponentielles,
P(ηn > x | Fn ) = P(Yn+1 > Y n + x | Y n , Yn+1 > Y n ) = e−x .
Les variables aléatoires (ηn )n0 sont donc indépendantes et de même loi ex-
n
ponentielle de paramètre 1. Avec hn = k=1 k1 , on a

n
ηk−1 − 1
Y n − hn = .
k
k=1
Fig. 10.1. Convergence p.s. de la suite (Y n − log(n))n2 .
La suite (Y n − hn )n1 est une martingale (suite des sommes partielles de

variables aléatoires indépendantes intégrables). Elle est bornée dans L2 car

n
E((ηk−1 − 1)2 ) π2
E((Y n − hn )2 ) = E((η0 − 1)2 ) < ∞.
k2 6
k=1
Il existe donc une variable aléatoire G telle que Y n − hn converge vers G dans
L2 et presque sûrement. Reste à établir que G suit la loi de Gumbel. Nous
allons le faire en établissant que (Yn )n1 converge en loi vers la loi de Gumbel.
La transformée de Laplace de Y n notée Hn vaut, pour tout θ ∈ {1, . . . , n},
n −1
+ n
k +
Hn (θ) = E e θY n
= = n! (k − θ) .
k−θ
k=1 k=1
Soit à présent (Zn )n1 une suite de v.a.r. i.i.d. de loi exponentielle de para-
mètre 1. Pour tout n 1, soit Z(n) = max(Z1 , . . . , Zn ). Calculons la trans-
formée de Laplace Ln de Zn . Grâce à une intégration par parties, on a

Ln (θ) := E eθZ(n)
∞
n−1
= eθz ne−z 1 − e−z dz
0
10.3 Cas de la loi exponentielle 135
Fig. 10.2. Histogramme de la limite presque sûre de la suite aléatoire (Y n − log n)n
et densité de la loi de Gumbel.
∞
n n−2
= eθz (n − 1)e−2z 1 − e−z dz
1−θ 0
n
= Ln−1 (θ − 1),
1−θ
et une récurrence immédiate donne
n −1
+
n
n+1−k +
Ln (θ) = = n! (k − θ) .
k−θ
k=1 k=1
On en déduit que Y n et Z(n) ont même loi. En fait cette propriété ne constitue
qu’une partie du lemme de Rényi 11.3. Ainsi, pour tout réel x,
n
e−x −x
P(Y n − log(n) x) = P(Z(n) − log(n) x) = 1 − −→ e−e ,
n n→∞
ce qui conclut la preuve des deux premiers points. Pour le dernier point, on a
p.s.
nPn = n(1 − F (Y n−1 )) = e−(Y n −log(n)) −→ e−G ,
n→∞
p.s.
ce qui donne Tn /n2 −→ eG /2 par le théorème 10.7.
n→∞
10.4 Cas de la loi de Pareto

Théorème 10.9 (Évolution de la moyenne). Supposons que les variables
aléatoires (Xn )n1 soient distribuées selon la loi de Pareto de paramètre (θ, β)
avec θ > 0 et β > 1, c’est-à-dire qu’elles possèdent la fonction de répartition
suivante : 0 β 1
θ
F (x) = 1 − 1[θ,+∞[ (x).
x
Alors, il existe une variable aléatoire Y telle que P(0 < Y < ∞) = 1 et
Yn p.s.
1/(β−1)
−→ Y.
n n→∞
Démonstration. Si X suit la loi de Pareto de paramètre (θ, β) alors X/θ suit

la loi de Pareto de paramètre (1, β). On supposera donc dans la suite de la
preuve que θ = 1. De plus, si X suit la loi de Pareto de paramètre (1, β),
alors la loi de X sachant que X > c est la loi de cX. En notant Fn la tribu
engendrée par (Y1 , . . . , Yn ), on a, pour tout x > 1,
P(Yn > xY n−1 | Fn−1 ) = P(X > xY n−1 | X > Y n−1 , Y n−1 ) = x−β .
où X est une variable aléatoire de loi de Pareto de paramètre β indépendante

de Fn−1 . En d’autres termes, la loi de Yn /Y n−1 sachant Fn−1 est la loi de
Pareto de paramètre β. En conséquence,
(n − 1)Y n−1 + E(Yn | Y n−1 ) n − 1 + E(X)
E(Y n | Fn−1 ) = = Y n−1 .
n n
Posons, pour n 1,
n − 1 + E(X) 1 1
an = =1+ et bn = 2 n .
n n(β − 1) j=1 aj
La suite (Mn )n1 définie par Mn = bn Y n est une martingale positive d’es-
pérance 1. Elle converge donc presque sûrement vers une variable aléatoire
M positive de L1 . Nous omettons ici la preuve assez technique du fait que
P(0 < M < ∞) = 1. Enfin, on remarque que

n
1 1 1
n
bn = exp − log 1 + = exp − + o(1) .
j=1
(β − 1)j β − 1 j=1 j
En d’autres termes, n1/(β−1) bn converge vers un réel strictement positif.

Corollaire 10.10 (Temps de recrutement). Il existe une variable aléatoire T
à valeurs dans (0, ∞) telle que
Tn p.s.
(2β−1)/(β−1)
−→ T.
n n→∞
Démonstration. Pour tout n 1, on a Pn = (Y n−1 )−β . Le résultat précédent

assure que nβ/(β−1) Pn converge presque sûrement vers une variable aléatoire
W vérifiant P(0 < W < ∞) = 1. On conclut alors avec le théorème 10.7.
On peut aussi étudier le nombre Mn de candidats retenus après n auditions

et la moyenne An des performances des candidats retenus après n auditions.
Ce chapitre est essentiellement basé sur un article de John Preater [Pre00]
pour le cas de la loi exponentielle, et sur un article de Abba Krieger, Moshe
Pollak, et Ester Samuel-Cahn [KPSC08] pour le cas général. Les preuves du
théorème des séries centrées (théorème 10.3) et du théorème de Lindeberg-
Lévy (théorème 10.4) se trouvent par exemple dans l’incontournable livre de
William Feller [Fel68].
On peut compléter le théorème 10.2 avec des inégalités de déviation non
asymptotiques, à la différence du théorème de convergence en loi. Comme les
variables aléatoires (Rn )n1 sont à valeurs dans [0, 1], l’inégalité de (Wassily)
Hoeffding assure que, pour tout r > 0,

n
1 2r2
P Zn − r exp − .
k n
k=1
Cette inégalité n’est en l’occurrence pas très précise car elle ne prend pas
bien en compte le fait que les variances des incréments de (Zn )n1 tendent
vers 0. On peut obtenir un résultat plus fin pour la déviation inférieure grâce
à l’inégalité de (Andreas) Maurer pour les sommes de variables aléatoires
positives [Mau03], qui donne, pour tout r > 0,

n
1 r2
P Zn − −r exp − .
k 2 log(n)
k=1
Citons enfin le célèbre problème des secrétaires 1 dont on trouve une des-
cription savoureuse dans un article de Thomas Ferguson [Fer89]. Le contexte
est le même que dans notre chapitre mais on ne recrute qu’une personne parmi
n candidats. La question est de déterminer la stratégie fournissant avec la pro-
babilité maximale le meilleur candidat. La première étape est de montrer que
la stratégie optimale est nécessairement de la forme suivante : on fixe r entre
1 et n, on recale les r − 1 premiers candidats puis on sélectionne le premier
candidat qui obtient une meilleure note que ses prédécesseurs. Avec une telle
1. Ce problème d’arrêt optimal est un grand classique de la théorie du contrôle

stochastique et de la théorie de la décision. Il est également connu sous le nom du
problème du mariage (entre autres).
stratégie, on recrute le meilleur candidat au rang j (entre r et n) si et seule-

ment si le meilleur candidat arrive en position j et si les candidats numérotés
de r à j − 1 sont moins bons que l’un des r − 1 premiers. Ainsi,
1 r−1
P(j est le meilleur et il est sélectionné) =
nj−1
et la probabilité de recruter le meilleur candidat avec cette stratégie est
n
1 r−1 r−1 1
n
pn (r) = = .
j=r
nj−1 n j=r j − 1
Pour x ∈ ]0, 1[,
xn
n
1
pn (xn) = −→ −x log(x).
n j − 1 n→∞
j= xn
La probabilité maximale vaut donc 1/e pour un choix optimal de r ≈ n/e.
Fig. 10.3. Convergence de la probabilité optimale du meilleur choix (croix) et de

la proportion idéale (trait continu) vers 1/e.
11
File d’attente M/M/Infini
Mots-clés. Loi exponentielle ; loi binomiale ; loi de Poisson ; file d’attente ;

loi invariante.
Outils. Chaîne de Markov à temps continu ; processus de Poisson ; cou-
plage ; distance de Wasserstein ; semi-groupe ; générateur infinitésimal ; fonc-
tion génératrice ; inégalité de Markov.
Difficulté. **
Les files d’attente 1 font partie des modèles aléatoires les plus répandus et
les plus utiles. Le cas le plus simple à décrire est sans doute le suivant : des
clients font la queue devant un guichet appelé serveur. Les durées qui séparent
les arrivées des clients successifs sont modélisées par des v.a.r. i.i.d. de loi
exponentielle de paramètre λ, tandis que les durées de traitement des clients
successifs par le serveur sont modélisées par des v.a.r. i.i.d. de loi exponentielle
de paramètre μ. Le choix de la loi exponentielle est justifiable par sa propriété
d’absence de mémoire, ce qui correspond à beaucoup de situations concrètes.
On s’intéresse au nombre Xt de clients dans la file d’attente à l’instant t. Le
processus (Xt )t0 est une chaîne de Markov à temps continu d’espace d’états
N. Dans une nomenclature due à Kendall, on dit qu’il s’agit d’une file M/M/1
de taux λ et μ : le premier M indique l’absence de mémoire 2 des durées entre
les arrivées, le second M indique l’absence de mémoire des durées de service,
et le 1 final indique enfin qu’il n’y a qu’un seul serveur. Plus généralement, on
peut définir des files d’attentes M/M/s, où s est un entier quelconque. Plus
généralement encore la file M/M/s/K tient compte d’une taille maximale K
de file d’attente ce qui modélise une salle d’attente de capacité limité. La file
d’attente M/M/K/K modélise par exemple un parking avec K places. Il est
possible de tenir compte de phénomènes supplémentaires comme l’impatience,
1. En anglais on dit «queues».

2. En anglais on dit «Memoryless».

140 11 File d’attente M/M/Infini
la priorité, la politique de traitement 3 , etc. De plus les files d’attente peuvent

être mises en tandem, voire en réseau, etc. Enfin, il est parfois plus réaliste de
faire varier les intensités d’arrivée λ et de service μ au cours du temps, ce qui
mène mathématiquement à utiliser la notion naturelle de processus ponctuel.
Ce chapitre est consacré à la file d’attente M/M/∞, qui est sans doute la
file la plus simple à étudier, et qui constitue un analogue à espace discret du
processus d’Ornstein-Uhlenbeck. Dans le modèle de la file d’attente M/M/∞,
les durées qui séparent les arrivées des clients sont i.i.d. de loi exponentielle
de paramètre λ. Chaque client dispose d’un serveur dédié dès son arrivé qui
débute son traitement immédiatement, et les durées de traitement sont i.i.d.
de loi exponentielle de paramètre μ, indépendantes du processus des arrivées.
Une particularité de la file d’attente M/M/∞ est qu’à tout instant, le nombre
de clients dans la file est égal au nombre de clients en cours de service.
La file d’attente M/M/∞ constitue une version simplifiée de la file d’at-
tente M/M/K/K quand λ/μ est négligeable devant K. Elle modélise par
exemple le nombre de voitures garées dans un parking de très grande ca-
pacité : les voitures sont les clients, les places du parking sont les serveurs,
et la durée de service d’une voiture correspond à la durée d’occupation de la
place de parking par la voiture. Des situations concrètes très variées peuvent
bénéficier de la modélisation par la file d’attente M/M/∞.
Pour construire rigoureusement le processus (Xt )t0 , on se place tout
d’abord dans le cas où la file est vide au temps initial : X0 = 0. Les du-
rées séparant les arrivées des clients sont modélisées par une suite (En )n0
de v.a.r. i.i.d. de loi exponentielle de paramètre λ. Le ne client arrive donc
au temps Tn := E1 + · · · + En , qui suit une loi Gamma(n, λ). Pour tout réel
t 0, le nombre de clients arrivés dans l’intervalle de temps [0, t] est
∞

Nt := 1{Tn t} .
n=0
Le processus de comptage (Nt )t0 est un processus de Poisson issu de 0 et

d’intensité λ. Pour tout entier n 0, on note Sn la durée de service du ne
client de sorte que ce client quitte la file au temps T n + S n. La suite (S n) n0
est constituée de v.a.r. i.i.d. de loi exponentielle de paramètre μ. On suppose
que les variables aléatoires X0 , (Sn )n0 , (En )n0 sont indépendantes. Pour
tout t ∈ R+ , le nombre de clients dans la file au temps t vaut
∞

1{Tn t<Tn +Sn } .
n=0
Dans le cas général où X0 n’est pas forcément nul, on introduit une suite
(Sn )n0 de v.a.r. i.i.d. de loi exponentielle de paramètre μ, indépendante de
X0 , et on modélise les durées de service de ces clients initiaux par S0 , . . . , SX

0
.
3. La politique de traitement standard est FIFO (pour «First In First Out»).

11.1 Lois exponentielles 141
On suppose que X0 , (Sn )n0 , (Sn )n0 , (En )n0 sont indépendantes. Pour tout
réel t 0, le nombre de clients dans la file au temps t vaut donc

X0 ∞

Xt := 1{Sn >t} + 1{Tn t<Tn +Sn } .
n=0 n=0
11.1 Lois exponentielles

Les lemmes suivants sont très utiles, bien au-delà des files d’attentes. Ils
jouent un rôle notamment dans la structure des processus de Markov.
Lemme 11.1 (Absence de mémoire). Si E1 et E2 sont deux variables aléa-
toires exponentielles indépendantes de paramètres respectifs λ1 et λ2 , alors
Loi(E2 − E1 | E2 > E1 ) = Exp(λ2 ) = Loi(E2 )
c’est-à-dire que P(E2 − E1 > t | E2 > E1 ) = e−λ2 t pour tout t 0.
Démonstration. Pour tout t 0 on a P(E2 > E1 + t | E2 > E1 ) = e−λ2 t car
λ1
P(E2 > E1 ) =
λ1 + λ2
tandis que P(E2 > E1 + t, E2 > E1 ) = P(E2 > E1 + t) vaut

λ1
λ1 e−λ1 u λ2 e−λ2 v dudv = e−λ2 t .
v>u+t λ1 + λ2
u>0
Lemme 11.2 (Horloges exponentielles en compétition). Si (Ei )i∈I est une

famille finie ou infinie dénombrable de v.a.r. indépendantes
de lois exponen-
tielles de paramètres respectifs (λi )i∈I avec λ := i∈I λi < ∞, alors la va-
riable aléatoire M := inf i∈I Ei suit la loi exponentielle Exp(λ), et de plus,
presque sûrement, l’infimum est atteint en un unique entier aléatoire I, indé-
pendant de M , dont la loi est donnée par P(I = i) = λi /λ pour tout i ∈ I.
Démonstration du lemme 11.2. Pour tout i ∈ I et tout x ∈ R+ ,
∞ +
λi
P(min(Ek ) > Ei x) = λi P(Ek > y) e−λi y dy = e−λx .
k=i x λ
k=i
C’est la formule pour P(I = i, M x), qui donne la loi du couple (I, M ).
Lemme 11.3 (Lemme de Rényi sur la statistique d’ordre exponentielle). Si

E1 , . . . , En sont des v.a.r. i.i.d. de loi exponentielle Exp(λ), et si
min(E1 , . . . , En ) = E(1) < · · · < E(n) = max(E1 , . . . , En )
est le réordonnement croissant (statistique d’ordre) de E1 , . . . , En , alors

loi E1 E1 En
(E(1) , . . . , E(n) ) = ,··· , + ··· + .
n n 1
En particulier, pour tout 1 k n, avec la convention E0 := 0,
loi E1 Ek Ek
E(k) = + ··· + = E(k−1) + .
n n−k+1 n−k+1
Démonstration. Pour le voir, on écrit, pour toute fonction mesurable et bornée
ϕ : Rn → R, en utilisant des changements de variables,

E(ϕ(E(1) , . . . , E(n) )) = ϕ(x(1) , . . . , x(n) ) λn e−λ(x1 +···+xn ) dx1 · · · dxn
[0,∞)n

= n! ϕ(y1 , . . . , yn ) λn e−λ(y1 +···+yn ) dy1 · · · dyn
0y1 <···<yn

= ϕ(z1 , . . . , z1 + · · · + zn ) n!λn e−λ(nz1 +···+1zn ) dz,
[0,∞)n
où dz := dz1 · · · dzn , ce qui signifie que les variables aléatoires
E(1) , E(2) − E(1) , . . . , E(n) − E(n−1)
sont indépendantes avec E(k) − E(k−1) ∼ Exp((n − k + 1)λ), 1 k n.

Notons au passage que l’identité en loi concernant le minimum
loi 1
min(E1 , . . . , En ) = E(1) = E1
n
est un cas spécial du lemme 11.2 avec I = {1, . . . , n} et λ1 = · · · = λn . D’autre
part, l’identité en loi concernant le maximum
loi E1 En
max(E1 , . . . , En ) = E(n) = + ··· +
n 1
est démontrée autrement dans la preuve du théorème 10.8 (transformée de
Laplace) ainsi que dans la preuve du théorème 13.4 (via la densité, par récur-
rence sur n). Elle apparaît également dans les chapitres 1, 9, et 17 (processus
de Yule). Nous l’utilisons dans la section suivante pour le temps de demi-vie.
Lemme 11.4 (Stabilité par sommation géométrique). Soient G, E1 , E2 , . . .
des variables aléatoires indépendantes avec G de loi géométrique de paramètre
p ∈ ]0, 1] et E1 , E2 , . . . de loi exponentielles de paramètre λ. Alors la somme
aléatoire E1 + · · · + EG suit la loi exponentielle de paramètre pλ.
11.1 Lois exponentielles 143
Comme E1 +· · ·+En ∼ Gamma(n, λ), cela nous dit qu’un mélange géomé-
trique de lois Gamma de même paramètre d’échelle est une loi exponentielle.
Démonstration. Pour tout t ∈ R et tout k 1, on a E(eitEk ) = λ/(λ − it), et
∞

E(eit(E1 +···+EG ) ) = E(eit(E1 +···+En ) )P(G = n)
n=1
∞
= E(eitE1 )n (1 − p)n−1 p
n=1
pE(eitE1 )
=
1 − E(eitE1 )(1 − p)
λp
= .
λp − it
Le lemme 11.4 indique que si on accepte chaque client du processus de

Poisson des arrivées (de paramètre λ) avec probabilité p alors le processus
«aminci» résultant est un processus de Poisson d’intensité pλ.
Le lemme suivant achève notre petit catalogue de propriétés fondamen-
tales des lois exponentielles. Il implique par exemple que les trajectoires du
processus de Poisson (Nt )t0 sont bien définies (elles n’explosent pas).
Lemme 11.5 (Loi du zéro-un). Si (En )n1 sont des v.a.r. indépendantes de
lois exponentielles de paramètres respectifs (λn )n1 avec 0 < λn < ∞ pour
∞
tout n 1, alors l’événement { n=1 En = ∞} est de probabilité 0 ou 1 et
∞ ∞
1
P E
n=1 n = ∞ =1 si et seulement si = ∞.
λ
n=1 n
∞
La série En diverge p.s. si et seulement si elle diverge en moyenne.
n=1
∞
Démonstration. La variable T∞ = n=1 En prend ses valeurs dans l’ensemble
∞
R+ ∪{∞}. Le théorème de convergencemonotone donne E(T∞ ) = n=1 1/λn
∞
dans R+ ∪ {∞}. Par conséquent, si n=1 1/λn < ∞ alors E(T∞ ) < ∞ et
donc P(T∞ = ∞) = 0. L’indépendance n’a pas été utilisée. Réciproquement,
le théorème de convergence monotone et l’indépendance donnent
∞ ∞ −1
# $ + # $ + 1
E e−T∞ = E e−En = 1+ .
n=1 n=1
λn
∞ 2∞
Or n=1 1/λn = ∞ si et seulement si + 1/λn )−1 = 0, car pour
n=1 (1 2
∞
toute suite (an )n1 de réels positifs, le produit n=1 (1 + an ) converge si
∞ ∞
et seulement si la série n=1 an converge. Ainsi, si n=1 1/λn = ∞, alors
E(exp(−T∞ )) = 0, et donc P(T∞ = ∞) = 1.
11.2 Temps de demi-vie des clients initiaux

Si μ = 0 alors le processus (Xt )t0 coïncide avec le processus de Poisson
(X0 + Nt )t0 issu de X0 et d’intensité λ, où (Nt )t0 est le processus de Poisson
des arrivées, d’où Xt → +∞ p.s. quand t → ∞ si X0 > 0 et λ > 0.
On s’intéresse plutôt dans cette section au cas où λ = 0 et X0 = N . La file
comporte N clients au temps t = 0, et aucun nouveau client n’arrive. Dans
ce cas, le processus (Xt )t0 est un processus de mort pur, et Xt suit la loi
Bin(N, e−μt ), d’où Xt → 0 p.s. quand t → ∞ si μ > 0 ou si X0 = 0. Avec les
notations de l’introduction, les durées de service des N clients initiaux sont
S1 , . . . , SN
(N )
. Les instants de fin de service successifs sont notés (Tn )1nN :
min(S1 , . . . , Sn ) = T1 = max(S1 , . . . , Sn ).

(N ) (N )
· · · TN
(N )
On a Xt = 0 si t > TN . Le lemme de Rényi 11.3 indique que les v.a.r.
(N ) (N )
(τn(N ) )1nN où τn(N ) := Tn(N ) − Tn−1 et T0 := 0
sont indépendantes de lois exponentielles de paramètres respectifs
((N − n + 1)μ)1nN .
(N )
On s’intéresse au temps de demi-vie T N/2 , c’est-à-dire au temps au bout
duquel la moitié des N clients initiaux a quitté la file.
Théorème 11.6 (Convergence du temps de demi-vie). On a
(N ) p.s. log(2)
T N/2 N−→
→∞ μ
.
Démonstration. Pour alléger les notations et simplifier, on omet l’exposant

«(N )», on suppose que N est pair, et on pose M := N/2. On observe tout
d’abord que
1
N/2 N/2
1
E TN/2 = E(τn ) =
n=1
μ n=1 N − n + 1
1 log(2)
= (H(N ) − H(N/2)) = + o(1),
μ μ
où H(n) est la série harmonique. De plus,

M
TM − E(TM ) = (τn − E(τn )),
n=1
où les variables (τn − E(τn ))n1 sont indépendantes et centrées et τn − E(τn )

a la même loi que (E − 1)/μ(N + 1 − n) où E suit la loi exponentielle de para-
mètre 1. Pour établir la convergence, nous allons utiliser l’inégalité de Markov
11.3 Loi du nombre de clients 145
avec un moment d’ordre suffisamment élevé pour assurer la convergence. Le

moment d’ordre 4 se contrôle comme suit :
) *
M
# $
4
E (TM − E(TM )) = E (τn − E(τn ))4
n=1
# $ # $
+6 E (τn − E(τn ))2 E (τm − E(τm ))2
1m=nM
# $ N
E (E − 1)4 1
= 4
μ n4
n=M +1
# $2
E (E − 1)2 1 1
+6 4
μ n2 m2
1+M m=nN
N 2
9 1 1
N
6
= 4 + 4 ,
μ n4 μ n2
n=M +1 n=M +1
puisque E((E − 1) ) = 1 et E((E − 1) ) = 9. Ainsi

2 4
) *
E (TM − E(TM )) = O N −2 .
4
L’inégalité de Markov assure alors que, pour tout r 0,

C
P(|TM − E(TM )| r) .
r4 N 2
p.s.
Le lemme de Borel-Cantelli donne enfin TM −→ log(2)/μ.
N →∞
Remarque 11.7 (Demi-vie et radioactivé). La durée de vie des atomes de

Carbone 14 est bien modélisée par une variable aléatoire de loi exponentielle
de demi-vie 5734 ans. Ceci permet aux archéologues de dater les échantillons
de matière organique.
11.3 Loi du nombre de clients

Cette section est dédiée au calcul de la loi de Xt . Ce calcul est mené avec
deux méthodes différentes.
Théorème 11.8 (Loi de Xt ). Pour tout k ∈ N et tout t 0,

−μt λ −μt

Loi(Xt | X0 = k) = Bin(k, e ) ∗ Poi 1−e
μ
avec la convention Bin(0, p) = δ0 . De plus, si X0 ∼ Poi(α) alors

λ
Xt ∼ Poi 1 − e−μt + αe−μt .
μ
Démonstration. Adoptons les notations de l’introduction. Par indépendance,

X ∞
0
Loi(Xt | X0 = k) = Loi 1{Sn >t} X0 = k ∗ Loi 1{Tn t<Tn +Sn } .
n=0 n=0
À nouveau par indépendance (de X0 et de (Sn )n0

cette fois) on a
X k
0
Loi 1{Sn >t} X0 = k = Loi 1{Sn >t} = Bin(k, e−μt )
n=0 n=0
car 1{S1 >t} , . . . , 1{Sk >t} sont des variables aléatoires i.i.d. de loi de Bernoulli
Ber(e−μt ). Il ne reste plus qu’à établir que
∞
λ
Loi(Yt ) = Poi 1 − e−μt où Yt := 1{Tn t<Tn +Sn } .
μ n=0
Rappelons que Nt est le processus de Poisson qui compte les tops (Tn )n1 .
Pour t > 0, la variable aléatoire Nt suit la loi de Poisson de paramètre λt.
De plus, sachant que Nt = n, la loi des n instants de saut est celle d’un n-
échantillon réordonné de v.a.r. i.i.d. de loi uniforme sur [0, t]. D’autre part, un
client arrivé à un instant aléatoire de loi uniforme sur [0, t] est encore présent
dans la file à l’instant t avec probabilité

1 t 1
q(t) := (1 − Fμ (s)) ds = (1 − e−μt ),
t 0 μt
où Fμ est la fonction de répartition de la loi Exp(μ). On obtient donc, par
indépendance, pour tout k ∈ N,
∞

P(Yt = k) = P(Yt = k | Nt = n)P(Nt = n)
n=k
∞
n (λt)n
= q(t)k (1 − q(t))n−k e−λt
k n!
n=k
(λtq(t))k
= e−λtq(t) ,
k!
ce qui montre bien que Yt suit la loi de Poisson de paramètre λ(1−e−μt )/μ.
Remarque 11.9 (Loi de service quelconque et file d’attente M/G/∞). Si les
durées de service sont i.i.d. de loi de fonction de répartition F quelconque,
alors la preuve du théorème (11.8) permet d’établir que la loi de Xt sachant
X0 = 0 est la loi de Poisson de paramètre
t
λ (1 − F (s)) ds.
0
On parle dans ce cas de file d’attente M/G/∞, où G signifie «General».

11.3 Loi du nombre de clients 147
Il s’avère que le théorème 11.8 peut également être obtenu en utilisant

les équations de Chapman-Kolmogorov. Cette approche reste valable pour les
chaînes de Markov à temps continu, bien au-delà du cas particulier étudié.
Théorème 11.10 (Équations de Chapman-Kolmogorov). Pour tous t ∈ R+
et n ∈ N, soit pn (t) := P(Xt = n). Les fonctions (pn )n∈N sont de classe C 1
et vérifient le système infini d’équations différentielles linéaires suivant :
∀n ∈ N, pn (t) = −(λ + nμ)pn (t) + λpn−1 (t) + (n + 1)μpn+1 (t),
avec p−1 (t) := 0 pour tout t 0, la loi initiale (pn (0))n∈N étant donnée.
Démonstration. Pour calculer pn (t + h), on remarque que si Xt+h = n alors
l’une des conditions incompatibles suivantes est réalisée :
1. Xu = n pour tout u ∈ [t, t + h] ;
2. Xt = n − 1 et une seule transition a lieu (n − 1 → n) dans l’intervalle
de temps [t, t + h] ;
3. Xt = n + 1 et une seule transition a lieu (n + 1 → n) dans l’intervalle
de temps [t, t + h] ;
4. dans l’intervalle de temps [t, t + h], au moins deux transitions ont lieu.
D’après les lemmes 11.1 et 11.2, le processus reste dans l’état n un temps
aléatoire de loi exponentielle de paramètre λ + nμ puis saute de n à n − 1 ou
n+1 avec probabilités respectives nμ/(λ+nμ) et λ/(λ+nμ). En conditionnant
par l’évènement {Xt = n}, on en déduit l’égalité
pn (t + h) = pn (t){1 − λh − nμh} + λhpn−1 (t) + (n + 1)μhpn+1 (t) + o(h).
Le résultat désiré s’obtient en faisant tendre h vers 0.

Le corollaire ci-dessous du théorème 11.10 affirme que la fonction généra-
trice de Xt est solution d’une équation aux dérivées partielles. Il fournit donc
une nouvelle preuve du théorème 11.8, analytique, basée sur les fonctions gé-
nératrices (ou transformée de Laplace). Pour tous t ∈ R+ et s ∈ [−1, 1], soit
∞

G(s, t) := E sXt = pn (t)sn .
n=0
Corollaire 11.11 (Fonction génératrice de Xt ). Si G0 est la fonction géné-

ratrice de X0 alors, pour tout t 0 et tout s ∈ [−1, 1],

−μt −μt λ −μt
G(s, t) = G0 (1 − e + se ) exp (1 − e )(s − 1) .
μ
Démonstration. Par les équations de Chapman-Kolmogorov (théorème 11.10),
∞

∂t G(s, t) = pn (t)sn
n=0
∞

= (−(λ + nμ)pn (t) + λpn−1 (t) + (n + 1)μpn+1 (t))sn
n=0
∞
∞

= −λ(1 − s) pn (t)sn + μ(1 − s) npn (t)sn−1 .
n=0 n=0
La fonction G est donc solution de l’équation aux dérivées partielles suivante :
∂t G(s, t) = (1 − s)[μ∂s G(s, t) − λG(s, t)].
On pose H = log(G) puis on effectue ensuite le changement de variables

(s, τ ) = (s, (1 − s)e−μt ). En notant J la fonction telle que H(s, t) = J(s, τ ),
la fonction J s’écrit sous la forme
λ
J(s, τ ) = s + h(τ ),
μ
où h reste à déterminer. Ceci revient à dire que H est de la forme
λ
H(s, t) = s + h((1 − s)e−μt ).
μ
On conclut en remarquant que la fonction h est caractérisée par le fait que
H(s, 0) est égal à log(G0 (s)) pour tout s ∈ [−1, 1].
Le processus (Xt )t0 est une chaîne de Markov à temps continu. Le semi-
groupe markovien associé est la famille d’opérateurs (Pt )t0 définie comme
suit : pour tous t 0 et f : N → R, Pt f est la fonction N → R donnée par
Pt f (n) := E(f (Xt ) | X0 = n).
Si ν est une mesure de probabilité sur N, on notera νPt la loi de Xt sachant

que X0 suit la loi ν. On a, pour toute fonction f bornée,

νPt f = ν(n)Pt f (n).
n∈N
D’après le théorème 11.8, la mesure de probabilité Pt (·)(n) est la loi

−μt λ −μt
Bin(n, e ) ∗ Poi (1 − e ) .
μ
Remarque 11.12 (Propriétés fondamentales du semi-groupe markovien). Le
semi-groupe (Pt )t0 vérifie les propriétés fondamentales suivantes :
1. Élément neutre : P0 = I c’est-à-dire que P0 f = f pour tout f ;
2. Positivité et normalisation : si f 0 alors Pt f 0, et Pt 1 = 1 ;
3. Propriété de semi-groupe : pour toute fonction f et tous s, t 0,
Pt+s f = (Pt ◦ Ps )f ;
11.4 Comportement en temps long 149
4. Équation de Chapman-Kolmogorov : pour toute fonction f ,
∂t Pt f = LPt f = Pt Lf ;
où L est appelé générateur infinitésimal de X et est défini par
Lf (n) := λ(f (n + 1) − f (n)) + nμ(f (n − 1) − f (n)).
En fait, formellement, tout se passe comme si Pt = etL . Les deux premiers

points sont évidents. Le troisième découle de la formule explicite de Pt . C’est
une reformulation de la propriété de Markov. La dernière assertion s’obtient
grâce à 3. et un raisonnement analogue à celui de la preuve du théorème 11.10.
Remarque 11.13 (Lire la dynamique dans le générateur infinitésimal). Si
on définit le noyau de transition
λ nμ
Q(n, ·) := δn+1 + δn−1
λ + nμ λ + nμ
et la «temporisation» D(n) := λ + nμ alors le générateur infinitésimal s’écrit

Lf (n) = D(n) (f (m) − f (n)) Q(n, dm).
On lit dans le générateur infinitésimal un algorithme de simulation des trajec-

toires du processus : sachant qu’il est en n, le processus X saute au bout d’un
temps exponentiel de paramètre D(n) vers n + 1 avec probabilité λ/(λ + nμ)
et vers n − 1 avec probabilité nμ/(λ + nμ). On trouvera par exemple dans le
chapitre 9 page 120 un autre exemple de ce type. Notons qu’on peut voir L
comme une matrice avec une infinité de lignes et une infinité de colonnes, en
posant L(n, m) := L1n (m) de sorte que Lf (n) = m∈N L(n, m)f (m).
On peut associer à tout processus de Markov raisonnable son semi-groupe
et son générateur infinitésimal. Si ce dernier est souvent explicite, il est rare
que ce soit le cas pour les mesures Pt (·)(x). En ce sens, le processus étudié
dans ce chapitre est assez remarquable.
11.4 Comportement en temps long

On adopte les notations suivantes :
λ
ρ := et π := Poi(ρ).
μ
Si X0 ∼ π, alors le théorème 11.8 assure que Xt ∼ π pour tout t 0. Ainsi
la loi π est invariante sous l’action de Pt . De manière équivalente, πL = 0.
Comme pour tous les processus de naissance et mort, la loi invariante π, si

elle existe, est de plus réversible pour L (ou Pt ), c’est-à-dire que L et Pt sont
auto-adjoints dans L2 (π). Enfin, pour toute loi initiale (de X0 ),
loi
Xt −→ π.
t→∞
On souhaite ici quantifier cette convergence en loi.

Soit P1 (N) l’ensemble des mesures de probabilité ν sur N possédant
moment d’ordre1, c’est-à-dire l’ensemble des ν : N → [0, 1] vérifiant
un
x∈N ν(x) = 1 et x∈N xν(x) < ∞. La distance de Wasserstein sur P1 (N)
est définie pour tous ν, ν̃ ∈ P1 (N) par la formule variationnelle de couplage
% &
W1 (ν, ν̃) := inf E|X − X̃| : X ∼ ν, X̃ ∼ ν̃ .
Relions cette distance à la distance en variation totale introduite dans le

chapitre 1. Pour des v.a. entières, X = X̃ implique |X − X̃| 1. On a donc
dVT (ν, ν̃) W1 (ν, ν̃).
Théorème 11.14 (Contraction de Wasserstein). Si ν, ν̃ ∈ P1 (N) alors
W1 (νPt , ν̃Pt ) e−μt W1 (ν, ν̃),
où, pour tout η ∈ P(N), ηPt est la loi de Xt si X0 suit la loi η.

Démonstration. On procède par couplage. Supposons dans un premier temps
que ν = δm et ν̃ = δn avec m < n. Soit Xt de loi δm Pt et Bt de
loi Bin(n − m, e−μt ) indépendante de Xt . D’après le théorème 11.8, la va-
riable aléatoire X̃t = Xt + Bt suit la loi δn Pt . On a donc
E|Xt − X̃t | = E(Bt ) = (n − m)e−μt .
Comme (Xt , X̃t ) est un couplage de (δm Pt , δn Pt ), on a
W1 (δm Pt , δn Pt ) e−μt (n − m) = e−μt W1 (δm , δn ).
Concluons à présent dans le cas général. Soit ν et ν̃ dans P1 (N). Soit (X0 , X̃0 )
un couplage de ν et ν̃. Comme ci-dessus, on construit (Xt ) et (X̃t ) tels que
Loi(|Xt − X̃t ||X0 , X̃0 ) = Bin(|X0 − X̃0 |, e−μt ).
On en déduit donc
W1 (νPt , ν̃Pt ) e−μt E|X0 − X̃0 |.
L’infimum sur tous les couplages de X0 et X̃0 donne la propriété attendue.

Ce résultat de contraction fournit une estimation pour la convergence, au
sens de la distance de Wasserstein, de la loi de Xt vers la loi invariante π de
X. La vitesse de convergence obtenue ne dépend pas du taux de naissance λ !
11.4 Comportement en temps long 151
Corollaire 11.15 (Convergence à l’équilibre). Si ν ∈ P1 (N) alors
W1 (νPt , π) e−μt W1 (ν, π).
Remarque 11.16 (Optimalité de la vitesse de convergence). La constante

μ dans la convergence à l’équilibre à vitesse exponentielle e−μt est optimale.
En effet, supposons que la convergence à l’équilibre ait lieu avec une constante
μ > μ. Alors, en prenant pour loi initiale ν = δn avec n supérieur à la
moyenne ρ de la loi invariante π, et en notant X une v.a. de loi π, on aurait

(n − ρ)e−μt = En (Xt ) − ρ W1 (δn Pt , π) e−μ t W1 (ν, π) = E|n − X|e−μ t ,

ce qui conduit à une contradiction car n − ρ > 0 et e−μ t /e−μt −→ 0.
t→∞
Dans la même veine, on peut montrer que la fonction Pt f converge vers

la fonction constante égale à l’intégrale de f pour π en montrant que son
gradient (discret) converge vers 0.
Théorème 11.17 (Commutation). Si f : N → R alors pour tout t 0,
DPt f (n) = e−μt Pt (Df )(n),
où Dg est la fonction définie sur N par Dg(n) = g(n + 1) − g(n).
Démonstration. D’après le théorème 11.8,
Pt f (n + 1) = Ef (Z1 + · · · + Zn+1 + Y ),
où Z1 , . . . , Zn+1 sont des variables aléatoires indépendantes de loi Ber(e−μt )

et indépendantes de Y de loi de Poisson de paramètre ρ(1 − e−μt ). On a donc
Pt f (n + 1) = E(f (Z1 + · · · + Zn+1 + Y ))

= e−μt E(f (Z1 + · · · + Zn + 1 + Y ))
+ (1 − e−μt )E(f (Z1 + · · · + Zn + Y ))
= e−μt Pt (Df )(n) + Pt f (n),
ce qui fournit le résultat.
Si f est une fonction 1-lipschitzienne, au sens où |Df (n)| 1 pour tout

n ∈ N alors le théorème précédent assure que Pt f est une fonction e−μt -
lipschitzienne. On retrouve ainsi la convergence pour la distance de Wasser-
stein par la formulation duale de cette distance, de Kantorovitch-Rubinstein

W1 (ν, ν̃) = sup f dν − f dν̃ : f 1-lipschitzienne .
Remarque 11.18 (Files d’attente, naissance et mort). La figure 11.1 compare

les trajectoires des files M/M/1 et M/M/∞. Ces files d’attente font partie des
processus de vie et de mort 4 , qui sont les processus de Markov à temps continu
et d’espace d’états N à transitions aux plus proches voisins. Leur générateur
infinitésimal a la forme suivante (avec la convention μ0 = 0) :
Lf (n) = λn (f (n + 1) − f (n)) + μn (f (n − 1) − f (n)).
Le cas M/M/1 correspond à n ∈ N → λn et n ∈ N∗ → μn constantes, tandis

que le cas M/M/∞ correspond à n ∈ N → λn constante et μn = nμ pour tout
n ∈ N. Le cas où n → λn est linéaire et μ ≡ 0 correspond au processus de
Yule (processus de Galton-Watson à temps continu de loi de reproduction δ2 ).
Trajectoires M/M/1 et M/M/infini de mˆ“me moyenne

100
80
60
40
20
0
0 10 20 30 40 50 60
Fig. 11.1. Un début de trajectoire de file d’attente M/M/1 de paramètres 1 et

3, et de file d’attente M/M/∞ de paramètres 1 et .5. Les deux trajectoires sont
issues de 100. Le premier processus a pour loi invariante la loi géométrique sur N de
paramètre 1/3, et le second la loi de Poisson de paramètre 1/.5 = 2. Dans les deux
cas, la loi invariante a pour moyenne 2. La première trajectoire à un comportement
linéaire et la seconde un comportement exponentiel.
4. On dit aussi «de naissance et de mort», «Birth and death» en anglais.


Les résultats classiques concernant les lois exponentielles sont disponibles
par exemple dans le livre de James Norris [Nor98a]. Dans le livre de Geoffrey
Grimmett et David Stirzaker [GS01], une version à temps discret du proces-
sus X est étudiée. Pour l’anecdote, elle peut modéliser par exemple le nombre
de coquilles présentes dans un manuscrit après n relectures : à chaque relec-
ture, l’auteur corrige chaque coquille avec probabilité p, indépendamment des
autres, et en ajoute par mégarde un nombre aléatoire de loi de Poisson (loi
des événements rares ou loi des petits nombres).
Convenablement renormalisé, le processus à espace d’états discret converge
vers le processus d’Ornstein-Uhlenbeck étudié dans le chapitre 25. On renvoie
à ce sujet par exemple au livre de Philippe Robert [Rob00]. Ce livre propose
plus généralement une étude accessible et assez générale des files d’attentes,
au moyen de la théorie des martingales et des processus ponctuels. On peut
également consulter le livre de François Baccelli et Pierre Brémaud [BB03].
On peut établir de nombreux autres résultats pour le processus X. On trou-
vera par exemple dans [Cha06] des inégalités fonctionnelles liées au compor-
tement en temps long. La relation de commutation du théorème 11.17 est une
propriété remarquable du semi-groupe. Le processus d’Ornstein-Uhlenbeck sa-
tisfait la même relation en remplaçant le gradient discret D par un gradient
usuel sur R, et cette liaison est une instance d’un phénomène plus général
qui fait l’objet du chapitre 27. On peut obtenir des versions un peu plus
faibles pour des processus plus généraux qui fournissent des estimations pour
la convergence vers la loi invariante, voir par exemple l’article de Pietro Ca-
puto, Paolo Dai Pra, et Gustavo Posta [CDPP09].
12
Modèle de Wright-Fisher
Mots-clés. Dynamique de population ; génétique des population.

Outils. Chaîne de Markov ; martingale ; théorème d’arrêt ; décomposition
spectrale.
Difficulté. **
Ce chapitre est consacré à des modèles d’évolution de génotypes au fil des

générations dans une population de taille constante. Le point de départ est
la loi de Hardy-Weinberg liée à la théorie de Mendel en population infinie.
Nous présentons ensuite quelques modèles classiques en population finie : le
modèle de Moran puis les modèles de Wright-Fisher. La dernière section est
consacrée au modèle de Cannings qui est une généralisation des précédents.
12.1 Loi de Hardy-Weinberg

La théorie de Mendel assure la préservation de la variabilité des génotypes.
Théorème 12.1 (Loi de Hardy-Weinberg pour la théorie de Mendel). Consi-
dérons les fréquences alléliques dans une population pour un gène pouvant
s’exprimer sous la forme de deux allèles A et B dans une population herma-
phrodite 1 diploïde 2 idéale :
1. les générations sont séparées (elles ne coexistent pas) ;
2. la population est de taille infinie ;
3. les individus s’y unissent aléatoirement (pas de choix du conjoint) ;
4. il n’y a pas de migration, pas de mutation, pas de sélection.
1. Hermaphrodite : chaque individu peut être mâle ou femelle (bisexualité).

2. Diploïde : qui possède un double assortiment de chromosomes semblables.

156 12 Modèle de Wright-Fisher
Si p ∈ [0, 1] est la proportion d’allèles A dans la population initiale et 1 − p la

proportion d’allèles B alors c’est encore le cas à chaque génération suivante.
De plus, si r, s, t sont les proportions respectives des génotypes AA, AB et
BB dans la population initiale avec r + s + t = 1 alors les fréquences de AA,
AB, et BB pour toutes les générations suivantes sont égales à
s 2 s s s 2
r+ , 2 r+ t+ , t+ .
2 2 2 2
Notons que p = r + s/2 (contributions de AA et AB normalisées à 1).
Démonstration. Un individu AA est issu
— à coup sûr d’un couple AA et AA qui a une probabilité r2 de se former,
— avec probabilité 1/2 d’un couple AA et AB qui a une probabilité 2rs
de se former,
— avec probabilité 1/4 d’un couple AB et AB qui a une probabilité s2 de
se former.
La fréquence du génotype AA à la génération 1 est donc donnée par
s2 s 2
r2 + rs + = r+ .
4 2
2
Par symétrie, la fréquence du génotype BB est (t + s/2) . La dernière est ob-
tenue par différence. En réappliquant ces formules on voit que les proportions
sont constantes dès la première génération. La fréquence de l’allèle A dans
la population initiale est 2r + s (normalisée à 2 car chaque individu a deux
allèles). À la génération suivante, elle vaut
s 2 s s
2 r+ +2 r+ t+ = 2r + s.
2 2 2
Elle est donc bien constante au cours du temps.
La loi de Hardy-Weinberg est généralisable à un locus 3 avec plusieurs al-
lèles A1 , . . . , Ak . Les relations de dominance entre allèles n’ont pas d’effet sur
l’évolution des fréquences alléliques. Dans la pratique, on observe le phéno-
mène de Hardy-Weinberg dans des populations variées au-delà des hypothèses
que nous avons faites ici. Il faut beaucoup s’éloigner de ces hypothèses pour
briser cet équilibre et obtenir une évolution au cours des générations. C’est ce
qui motive l’introduction des modèles étudiés dans la suite du chapitre, qui
décrivent l’évolution d’une population de taille finie.
12.2 Modèle de Moran

Le modèle de Moran est un modèle extrêmement simple de l’évolution
de la fréquence de différents allèles d’un même gène au cours du temps. On
3. Locus : localisation précise d’un gène particulier sur un chromosome.
12.2 Modèle de Moran 157
considère dans cette section le cas de deux allèles A et B et on suppose que la

population est de taille finie constante N , hermaphrodite, que les générations
sont séparées, qu’il n’y a pas de migration, mutation, sélection. La transition
de la génération n à la génération n + 1 se fait en tirant avec remise deux
individus dans la génération n, le premier a deux fils qui reçoivent tous les
deux l’allèle de leur père, le second n’a pas de descendance, et tous les autres
individus ont exactement un seul descendant. On note Xn le nombre d’allèle
A dans la population à la génération n. Le nombre d’allèles A
— augmente d’une unité si le tirage avec remise donne (A, B),
— diminue d’une unité si le tirage est (B, A).
— reste constant sinon.
On peut réaliser (Xn )n0 comme une suite récurrente aléatoire de la ma-
nière suivante. Soit (Un )n1 et (Vn )n1 deux suites indépendantes de v.a.r.
i.i.d. de loi uniforme sur [0, 1]. Soit X0 une v.a. à valeurs dans {0, 1, . . . , N }
indépendante des v.a. introduites ci-dessus. On pose
Xn+1 = Xn + 1{Un+1 <Xn /N } − 1{Vn+1 <Xn /N } .
La suite (Xn )n0 est une chaîne de Markov sur {0, 1, . . . , N } de matrice de
transition P donnée pour tous x, y ∈ {0, 1, . . . , N } par
⎧
⎪x(N − x) si |x − y| = 1;
1 ⎨ 2
P(x, y) = 2 x + (N − x)2 si y = x;
N ⎪⎩
0 sinon.
Les états 0 et N sont absorbants. Les autres mènent à {0, N } et sont donc
transitoires. Le premier instant où un seul allèle est présent est noté
T := inf{n 0 : Xn ∈ {0, N }}.
On dit que T est le temps de fixation. L’espace d’états étant fini, le temps
d’atteinte T de {0, N } est presque sûrement fini et intégrable :
P(T < ∞) = 1 et E(T ) < ∞.
De plus XT suit une loi de Bernoulli portée par 0 et N et
p.s.
Xn −→ XT .
n→∞
On a P(XT = 0) + P(XT = N ) = 1. L’événement {XT = N } (respectivement

{XT = 0}) signifie que l’allèle A (respectivement B) est fixé.
Adoptons la notation standard Px = P(· | X0 = x) et Ex = E(· | X0 = x).
Théorème 12.2 (Lieu et temps de fixation). Pour tout x ∈ {0, 1, . . . , N },
x
Px (XT = N ) = 1 − Px (XT = 0) = .
N
De plus, pour tout p ∈ ]0, 1[,
E pN (T ) ∼ −N 2 (p log p + (1 − p) log(1 − p)).
N →∞
Démonstration. Plaçons-nous dans le cas où X0 ∼ δx . On a Px (T < ∞) = 1,

et comme T est un temps de fixation, on sait que (Xn )n0 converge p.s. vers
XT . Comme l’espace d’états est borné, le théorème de convergence dominée
s’applique et la convergence a lieu dans L1 , d’où
lim Ex (Xn ) = E(XT ) = 0Px (XT = 0) + N Px (XT = N ) = N Px (XT = N ).

n→∞
Or la formule pour P donne, pour tout n 1,

(x(N − x)(x − 1 + x + 1) + (x2 + (N − x)2 )x)
E(Xn | Xn−1 = x) = = x,
N2
d’où
E(Xn ) = E(E(Xn | Xn−1 )) = E(Xn−1 ) = · · · = E(X0 ) = x,
ce qui donne enfin Px (XT = N ) = x/N = 1 − Px (XT = 0). Notons que ces
formules peuvent aussi s’obtenir en utilisant le système linéaire vérifié par le
vecteur des probabilités d’atteinte pour la chaîne de Markov (Xn )n0 .
Notons m(x) = Ex (T ) le temps moyen de fixation pour la chaîne issue
N
de x. On a m(0) = m(N ) = 0 et m(x) = 1 + y=0 P(x, y)m(y) pour tout
x ∈ {1, . . . , N −1}. On obtient donc une formule de récurrence à trois termes :
N2
m(x + 1) − 2m(x) + m(x − 1) = − .
x(N − x)
On en déduit que
x −1

N −x
N
x
m(x) = N + .
y=1
N − y y=x+1 y
Soit 0 < p < 1. Pour tout N 1, posons xN = pN . On a alors

−1
1
xN N
m(xN ) N − xN 1 xN
= +
N2 N y=1 N − y N y=xN +1
y

xN
N −1
1 − N −1 xN 1 N −1 xN 1
= −1
+ −1 y
N y=1
1−N y N y=xN +1
N
p 1
1 1
−→ (1 − p) dt + p dt .
N →∞ 0 1−t p t

=−((1−p) log(1−p)+p log(p))
Ainsi, dans une population de taille N avec N grand, le temps moyen d’ab-
sorption partant de x = pN avec 0 < p < 1 est de l’ordre de
−N 2 (p log p + (1 − p) log(1 − p)).

12.3 Modèle de Wright-Fisher et fixation 159
La fonction p ∈ [0, 1] → −(p log(p) + (1 − p) log(1 − p)) est l’entropie de

Boltzmann ou de Shannon de la loi de Bernoulli Ber(p). Elle est continue,
strictement concave, positive, symétrique par rapport à 1/2, et atteint son
maximum log(2) pour p = 1/2, et son minimum 0 pour p = 0 et p = 1.
Remarque 12.3 (Martingale). Soit Fn = σ(X0 , . . . , Xn ) pour tout n 0.
En reprenant la preuve du théorème 12.2, on a, pour tout n 1,
E(Xn | Fn−1 ) = E(Xn | Xn−1 ) = Xn−1 .
Ainsi, en plus d’être une chaîne de Markov, la suite (Xn )n0 est une mar-
tingale pour sa filtration naturelle (Fn )n0 . En particulier, on a bien sûr la
conservation E(X0 ) = E(Xn ) pour tout n 1. Le théorème d’arrêt indique
que (Xn∧T )n0 est aussi une martingale et donc
E(X0 ) = E(Xn∧T ),
qui converge vers E(XT ) par convergence dominée quand n → ∞ car T est
fini p.s. et X est uniformément bornée. Comme T est un temps de fixation,
on a en fait Xn = Xn∧T . Il est également possible d’appliquer le théorème de
convergence p.s. et dans Lp des martingales bornées dans Lp avec p > 1.
12.3 Modèle de Wright-Fisher et fixation

Le modèle de Wright-Fisher est un modèle simple de l’évolution de la fré-
quence d’un gène à plusieurs allèles au fil des générations dans une population.
On suppose que la population est de taille finie constante, hermaphrodite, que
les générations sont séparées, qu’il n’y a pas de migration et que les unions
sont indépendantes du caractère étudié.
On néglige dans un premier temps les phénomènes de mutation et sélection.
On note N ∈ N∗ la taille de la population et n = 0, 1, 2, . . . les générations
successives. Sur le locus étudié, on peut trouver deux allèles différents notés
A et B. La variable aléatoire Xn compte le nombre d’allèles A à la génération
n. La population à la génération n + 1 est déduite de celle de la génération n
par un tirage avec remise de N individus de la génération n où la probabilité
d’obtenir A est Xn /N . On peut réaliser (Xn )n0 comme la suite récurrente
aléatoire définie par la relation récurrence

N
x
Xn+1 = 1{Un+1,k ψXn } où ψx :=
N
k=1
et où (Un,k )n1,1kN sont des variables aléatoires i.i.d. de loi uniforme sur
[0, 1], indépendantes de X0 . Pour tous x0 , . . . , xn , on a
Loi(Xn+1 | X0 = x0 , . . . , Xn = xn ) = Loi(Xn+1 | Xn = xn ) = Bin(N, ψxn ).

Remarque 12.4 (Modèle à plus de deux allèles). Le modèle de Wright-Fisher

à 2 allèles A1 , . . . , A fait intervenir la loi multinomiale. Plus précisément,
Xn prend ses valeurs dans {x ∈ N : x1 + · · · + x = N } et
Xn
Loi(Xn+1 | X0 , . . . , Xn ) = Loi(Xn+1 | Xn ) = Mul(N, ).
N
La suite (Xn )n0 est une chaîne de Markov d’espace d’états {0, 1, . . . , N }
et de matrice de transition P donnée pour tous x, y ∈ {0, 1, . . . , N } par

N
P(x, y) := P(Xn+1 = y | Xn = x) = ψxy (1 − ψx )N −y .
y
Les états 0 et N sont absorbants (deux classes de récurrence singleton) tandis

que tous les autres états mènent à {0, N } et sont donc transitoires. Tout
comme pour le modèle de Moran, lorsque la population ne contient plus qu’un
allèle, on dit qu’il est fixé dans la population. Le temps de fixation est
T := inf{n 0 : Xn ∈ {0, N }}.
L’espace d’états étant fini, le temps d’atteinte T de {0, N } vérifie
P(T < ∞) = 1 et E(T ) < ∞.
De plus (Xn )n0 converge p.s. vers la variable aléatoire XT qui suit une loi de
Bernoulli portée par 0 et N . On a P(XT = 0) +P(XT = N ) = 1. L’événement
{XT = N } signifie que l’allèle A est fixé tandis que l’événement {XT = 0}
signifie que l’allèle B est fixé.
On adopte les notations Px = P( · | X0 = x) et Ex = E( · | X0 = x).
Théorème 12.5 (Probabilité de fixation). Pour tout x ∈ {0, 1, . . . , N },
x
Px (XT = N ) = 1 − Px (XT = 0) = .
N
Démonstration. La preuve est identique à celle faite pour le modèle de Moran
(théorème 12.2) car Loi(Xn | Xn−1 ) = Bin(N, Xn−1
N ) d’où
Xn−1
E(Xn ) = E(E(Xn | Xn−1 )) = E(N ) = E(Xn−1 ) = · · · = E(X0 ) = x,
N
Remarque 12.6 (Martingale). L’intégralité de la remarque 12.3 (modèle de

Moran) reste valable pour le modèle de Wright-Fisher, car pour tout n 1,
Xn−1
E(Xn | Fn−1 ) = E(Xn | Xn−1 ) = N = Xn−1 ,
N
où Fn := σ(X0 , . . . , Xn ) pour tout n 0.
Fisher-Wright taille N=100 init X0=25 tmax = 200

100
80
60
Taille population
40
20
0
0 50 100 150 200
Temps
Fig. 12.1. Quelques trajectoires, jusqu’au temps t = 200, de la chaîne de Wright-

Fisher pour une population de taille N = 100, toutes issues de X0 = N/4 = 25.
Remarque 12.7 (Couplage avec un jeu de pile ou face). Il est possible d’obte-
nir une minoration de T par une variable aléatoire géométrique par couplage.
On commence par observer que pour tout x et tout n on a
P(Xn+1 ∈ {0, N } | Xn = x) = P(x, {0, N }) p∗
où
p∗ = min P(x, {0, N }) = min (1 − ψx )N + ψxN 2−N +1
0xN 0xN
où le minimum est atteint en ψx = 1/2. Ainsi, la chaîne atteint un état

absorbant 0 ou N avant qu’un lanceur de pièce n’obtienne son premier pile
avec une pièce qui fait pile avec probabilité 2−N +1 . Pour rendre rigoureux ce
raisonnement, on construit le couple de processus (jeu de pile ou face et chaîne
de Wright-Fisher) sur le même espace de probabilité. Représentons la chaîne
de Markov comme une suite récurrente aléatoire : pour tout x ∈ {0, . . . , N },
soit (Ix,y )0yN une partition de l’intervalle [0, 1], avec Ix,y de longueur
|Ix,y | = P(x, y),
et soit (Un )n1 une suite de variables aléatoires i.i.d. de loi uniforme sur [0, 1],
indépendante de X0 . On réalise (Xn )n0 en utilisant la récurrence
Xn+1 := y où y = y(Xn , Un+1 ) est tel que Un+1 ∈ IXn ,y .

Il est possible de faire un dessin figurant une tour de N +1 copies de l’intervalle

[0, 1] avec ses N + 1 partitions. Dans cette construction, on peut toujours
ordonner les intervalles, et supposer que Ix,0 et Ix,N sont les deux premiers
en partant de la gauche. Par construction p∗ = min0xN |Ix,0 ∪ Ix,N | et
T := inf{n 0 : Xn ∈ {0, N }} T∗ := inf{n 1 : 1{Un p∗ } = 1}
et T∗ suit la loi géométrique Geo(p∗ ). En particulier, T est intégrable et donc

fini p.s. Cette méthode de couplage fournit plus généralement, pour des chaînes
de Markov, un minorant géométrique des temps d’atteinte d’ensembles.
La vitesse de fixation peut être quantifiée par l’hétérozygotie, c’est-à-dire
la probabilité que deux gènes choisis aléatoirement et sans remise dans la
population totale à la génération n soient représentés par des allèles différents.
Elle est donnée par
2Xn (N − Xn ) 2
Hn = = Var(Xn+1 | Xn ).
N (N − 1) N −1
p.s.
On a Hn = 0 si n T et donc Hn −→ 0. Le théorème suivant montre que
n→∞
l’hétérozygotie moyenne E(Hn ) décroît exponentiellement au cours du temps.
Théorème 12.8 (Hétérozygotie moyenne). Pour tout n 1,
1
E(Hn ) = h0 λn où h0 := E(H0 ), λ := 1 − ∈ ]0, 1[,
N
et
Var(Xn ) = E(X0 )(N − E(X0 ))(1 − λn ) + λn Var(X0 ).
Démonstration. Il suffit d’établir que pour tout n 1,
n
1
E(Xn (N − Xn )) = 1 − E(X0 (N − X0 )).
N
On a

E(Xn (N − Xn )) = N E(Xn ) − E(Xn2 ) = N E(Xn−1 ) − E E(Xn2 | Xn−1 ) .
On écrit alors
2
E(Xn2 | Xn−1 ) = Var(Xn | Xn−1 ) + (E(Xn | Xn−1 ))

Xn−1
= Xn−1 1 − 2
+ Xn−1 .
N
En regroupant les termes, on obtient bien

1
E(Xn (N − Xn )) = 1 − E(Xn−1 (N − Xn−1 )),
N
ce qui fournit la formule pour E(Hn ). Pour la variance, on utilise la formule 4
Var(Xn ) = E(Var(Xn | Xn−1 )) + Var(E(Xn | Xn−1 )).
Comme dans le problème de la ruine du joueur (théorème 2.2), et comme

pour le modèle de Moran (théorème 12.2), on souhaite déterminer le temps
moyen de sortie en fonction du point de départ. Pour tour 0 x N , notons
m(x) = Ex (T ). Alors m(0) = m(N ) = 0 et, grâce à la propriété de Markov
(faible), on obtient un système d’équations linéaires : pour tout 0 < x < N ,

N
N
N
m(x) = Ex (T 1{X1 =y} ) = (1 + Ey (T ))P(x, y) = 1 + m(y)P(x, y),
y=0 y=0 y=0
dont m est l’unique solution positive minimale. Bien qu’on puisse calculer m
numériquement, il n’existe pas d’expression simple et explicite de m comme
pour le temps de sortie d’un intervalle pour la marche aléatoire simple (théo-
rème 2.2) ou pour le modèle de Moran (théorème 12.2). Il est toutefois possible
de trouver l’équivalent de m lorsque la taille de la population N tend vers l’in-
fini : pour tout 0 < p < 1,
m(N p) ∼ −2N (p log(p) + (1 − p) log(1 − p)),

N →∞
ce qui rappelle le modèle de Moran (théorème 12.2). La clé de la démonstration

de ce résultat consiste à établir que la suite de processus Y (N ) , définie par
1
Y (N ) = ( X N t )
N t∈R+
à valeurs dans [0, 1], converge en loi quand N → ∞ vers un processus de

diffusion Y sur [0, 1], solution de l’équation différentielle stochastique

dYt = Yt (1 − Yt )dBt .
On trouvera les détails de ce résultat dans le chapitre 27.

Remarque 12.9 (Lien avec le modèle de Moran). Pour le modèle de Wright-
Fisher, l’espérance du temps d’absorption est de l’ordre de N tandis qu’il est de
l’ordre de N 2 pour le modèle de Moran (voir théorème 12.2). Cela vient du fait
que lors d’une transition du modèle de Moran, un seul allèle est modifié tandis
que tous sont concernés à chaque transition du modèle de Wright-Fisher.
4. Plus généralement, si Φ est convexe alors VarΦ (X) := E(Φ(X)) − Φ(E(X))

0 par l’inégalité de Jensen, et VarΦ (X) = E(VarΦ (X | Y )) + VarΦ (E(X | Y )) où
VarΦ (X | Y ) := E(Φ(X) | Y ) − Φ(E(X | Y )). Si Φ(t) = t2 on retrouve la variance.
12.4 Modèle de Wright-Fisher avec mutations

Supposons à présent qu’avant le tirage avec remise qui permet de passer
d’une génération à l’autre, chaque individu puisse muter indépendamment des
autres : l’allèle A mute en allèle B avec probabilité u ∈ [0, 1] et B mute en
A avec probabilité v ∈ [0, 1]. Le passage d’une génération à la suivante se
fait donc en quelque sorte en appliquant d’abord un opérateur de mutation,
puis un opérateur d’héritage (procéder dans l’ordre inverse conduirait à un
processus différent). Ce mécanisme définit un nouveau processus (Xn )n0 à
valeurs dans {0, 1, . . . , N } qui vérifie
Loi(Xn+1 | X0 , . . . , Xn ) = Bin(N, ψXn )
où à présent
x(1 − u) + (N − x)v
ψx = .
N
Le processus X est une chaîne de Markov d’espace d’états {0, 1, . . . , N }.
— si u = v = 0, alors on retrouve le modèle sans mutation étudié pré-
cédemment. Dans ce cas, les états 0 et N sont absorbants tandis que
{1, . . . , N − 1} est une classe transitoire, l’ensemble des lois invariantes
est {(1 − p)δ0 + pδN : p ∈ [0, 1]}, et partant de x, la chaîne converge en
loi vers (1 − px )δ0 + px δN où px = x/N ;
— si u = 0 et 0 < v 1 alors l’état N est absorbant tandis que l’ensemble
d’états {0, . . . , N − 1} est une classe transitoire, et la chaîne converge
en loi vers l’unique loi invariante δN ;
— si 0 < u 1 et v = 0 alors l’état 0 est absorbant tandis que l’ensemble
d’états {1, . . . , N } est une classe transitoire, et la chaîne converge en
loi vers l’unique loi invariante δ0 ;
— si u = v = 1, alors {0, N } est une classe de récurrence de période 2
tandis que l’ensemble d’états {1, . . . , N − 1} est une classe transitoire.
La chaîne est presque sûrement absorbée par la classe {0, N } et oscille
ensuite périodiquement entre les états 0 et N ;
— si 0 < u 1 et 0 < v < 1 ou si 0 < u < 1 et 0 < v 1 alors la chaîne
est irréductible. Comme l’espace d’états est fini, elle est récurrente
positive et possède une unique loi invariante μ, et cette loi charge tous
les états. La loi des grands nombres pour les chaînes de Markov indique
que quelle que soit la loi initiale, p.s. pour tout x ∈ {0, 1, . . . , N }, on a
card{0 k n : Xk = x}
lim = μ(x).
n→∞ n+1
Comme de plus la matrice de transition possède un coefficient diagonal
non nul, la chaîne est apériodique, et converge donc en loi vers μ, quelle
que soit la loi initiale, c’est-à-dire que pour tout x ∈ {0, 1, . . . , N },
lim P(Xn = x) = μ(x).

n→∞
12.4 Modèle de Wright-Fisher avec mutations 165
La loi μ est calculable numériquement, mais ne possède pas de formu-

lation simple. Cependant, il est possible de déterminer explicitement
sa moyenne m par exemple. En effet, comme μ est invariante,

N
N
N
N
N
m= yμ(y) = y μ(x)P(x, y) = μ(x) yP(x, y).
x=0 y=0 x=0 x=0 y=0
−x)
Or comme P(x, ·) = Bin(N, (1−u)x+v(N
N ), on a

N
yP(x, y) = (1 − u)x + v(N − x).
y=0
Cette formule, affine en x, donne une équation fermée pour m :

N
m= ((1 − u)x + v(N − x))μ(x) = (1 − u)m + v(N − m),
x=0
d’où enfin
Nv
m= .
u+v
Pour la variance σ 2 de μ, un calcul permet d’établir que
N 2 uv
σ2 = + oN →∞ (N ).
(u + v)2 (2N (u + v) + 1)
Notons que si u = v alors m = N/2 ne dépend plus de u et v. Au-delà

des deux premiers moments, on peut établir, comme présenté dans le
chapitre 27, que le processus
1
Y (N ) = ( X N t )
N t∈R+
converge en loi quand (N, N u, N v) → (∞, α, β) vers un processus de

diffusion Y sur [0, 1], solution de l’équation différentielle stochastique

dYt = Yt (1 − Yt )dBt − αYt dt + β(1 − Yt )dt,
dont la loi invariante est une loi Beta(2β, 2α), dont la moyenne et la
variance sont données par
β αβ
et .
α+β (α + β)2 (2(α + β) + 1)
Fig. 12.2. Loi invariante et histogramme d’un échantillon de taille 10000 de X100
avec X0 = 50, pour une population de taille N = 100, avec taux de mutation
u = v = 0.05.
12.5 Modèle de Wright-Fisher avec sélection

Sur le plan biologique, il est possible que les allèles A et B ne procurent
pas à l’individu qui en est doté des capacités identiques : viabilité, potentiel
attractif, etc. Cette asymétrie est responsable de la sélection naturelle. Consi-
dérons pour simplifier le modèle sans mutation. Il est possible de prendre en
compte un avantage sélectif de l’allèle A en effectuant la transformation sui-
vante de la génération n avant la fabrication de la génération n + 1 : chaque
individu de type A est remplacé par (1 + s) individus de type A, où s > 0 est
un paramètre fixé (penser à une urne). Cela revient à prendre
Loi(Xn+1 | X0 , . . . , Xn ) = Loi(Xn+1 | Xn ) = Bin(N, ψXn )
avec cette fois-ci

x(1 + s)
ψx = .
x(1 + s) + N − x
Le processus (Xn )n0 est une chaîne de Markov. Son espérance ne vérifie pas
une équation de récurrence linéaire car ψx n’est pas linéaire en x (contraire-
ment au cas sans sélection s = 0). Les états 0 et N sont absorbants, tandis
que {1, . . . , N − 1} est une classe transitoire. Comme ψx n’est plus linéaire en
x, on ne peut plus calculer la probabilité de fixation avec la méthode utilisée
dans le cas sans sélection (s = 0). Soit P la matrice de transition de X, et
π(x) := Px (XT = N )
12.6 Modèle de Cannings 167
la probabilité de fixation de l’allèle A. On a

N
π(x) = P(x, y)π(y).
y=0
Il est possible de trouver un équivalent de π lorsque la taille de la population

N tend vers l’infini et s est proche de 0. Plus précisément, on montre dans le
chapitre 27 que si N s → α > 0 alors, pour tout 0 0 modifie considérablement les probabilités
de fixation.
12.6 Modèle de Cannings

Dans le modèle de Wright-Fisher, on passe de la génération n à la généra-
tion n+1 en effectuant un tirage avec remise de N individus dans la génération
n. Cela revient à attribuer un certain nombre d’enfants à chaque individu de
la génération n, les enfants héritant de l’allèle du père. Si y1 , . . . , yN désignent
le nombre d’enfants de chaque individu de la génération n (numérotés de 1
à N ) alors on a y1 + · · · + yN = N et (y1 , . . . , yN ) suit la loi multinomiale
symétrique de taille N et de paramètre (1/N, . . . , 1/N ). Cela correspond à
lancer N fois un dé à N faces équilibrées. Ce mécanisme qui associe chaque
individu de la génération n + 1 à un individu de la génération n peut être
utilisé pour étudier la transmission de gènes quel que soit le nombre d’allèles
considéré : les enfants héritent de l’allèle du père. Le modèle de Cannings va
au-delà de cette structure multinomiale symétrique en permettant une dépen-
dance entre les individus d’une même génération : on suppose seulement que
le vecteur (y1 , . . . , yN ) vérifie y1 +· · ·+yN = N et possède une loi échangeable,
c’est-à-dire que pour toute permutation τ ∈ SN ,
loi
(y1 , . . . , yN ) = (yτ (1) , . . . , yτ (N ) ).
En particulier, les y1 , . . . , yN ont même loi. Comme y1 + · · · + yN = N on
en déduit que E(y1 ) = 1 et on note σ 2 = Var(y1 ). On en déduit également
Cov(y1 , y2 ) = −σ 2 /(N − 1) car
0 = Var(y1 + · · · + yN ) = N Var(y1 ) + N (N − 1)Cov(y1 , y2 ).
Remarque 12.10 (Modèle de Moran). Tout comme le modèle de Wright-
Fisher, le modèle de Moran est un cas particulier du modèle de Cannings. Il
correspond à la loi de (y1 , . . . , yN ) suivante : la transition de la génération
n à la génération n + 1 se fait en tirant avec remise deux individus dans
la génération n, le premier a deux fils, le second aucun, et tous les autres
individus ont exactement un seul descendant.
Dans le cas à deux allèles, ce mécanisme de transition donne lieu, tout

comme pour le modèle de Wright-Fisher, à une chaîne de Markov (Xn )n0
d’espace d’états {0, 1, . . . , N } donnée pour tout x ∈ {0, 1, . . . , N } par
Loi(Xn+1 | Xn = x) = Loi(y1 + · · · + yx ).
Les états 0 et N sont absorbants tandis que tous les autres mènent à {0, N }
et sont donc transitoires. Notons que E(Xn+1 | Xn = x) = x : (Xn )n0 est
donc une martingale. De plus,
Var(Xn+1 | Xn = x) = Var(y1 + · · · + yx )
= xσ 2 + x(x − 1)Cov(y1 , y2 )
x(x − 1)σ 2
= xσ 2 −
N −1
2 x(N − x)
=σ .
N −1
Remarque 12.11 (Loi multinomiale). Soit n, d ∈ N∗ et (p1 , . . . , pd ) ∈ [0, 1]d
avec p1 + · · · + pd = 1. La loi multinomiale de taille n et de paramètre
(p1 , . . . , pd ) est la loi sur l’ensemble fini
{(n1 , . . . , nd ) ∈ Nd : n1 + · · · + nd = n}
donnée par (e1 , . . . , ed est la base canonique de Rd )
n!
(p1 δe1 + · · · + pd δed )∗n = pn1 1 · · · pnd d δ(n1 ,...,nd ) .
d
n 1 ! · · · n d !
(n1 ,...,nd )∈N
n1 +···+nd =n
Elle code n lancers d’un dé à d faces avec probabilités d’apparition p1 , . . . , pd .

Elle est «symétrique» lorsque p1 = · · · = pd = 1/d. Si (X1 , . . . , Xd ) suit la loi
Mul(n, (p1 , . . . , pd )) et si I1 , . . . , Ir est une partition de {1, . . . , n} alors
(XI1 , . . . , XIr ) ∼ Mul(n, (pI1 , . . . , pIr ))
où
XI := Xi et pI := pi .
i∈I i∈I
Si I ⊂ {1, . . . , n} alors XI ∼ Bin(n, pI ). Ainsi les lois marginales d’une loi
multinomiale sont binomiales. On identifie la loi Bin(n, p) à Mul(n, (p, 1−p)).
Si (X1 , . . . , Xd ) ∼ Mul(n, (p1 , . . . , pd )) alors Xd = n − X{1,...,d−1} .
Théorème 12.12 (Spectre de la matrice de transition). Les valeurs propres
de la matrice de transition du modèle de Cannings sont données par
λ0 = 1 et λj = E(y1 y2 · · · yj ) pour 1 j N.
En particulier, pour le modèle de Wright-Fisher, λ0 = 1 et, pour 1 j N ,

N (N − 1) · · · (N − j + 1) 1 j−1
λj = = 1 − · · · 1 − .
Nj N N
12.6 Modèle de Cannings 169
Démonstration. Considérons la matrice de Vandermonde

⎛ ⎞
1 0 0 0 ··· 0
⎜1 1 12 13 · · · 1N ⎟
⎜ ⎟
⎜1 2 22 23 · · · 2N ⎟
⎜ ⎟
V = ⎜1 3 32 33 · · · 3N ⎟ ∈ MN +1,N +1 (R).
⎜ ⎟
⎜ .. .. .. .. .. .. ⎟
⎝. . . . . . ⎠
1 N N2 N3 · · · NN
Soit P ∈ MN +1,N +1 (R) la matrice de transition du modèle de Cannings.

Pour tous i, j ∈ {0, 1, . . . , N }, on a

N
N
(PV )i,j = Pi,k Vk,j = Pi,k k j = E(X1j | X0 = i).
k=0 k=0
Par ailleurs, comme
Loi(X1 | X0 = i) = Loi(y1 + · · · + yi ),
il existe des réels bi,k tels que

j−1
E(X1j | X0 = i) = E((y1 + . . . + yi )j ) = i[j] E(y1 y2 · · · yj ) + bi,k ik ,
k=0
où
i[j] := i(i − 1)(i − 2) · · · (i − j + 1).
Pour le voir, on peut procéder par récurrence sur j en observant que la loi
Loi(y1 , . . . , yi | yk ) est échangeable. Il existe donc une matrice triangulaire su-
périeure T ∈ MN +1,N +1 (R) telle que T0,0 = 1, Tj,j = E(y1 · · · yj ) pour tout
j ∈ {1, . . . , N }, et pour tous i, j ∈ {0, 1, . . . , N },

j
E(X1j | X0 = i) = Tk,j ik = (V T )i,j .
k=0
On a donc
PV = V T,
et comme V est inversible, les matrices P et T ont même spectre.
On a E(y1 ) = 1 et donc 1 est valeur propre de multiplicité 2, ce qui

correspond au fait que la chaîne possède deux classes de récurrence {0} et
{N }. La deuxième plus grande valeur propre est
σ2
λ2 = E(y1 y2 ) = Cov(y1 , y2 ) + E(y1 )2 = 1 − .
N −1

Les mécanismes de la génétique ont été considérablement discutés depuis
leur découverte par Gregor Mendel au dix-neuvième siècle. La loi de Godfrey
Harold Hardy et de Wilhelm Weinberg a été découverte de manière indé-
pendante par ces deux scientifiques au tout début du vingtième siècle. Le
modèle de Ronald Aylmer Fisher et de Sewall Wright date des années 1930.
Le modèle de John Moran date des années 1950 tandis que le modèle de Chris
Cannings date des années 1970. Ces modèles et leurs extensions sont étudiés
par exemple dans les livres de Jean-François Delmas et Benjamin Jourdain
[DJ06], de Rick Durrett [Dur08], de Warren Ewens [Ewe04], de Simon Tavaré
[Tav04], ainsi que dans le cours de Sylvie Méléard [Mé13]. Ils inspirent encore
aujourd’hui des recherches mêlant biologie et mathématiques. L’approxima-
tion des chaînes de Markov par des diffusions fait l’objet du chapitre 27. La
généalogie du processus de Wright-Fisher est étudiée dans le chapitre 13, qui
mène au processus des restaurants chinois du chapitre 14.
13
Généalogies et coalescence
Mots-clés. Arbre ; branchement ; généalogie ; coalescent de Kingman.

Outils. Loi géométrique ; loi exponentielle ; loi multinomiale ; loi de Pois-
son ; loi d’Ewens ; processus de Galton-Watson ; modèle de Wright-Fisher.
Difficulté. **
Dans ce chapitre, on étudie la généalogie du processus de Wright-Fisher

du chapitre 12. On la relie notamment au processus des restaurants chinois
du chapitre 14. Cette étude conduit au processus de coalescence de Kingman.
On s’intéresse à l’évolution d’une population de taille finie N constante
au fil des générations. On suppose que les générations ne se chevauchent pas,
et que pour tout n 0, la génération n meurt en donnant naissance à la
génération n + 1. Le mécanisme de transition est markovien : la génération
n+1 dépend de la génération n et d’une source d’aléa indépendante. À chaque
génération, on numérote les individus de 1 à N . Pour tout n 0, soit an+1 i le
numéro du parent de l’individu i de la génération n + 1. Ce parent appartient
à la génération n. On suppose que les v.a. an+1 1 , . . . , an+1
N sont i.i.d. de loi
uniforme sur {1, . . . , N }. On note νi le nombre de descendants à la généra-
n
tion n + 1 de l’individu i vivant à la génération n. Les v.a. (νin )1iN ne sont

pas indépendantes puisqu’elles vérifient la relation ν1n + · · · + νN n
= N . On a

N
νin = 1{an+1 =i} .
j
j=1
Par conséquent, le vecteur aléatoire ν n = (ν1n , . . . , νN

n
) suit la loi multinomiale
de taille N et de paramètre (1/N, . . . , 1/N ), c’est-à-dire
N
N! 1
P(ν1n = n
n1 , . . . , νN = nN ) = 1{n1 +···+nN =N } .
n1 ! . . . nN ! N

172 13 Généalogies et coalescence
Si chaque individu est réduit à un allèle A ou B d’un gène à deux allèles et si le

nombre d’allèles A à la génération n est égal à x, alors la loi du nombre d’allèles
A à la génération n + 1 suit une loi binomiale Bin(N, x/N ). On retrouve donc
le modèle de Wright-Fisher du chapitre 12. Le lien avec la loi multinomiale a
déjà été observé lors de l’étude du modèle de Cannings dans le chapitre 12.
Nous avons construit ici le modèle de Wright-Fisher à rebours en remontant
les générations, comme illustré dans la figure 13.1. Chaque individu de la
génération n + 1 possède un ancêtre à la génération n choisi indépendamment
des autres et selon la loi uniforme sur {1, . . . , N }. Certains membres de la
génération n n’ont donc aucun descendant à la génération n + 1 et c’est ce
qui va entraîner le phénomène dit de dérive génétique (fixation d’un allèle).
Remarque 13.1 (Lois de Poisson et multinomiale). Si Y1 , . . . , YN sont des
v.a. indépendantes de loi de Poisson de paramètres respectifs θ1 , . . . , θN alors
Loi((Y1 , . . . , YN ) | Y1 + · · · + YN = N ) = Mul(N, (p1 , . . . , pN ))
où pk = θk /(θ1 + · · · + θN ) pour tout 1 k N . En particulier, dans le
cas où θ1 = · · · = θN alors p1 = · · · = pN = 1/N . Ainsi le modèle de
Wright-Fisher revient à un processus de Galton-Watson de loi de reproduction
Poisson, conditionné à avoir une taille de population fixée, voir chapitre 3.
Le modèle de Wright-Fisher sans mutation est connu pour faire apparaître
un phénomène dérive génétique, c’est-à-dire qu’un allèle l’emporte sur l’autre
et que la population devient homozygote après un nombre aléatoire mais fini
presque sûrement de générations. De même, après un certain nombre de gé-
nérations, tous les individus proviendront donc d’un même ancêtre. C’est ce
phénomène qu’il s’agit à présent de décrire et quantifier.
Comme les individus donnés choisissent leur parent de manière i.i.d. et
uniforme, la probabilité que deux individus fixés aient deux parents distincts
(à la génération précédente) est égale à N (N − 1)/N 2 = 1 − 1/N . Ces parents
choisissant eux-mêmes leurs parents indépendamment, la probabilité pour que
le premier ancêtre commun à deux individus donnés remonte à plus de r
générations vaut (1 − 1/N )r . Le temps T2 d’apparition de l’ancêtre commun
le plus récent (ACPR) suit donc une loi géométrique sur N∗ de paramètre
p2 = 1/N . Si l’on considère à présent trois individus, notons T3 l’instant
d’apparition de l’ACPR pour deux individus au moins (premier temps de
coalescence parmi trois individus). On a
N (N − 1)(N − 2) 3 2
P(T3 > 1) = =1− + 2.
N3 N N
Les choix des parents sont indépendants à chaque génération, d’où, pour k 1,
k
3 2
P(T3 > k) = 1 − + 2 .
N N
La loi de T3 est donc la loi géométrique de paramètre p3 = 3/N − 2/N 2 . On
note T3 = T3 + T2 le temps d’apparition d’un ACPR pour les trois individus
13 Généalogies et coalescence 173
t = 0
t = 1
t = 2
t = 3
t = 4
t = 5
t = 6
Fig. 13.1. Dans le modèle de Wright-Fisher, tout se passe comme si pour chaque
génération, chaque individu, indépendemment de tous les autres, choisissait unifor-
mément un père dans la génération précédente et en héritait. Le graphique ci-dessus
illustre l’évolution de ces relations de filiation sur quelques générations pour une po-
pulation de taille N = 5. Ce point de vue généalogique est au cœur de ce chapitre.
(ici T2 := T3 − T3 ). Remarquons que si l’ACPR de deux individus est l’ACPR
des trois individus alors T2 = 0. Déterminons la loi de T2 . La probabilité que
trois individus distincts aient le même père est 1/N 2 . La probabilité que T2
soit nul sachant que T3 = k est donc égale à
P(T2 = 0 , T3 = k) (1 − p3 )k−1 (1/N 2 ) 1

P(T2 = 0 | T3 = k) = = = .
P(T3 = k) p3 (1 − p3 )k−1 3N − 2
Comme les choix des parents sont indépendants d’une génération à l’autre,
on déduit de la première partie que la loi de T2 sachant que T3 = k et T2 > 0
est la loi géométrique de paramètre p2 . Cela implique que sachant T3 = k,
la variable T2 est égale en loi à U V où U et V sont indépendantes de lois
respectives Ber(1 − 1/(3N − 2)) et GeoN∗ (p2 ).
Plus généralement, le nombre de parents distincts d’un groupe de k indi-
vidus peut être vu comme le nombre d’urnes occupées après que l’on a lancé
k balles, indépendamment et à chaque fois uniformément, dans N urnes. Pour
tout j ∈ {1, . . . , k}, la probabilité pour que ce nombre soit j est
(N ) N (N − 1) · · · (N − j + 1)Sk,j
gk,j = P(k individus ont j parents distincts) = ,
Nk
où Sk,j est le nombre de Stirling de seconde espèce 1 . En effet, il y a exactement

N (N − 1) · · · (N − j + 1) façons de choisir j parents distincts parmi N , et Sk,j
façons d’associer à ces j parents k enfants, et enfin, N k est le nombre de façons
d’assigner k enfants à leurs parents. On définit à présent le processus ancestral
(AN N
n (r))r∈N en notant An (r) le nombre d’ancêtres distincts à la génération
−r pour un groupe de taille n au temps 0 (le temps remonte ici). La suite
(ANn (r))r∈N est une chaîne de Markov sur {1, . . . , n} de matrice de transition

(N )
GN = gj,k 1{jk} .
1j,kn
Pour cette chaîne, l’état 1 est absorbant tandis que les états 2, . . . , n sont
transitoires puisqu’ils mènent tous à 1. Il est difficile d’étudier les propriétés
fines de cette chaîne, comme par exemple des propriétés sur le temps d’atteinte
de l’état 1. Nous allons donc remplacer ce modèle à temps discret par un
modèle plus simple à temps continu.
13.1 Modèle généalogique à temps continu

Considérons la chaîne de Markov à temps continu (A(t))t0 sur N∗ dont
le générateur infinitésimal est donné pour tous j, k ∈ N∗ par
⎧
⎪
⎨ 2 si j 2 et k = j − 1,
j
L(j, k) = − 2j si j 2 et k = j,
⎪
⎩
0 sinon.
C’est un processus de mort pur sur N∗ (sauts de n à n − 1 seulement) pour
lequel 1 est absorbant.
Le temps de séjour en n suit la loi exponentielle de
paramètre n2 . Ceci s’interprète de la manière suivante : chaque couple d’in-
dividus se cherche un père indépendamment des autres couples et y arrive
au bout d’un temps exponentiel de paramètre
n 1. Pour n individus, on a n2
couples distincts. Or le minimum de 2 variables aléatoires
indépendantes de
même loi exponentielle Exp(1) suit la loi Exp( n2 ) (voir aussi lemme 11.2).
On note (An (t))t0 le processus issu de n, qui est à valeurs dans {1, . . . , n}.
Montrons à présent que le processus à temps discret renormalisé converge
vers le processus à temps continu. On s’intéresse au cas limite où N est grand
et où l’unité de temps se compte en N générations. La date d’apparition de
l’ACPR de deux individus donnés est donc T2 /N où T2 suit la loi géométrique
sur N∗ de paramètre p2 = 1/N .
Lemme 13.2 (Loi exponentielle comme limite de lois géométriques renormali-
sées). Si (Vn )n1 est une suite de variables aléatoires de loi géométrique de pa-
ramètres respectifs (μn )n1 telle que limn→∞ nμn = μ > 0 alors (n−1 Vn )n1
converge en loi vers la loi exponentielle de paramètre μ.
1. Nombre de façons de découper un ensemble à k éléments en j ensembles non
vides. Apparaît aussi dans le chapitre 1 pour étudier le collectionneur de coupons !
13.1 Modèle généalogique à temps continu 175
Démonstration. On utilise les fonctions caractéristiques. Si V ∼ Exp(μ), alors
μn eit/n nμn μ
ϕVn /n (t) = = −→ = ϕV (t),
1 − (1 − μn )eit/n nμn − n(1 − eit/n ) n→∞ μ − it
Alternativement, pour tout x 0,
P(n−1 Vn x) = P(Vn nx) = e−μn nx

→ e−μx .
Pour une population comportant N individus et dans une échelle de temps

où l’unité de temps est égale à N générations, le temps T2 d’apparition de
l’ACPR pour deux individus donnés est approximativement de loi exponen-
tielle de paramètre 1. En particulier E(T2 ) = 1. On a donc montré que
loi
2 (N t))t0 −→ (A2 (t))t0 .
(AN
N →∞
Considérons l’arbre généalogique de trois individus. Quand N tend vers

l’infini, T2 /N converge en loi vers Exp(1). De plus, on montre de même que
(T2 /N, T3 /N ) converge vers (T2 , T3 ) où T2 et T3 sont indépendantes de lois
exponentielles respectives Exp(1) et Exp(3) :
ϕ(T2 /N,T3 /N ) (s, t) = E(exp(isT2 /N + itT3 /N ))

= E(E(exp(isT2 /N )|T3 ) exp(itT3 /N ))
1
3N − 3

= E eitT3 /N + E eitV /N E eitT3 /N
3N − 2 3N − 2
et le lemme 13.2 permet de conclure que (AN 3 (N t))t0 converge en loi vers
le processus (A3 (t))t0 quand N tend vers l’infini. En d’autres termes, lorsque
N tend vers l’infini et que le temps est mesuré en unités de N générations, le
mécanisme d’apparition de l’ACPR d’un groupe composé de trois individus
distincts pour le processus limite est le suivant :
— après un temps exponentiel T3 ∼ Exp(3), un ancêtre commun à 2
individus apparaît,
— l’ancêtre commun apparaît alors après un temps T2 ∼ Exp(1),
— les variables aléatoires T2 et T3 sont indépendantes.
En particulier, à la limite, la probabilité que le premier ancêtre commun soit
commun aux trois individus est nulle. On généralise le résultat comme suit.
Théorème 13.3 (Du discret au continu). Pour tout n 2, la convergence
de processus suivante a lieu, au sens des lois marginales,
loi
n (N t))t0 −→ (An (t))t0 .
(AN
N →∞
Démonstration. On esquisse seulement les grandes lignes. Considérons dans

de la matrice de transition de GN lorsque
un premier temps le comportement
N est grand. Puisque Sk,k−1 = k2 , pour tout 2 k n,

N (N − 1) · · · (N − k + 1) k 1
+ O(N −2 )
(N )
gk,k−1 = Sk,k−1 k
=
N 2 N
tandis que pour j < k − 1, on a
N (N − 1) · · · (N − j + 1)
= O(N −2 ).
(N )
gk,j = Sk,j
Nk
Enfin, on a

−k k 1
+ O(N −2 ).
(N )
gk,k =N N (N − 1) · · · (N − k + 1) = 1 −
2 N
Ainsi GN = I + N −1 Q + O(N −2 ). La suite de la démonstration, omise ici,

consiste à identifier la limite de (GN ) N t .
13.2 Longueur de l’arbre généalogique

Le processus à temps continu (An (t))t0 d’espace d’états {1, . . . , n} est un
processus de mort pur, c’est-à-dire que ses trajectoires continues par morceaux
sont décroissantes. Il est issu de An (0) = n et décroît uniquement avec des
sauts d’amplitude −1. Pour tout k 2, sachant que le processus est dans l’état
de passer dans l’état k − 1 (seule transition
k, le temps d’attente Tk avant
possible) suit une loi Exp( k2 ). De plus, les variables aléatoires (Tk )2kn sont
indépendantes. Le temps d’apparition de l’ACPR Wn s’écrit donc
Wn = Tn + · · · + T2 ,
où les (Tk )2kn sont les temps de séjours dans les états 2, . . . , n. En parti-
culier, on a donc

n n
1 1 1 1
E(Wn ) = 2 =2 − =2 1− →2
k(k − 1) k−1 k n
k=2 k=2
et les T2 , . . . , Tn étant indépendantes, on a de plus

n
Var(Wn ) = Var(Tk )
k=2
n
4
=
k 2 (k − 1)2
k=2
13.2 Longueur de l’arbre généalogique 177
n
1 1 2
=4 + −
k2 (k − 1)2 k(k − 1)
k=2
1
n−1
4 1
=8 + − 4 − 8 1 − .
k2 n2 n
k=1
2
On a Var(Wn ) 4π3 − 12 " 1.16 (notons que Var(T2 ) = 1). Il est possible
d’obtenir une expression explicite de la densité de Wn en remarquant que
P(Wn t) = P(An (t) = 1) et en calculant la matrice de transition du
processus ancestral (assez peu passionnant).
On appelle arbre généalogique d’un groupe de n individus l’ensemble de
tous leurs ancêtres toutes générations comprises, eux compris, jusqu’au pre-
mier ancêtre commun à tous les individus. On note Ln , et l’on appelle lon-
gueur de l’arbre généalogique la variable aléatoire égale à la somme des temps
de vie de tous les individus de l’arbre. La longueur de l’arbre Ln s’exprime en
fonction des temps d’apparition des ancêtres communs :
Ln = 2T2 + · · · + nTn .

En particulier, comme T2 , . . . , Tn sont indépendantes avec Tk ∼ Exp( k2 ),
2π 2
E(Ln ) ∼ 2 log(n) et Var(Ln ) ∼ .
n→∞ n→∞ 3
Théorème 13.4 (Longueur de l’arbre ancestral). La v.a. Ln suit la loi du
maximum de n − 1 v.a.r. i.i.d. de loi exponentielle de paramètre 1/2. De plus,
Ln p.s. Ln loi
−→ 2 et − log(n) −→ Gumbel
log(n) n→∞ 2 n→∞
−t
Démonstration. La variable aléatoire Ln est la somme des variables aléatoires
indépendantes 2T2 , . . . , nTn qui suivent les lois Exp(1/2), . . . , Exp((n − 1)/2).
Le premier résultat découle alors de la propriété suivante : si E1 , . . . , En sont
des variables aléatoires indépendantes de lois Exp(λ), Exp(2λ), . . . , Exp(nλ)
alors leur somme Sn := E1 +· · ·+En à la même loi que Mn := max(F1 , . . . , Fn )
où F1 , . . . , Fn sont des v.a. i.i.d. de loi Exp(λ). La densité de Mn est
fn (x) := (P(Mn x))

= ((1 − e−λx )n 1R+ (x))
= nλ(1 − e−λx )n−1 e−λx 1R+ (x).
Montrons Sn a pour densité fn . C’est vrai pour n = 1, et par récurrence, si

cela est vrai pour n, alors la densité de Sn+1 est, en notant gλ celle de Exp(λ),
y
fn ∗ g(n+1)λ (y) = (n + 1)λ fn (x)e−λ(n+1)(y−x) dx
−∞
y
−λ(n+1)y
= λ(n + 1)nλe (eλx − 1)n−1 eλx dx
0
= λ(n + 1)e−λ(n+1)y (eλy − 1)n
= λ(n + 1)e−λy (1 − e−nλy )n = fn+1 (y).
En fait, cette propriété ne constitue qu’une partie du lemme de Rényi 11.3.

Pour établir le second résultat du théorème (convergence p.s.) on utilise
le
fait suivant 2 : si (Xn
)n sont des v.a.r. indépendantes et centrées vérifiant
n E(X 2
n ) < ∞ alors 2
n Xn converge presque sûrement et dans L . Avec
Xn = nTn − E(nTn ) = nTn − 2/(n − 1) on a E(Xn ) = 0 et
4
E(Xn2 ) = Var(Xn ) = <∞
(n − 1)2
n2 n2 n2

donc n Xn converge p.s. et donc
1 1
n n
Ln
= Xk + E(kTk )
log(n) log(n) log(n)
k=2 k=2
1
n
2 1 p.s.
n−1
= Xk + −→ 2.
log(n) log(n) k n→∞
k=2 k=1
Pour établir le troisième résultat (fluctuation Gumbel), on utilise le fait que

Ln et Mn ont même loi, puis on écrit, pour tout t ∈ R,
1
n−1
P(Ln − 2 log(n) 2t) = 1 − e− 2 (2t+2 log(n))
n
e−t −t
= 1− −→ e−e .
n n→∞
13.3 Mutations
Pour rendre compte de la diversité des individus dans une population, il

faut tenir compte des possibilités de mutation de l’ADN, en particulier lors
de sa réplication. Les mutations entraînent une diversification génétique des
enfants d’un même individu. Le taux de mutation d’une base 3 est très faible.
On suppose pour simplifier que ce taux ne dépend pas de la base concernée,
2. Cas particulier du théorème de convergence de martingale bornée dans L2 .

3. Un brin d’ADN est constitué par une suite de lettres d’alphabet {A, C, G, T }.
13.3 Mutations 179
ni de sa position dans le brin d’ADN et qu’il est constant au cours du temps.

Ainsi, à chaque génération, un individu a une probabilité μ d’avoir une mu-
tation qui le différencie de son parent. Si l’on considère une séquence de m
bases, la probabilité que deux mutations aient lieu au même endroit est 1/m.
Comme les probabilités de mutation sont faibles, cela arrive très rarement. On
fera donc l’hypothèse que l’on a une infinité d’allèles possibles et que chaque
nouvelle mutation affecte un site différent. Ainsi, une mutation donne tou-
jours un nouvel allèle. Le temps d’apparition d’une mutation dans la lignée
ancestrale d’un individu est donc une loi géométrique de paramètre μ. On
pose θ = 2μN et on suppose que θ est d’ordre 1. Ainsi, lors du passage à
la limite quand N → ∞, le processus de mutation devient un processus de
Poisson. Plus exactement, on munit chaque branche de l’arbre d’un processus
de Poisson de paramètre θ/2 qui comptera les mutations. Les deux proces-
sus de coalescence et mutation sont d’origines aléatoires différentes. Nous les
considérerons indépendants.
Théorème 13.5 (Loi du nombre d’allèles dans un échantillon). Si Kn désigne
le nombre d’allèles distincts dans un groupe de n personnes alors
loi
Kn = η1 + · · · + ηn
où (ηk )k1 sont des v.a. indépendantes avec ηk ∼ Ber(θ/(k − 1 + θ)), k 1.

Notons que η1 = 1 presque sûrement. La variable aléatoire Kn correspond
au nombre de tables dans le processus des restaurants chinois du chapitre 14.
En particulier, on sait calculer les deux premiers moments, et on connaît le
comportement asymptotique (convergence et fluctuation).
Démonstration. Pour un groupe de n individus, on s’intéresse au premier

temps (dans le passé) d’apparition d’une coalescence ou d’une mutation. Tout
se passe comme si Un était le minimum entre Tn , premier temps de coalescence
(de loi Exp( n2 )) et R1 , . . . , Rn premiers temps de mutation des individus
1, . . . , n de même loi Exp(θ/2). Puisque ces v.a.r. sont indépendantes, leur
minimum suit la loi exponentielle de paramètre égal à (lemme 11.2)

n θ n(n − 1 + θ)
+n = ,
2 2 2
et la probabilité que ce premier phénomène soit une coalescence vaut

n
2 n−1
= .
n(n−1+θ) n−1+θ
2
De même, la probabilité pour que ce phénomène soit une mutation est donc
n−1 θ
1− = .
n−1+θ n−1+θ
On pose ηn = 1 si ce premier phénomène est une mutation et ηn = 0 si

c’est une coalescence. La variable aléatoire ηn suit donc la loi de Bernoulli de
paramètre θ/(n − 1 + θ). Étudions ce qui se passe après ce temps Un :
— Si ηn = 0 alors le nombre d’ancêtres à l’instant Un est n−1 et le nombre
d’allèles distincts dans ce groupe de n − 1 individus est Kn−1 = Kn .
— Si ηn = 1 alors l’individu qui a muté à l’instant Un est à l’origine d’un
allèle différent. Il correspond, dans la population initiale de n individus,
à la présence d’un allèle distinct de tous les autres. De plus, cet allèle
est présent une seule fois dans la population des n ancêtres. On obtient
donc une population de n − 1 individus possédant Kn−1 = Kn − 1
allèles distincts.
Dans tous les cas, on a obtenu Kn = Kn−1 +ηn et on considère à partir de l’ins-
tant Un une population de n − 1 individus possédant Kn−1 allèles différents.
Par récurrence, on obtient bien la décomposition de Kn en somme de variables
aléatoires de Bernoulli. La propriété de Markov du processus de coalescence
et l’absence de mémoire du processus de mutation assure l’indépendance des
variables aléatoires (ηk )k .
On peut en fait décrire plus précisément la structure des allèles d’une
population de n individus. Dans le modèle à nombre d’allèles infini, un échan-
tillon de taille n peut être représenté par une configuration c = (c1 , . . . , cn )
où ci est le nombre d’allèles représentés i fois et |c| = c1 + 2c2 + · · · + ncn = n.
On notera ei = (0, 0, . . . , 0, 1, 0, . . . , 0) le ie vecteur unitaire. Il s’agit à pré-
sent d’établir une équation satisfaite par les probabilités (q(c)) où q(c) est la
probabilité qu’un échantillon de taille |c| tiré sous la probabilité stationnaire
ait la configuration c. On pose q(e1 ) = 1. Supposons que la configuration
soit c. En remontant la généalogie de l’échantillon jusqu’au premier change-
ment, nous trouvons une mutation ou une coalescence (ancêtre commun à
deux individus). Analysons ces deux événements :
— Le premier événement (mutation) a une probabilité (lemme 11.2)
nθ/2 θ
= .
nθ/2 + n(n − 1)/2 θ+n−1
La configuration b qui a conduit à la configuration c est

— b = c si la mutation a eu lieu sur l’un des c1 singletons (a lieu avec
probabilité c1 /n),
— b = c−2e1 +e2 si la mutation a eu lieu sur un des allèles représenté
2 fois (a lieu avec probabilité 2b2 /n = 2(c2 + 1)/n),
— b = c − e1 − ej−1 + ej si la mutation a eu lieu sur un des allèles
représenté j fois (a lieu avec probabilité jbj /n = j(cj + 1)/n)
— Le second événement (coalescence) a lieu avec une probabilité qui vaut
(n − 1)/(θ + n − 1) et dans ce cas, la configuration précédente était de
la forme b = c + ej − ej+1 : un allèle présent j fois (parmi les cj + 1)
s’est dédoublé, ramenant de cj + 1 à cj le nombre d’allèles présent j
13.4 Coalescent de Kingman 181
fois et de cj+1 − 1 à cj+1 le nombre d’allèles présent j + 1 fois. Cet

événement a une probabilité de jbj /(n − 1) = j(cj + 1)/(n − 1).
On retrouve le processus des restaurants chinois du chapitre 14, qui affirme
que c suit la loi d’Ewens. On parle de formule d’échantillonnage d’Ewens en
génétique 4 : pour tous entiers a1 , . . . , an vérifiant a1 + 2a2 + · · · + nan = n,
q(c) = P(c1 (n) = a1 , . . . , cn (n) = an )

+n cj
n! θ 1
= .
θ(θ + 1) · · · (θ + n − 1) j=1 j cj
13.4 Coalescent de Kingman

Le coalescent de Kingman est un processus à temps continu à valeurs
dans l’ensemble En des relations d’équivalence sur [n] = {1, . . . , n} c’est-à-
dire l’ensemble des partitions de [n]. Il décrit la généalogie d’une population
de taille n. Jusqu’à présent, nous avons proposé un modèle pour l’évolution
temporelle du nombre d’ancêtres d’une population initiale donnée. Il s’agit à
présent d’être plus précis en gardant trace des liens de parentés entre tous
les individus. Numérotons les individus de 1 à n. À un instant t, on définit
la relation d’équivalence ∼ sur [n] par i ∼ j si et seulement si les individus
i et j ont le même ancêtre commun au temps t. Chaque classe d’équivalence
correspond à un ancêtre de la population initiale et les éléments de cette classe
sont tous les descendants de cet individu. Soit C(t) cette partition aléatoire.
Supposons que C(0) = α ∈ En et notons k le nombre de ses classes (on
écrira |α| = k). Lorsque t augmente, nous progressons vers le passé et le
processus reste constant jusqu’à l’apparition d’un ancêtre commun à deux des
ancêtres de chaque classe. Lorsque ceci se produit, les deux ancêtres, et par
conséquence tous leurs descendants, partagent cet ancêtre commun. Les deux
classes d’équivalence sont donc regroupées (coalescent). Le taux d’apparition
de cet événement est 1. Le processus (C(t))t0 est le processus de Markov à
temps continu sur En d’état initial C(0) = Δ = {{1}, {2}, . . . , {n}} (personne
n’est rélié à personne), et de générateur Q
⎧
⎪
⎨− 2 si α = β et |α| = k,
k
Q(α, β) = 1 si α ∼ β,
⎪
⎩
0 sinon,
où la notation α ∼ β signifie que la partition β peut être obtenue à partir de

la partition α en fusionnant deux de ses classes d’équivalence. Le processus
C est appelé coalescent ou n-coalescent. Pour déterminer sa loi, il faut tout
d’abord étudier la chaîne incluse (Ckinc )k=n,n−1,...,1 . Cette chaîne est issue de
Δ et admet pour transitions :
4. «ESF : Ewens Sampling Formula» en anglais.
1
si α ∼ β et |α| = k,
P(Ck−1
inc
=β | Ckinc = α) = (k2)
0 sinon.
Le processus C évolue donc selon une suite
Δ = Cninc ∼ Cn−1
inc
∼ · · · ∼ C1inc = Θ,
où Θ est la partition triviale et passe en la partition Ckinc un temps exponentiel

de paramètre k2 . Les taux de transition ne dépendent de la partition qu’au
travers de son cardinal et
|C(t)| = An (t),
puisque les classes de C(t) sont en bijection avec les ancêtres au temps t. Ainsi,
les processus (An (t))t0 et (Ckinc )k sont indépendants et pour tout t 0,
inc
C(t) = CA n (t)
.
Plus précisément, on a
P(C(t) = α) = P(An (t) = |α|)P(C|α|

inc
= α).
Théorème 13.6 (Loi du coalescent de Kingman). Soit 1 j n et α

une partition de [n] dont les classes d’équivalence admettent les cardinaux
λ1 , . . . , λj . Alors,
(n − j)!j!(j − 1)!
P(Cjinc = α) = λ1 ! · · · λj !.
n!(n − 1)!
Démonstration. On procède par récurrence descendante. Le résultat est clair

pour j = n (si α n’est pas la partition Δ, sa probabilité d’apparition est nulle,
et Δ est la seule partition à n classes, toutes singleton). Supposons que le
résultat soit vrai pour j 2. Alors
pj−1 (β) := P(Cj−1

inc
= β)

= inc
pj (α)P(Cj−1 = β | Cjinc = α)
α∈En
2
= pj (α) .
j(j − 1)
α∼β
Notons λ1 , . . . , λj−1 les tailles des classes d’équivalence de β. Celles de α sont
λ1 , . . . , λl−1 , m, λl − m, λl+1 , . . . , λj−1
pour un certain 1 l j − 1 et 1 m λl − 1. Posons
πl,m := λ1 ! · · · λl−1 !m!(λl − m)!λl+1 ! · · · λj−1 !.

Grâce à l’hypothèse de récurrence 5 ,

j−1 λl −1
1 2(n − j)!j!(j − 1)! λl
pj−1 (β) = πl,m
2 m=1
j(j − 1)n!(n − 1)! m
l=1
l −1
j−1 λ
(n − j)!(j − 1)!(j − 2)!
= λ1 ! · · · λj−1 ! 1
n!(n − 1)! m=1
l=1
(n − j + 1)!(j − 1)!(j − 2)!
= λ1 ! · · · λj−1 !
n!(n − 1)!
j−1 λl −1
car l=1 m=1 1 = λ1 + · · · + λj−1 − j + 1 = n − j + 1..

En biologie, la phylogénie est l’étude des relations de parenté entre êtres
vivants. La modélisation stochastique en phylogénie est abordée par exemple
dans les livres de Warren Ewens [Ewe04], de Rick Durrett [Dur08], et de
Jean-François Delmas et Benjamin Jourdain [DJ06]. Les aspects statistiques
sont abordés dans le cours de Simon Tavaré [Tav04]. John Kingman étudie
le processus qui porte son nom dans [Kin93]. Son travail a donné lieu a de
nombreux développements, notamment une théorie de la fragmentation et de
la coalescence, en liaison avec les processus de branchement, les processus de
Lévy, et les partitions aléatoires. On pourra consulter les livres de Nathanaël
Berestycki [Ber09] et de Jean Bertoin [Ber06], ainsi que le cours de Saint-Flour
de Jim Pitman [Pit06] et le cours de Sylvie Méléard [Mé13].
5. Le facteur 1/2 au début est dû à la permutation de m et λl − m. Pour bien le

comprendre, considérer les exemples λl = 2 et λl = 3.
14
Restaurants chinois
Mots-clés. Partition aléatoire ; permutation aléatoire ; loi d’Ewens ; algo-

rithme de Fisher-Yates-Knuth ; nombres de Bell ; nombres de Stirling.
Outils. Combinatoire ; groupe symétrique ; chaîne de Markov ; martin-
gale ; inégalité de Markov ; loi de Poisson.
Difficulté. **
Ce chapitre est consacré à l’étude de propriétés remarquables de la loi

d’Ewens, apparue dans le chapitre 13 comme la loi de la partition d’une po-
pulation en fonction des allèles d’un même gène dans un modèle à nombre
d’allèles infini. Les propriétés sont présentées sous la forme ludique du pro-
cessus dit des restaurants chinois mais ce sont bien les interactions avec la
biologie évoquées ci-dessus qui en sont la réelle motivation d’origine.
Pour tout entier n 1, on note Sn l’ensemble des permutations de
{1, . . . , n} (groupe symétrique). Le processus des restaurants chinois est une
chaîne de Markov inhomogène (σn )n1 , d’espace d’états ∪n1 Sn , où σn est à
valeurs dans Sn pour tout n 1, de valeur initiale σ1 = (1), et de noyau de
transition donné pour tous (σ, σ ) ∈ Sn × Sn+1 par
⎧
⎪ 1
⎪
⎪ si σ s’obtient en insérant n + 1
⎪
⎪ θ + n
⎪
⎪
⎪
⎪ dans l’un des cycles de σ ;
⎪
⎪
⎪
⎨
θ
P(σn+1 = σ | σn = σ) = si σ s’obtient en ajoutant
⎪
⎪ θ + n
⎪
⎪
⎪
⎪ le cycle (n + 1) à σ ;
⎪
⎪
⎪
⎪
⎪
⎪
⎩
0 sinon ;

186 14 Restaurants chinois
où θ 0 est un paramètre fixé qui ne dépend pas de n. Il s’agit bien d’un

noyau de transition car la somme des longueurs des cycles de σ est n. Le
nom de ce processus provient de l’interprétation des cycles de σn comme
les tables circulaires occupées par les n clients d’un restaurant chinois, ces
restaurants où les gens s’attablent sans se connaître. Au temps initial 1, le
restaurant ne compte qu’une seule table occupée par un seul client numéroté
1. Par récurrence sur n, à l’instant n + 1, et conditionnellement à tout le passé
σ1 , . . . , σn , un nouveau client, numéroté n + 1, pénètre dans le restaurant, et
décide soit de rejoindre l’une des tables déjà occupées (cycles de σn ) avec une
probabilité proportionnelle à la taille de la table (longueur du cycle), à une
place uniformément choisie, soit de s’asseoir à une table vide (créer un nouveau
cycle de longueur 1 contenant n + 1). Cette interprétation gastronomique
suppose que les convives ne changent jamais de table, que les tables peuvent
avoir un nombre arbitrairement grand de convives, et que le restaurant peut
comporter un nombre arbitrairement grand de tables.
1 6
2 4
5

3

123456
σ6 = (1, 6, 3)(2, 4)(5) = et π6 = {{1, 6, 3}, {2, 4}, {5}}
641253
Fig. 14.1. Configuration avec n = 6 clients sur 3 tables dans le restaurant chinois.
Associons à la permutation aléatoire σn la partition aléatoire πn de

{1, . . . , n} donnée par le support des cycles. Chaque bloc de πn regroupe les
clients d’une table du restaurant. On a π1 = {1}, et pour tout n 1, πn est à
valeurs dans l’ensemble Πn des partitions de {1, . . . , n}. En général, l’image
d’une chaîne de Markov par une fonction n’est pas une chaîne de Markov 1 .
Cependant, il se trouve ici que (πn )n1 est une chaîne de Markov inhomogène
sur ∪n1 Πn , de noyau de transition donné pour tous (π, π ) ∈ Πn × Πn+1 par
1. Un critère dû à Dynkin fournit une condition suffisante sur la fonction.

14.1 Lois d’Ewens 187
⎧
⎪ |b|
⎪
⎪ si π s’obtient en insérant n + 1
⎪
⎪ θ+n
⎪
⎪
⎪
⎪ dans le bloc b de π ;
⎪
⎪
⎪
⎪
⎨
θ
P(πn+1 = π | πn = π) = si π s’obtient en ajoutant
⎪
⎪
⎪
⎪ θ + n
⎪
⎪ le bloc singleton {n + 1} à π ;
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎩
0 sinon ;

où |b| désigne le cardinal de b. On a b∈πn |b| = n où b ∈ πn signifie que b est
un bloc de πn .
Remarque 14.1 (Cas extrêmes). Lorsque θ = 0 on a πn = {{1, . . . , n}} tan-
dis que si θ = ∞ alors πn = {{1}, . . . , {n}}. Les probabilités sont monotones
en θ. Plus θ est grand, plus les clients ont tendance à s’asseoir à une table
vide plutôt que de rejoindre une table occupée.
Remarque 14.2 (Remonter le temps). Sur ce début de trajectoire de (πn )n1 ,
π1 = {{1}}
π2 = {{1}, {2}}
π3 = {{1, 3}, {2}} ,
π4 = {{1, 3}, {2}, {4}}
.. ..
. .
on remarque immédiatement qu’il est possible de remonter le temps. Par

exemple, à partir de π4 , on en déduit π3 en repérant le bloc contenant 4,
puis on en déduit π2 en repérant le bloc contenant 3, puis π1 en repérant le
bloc contenant 2. Plus généralement, pour tout n 1 et tout π ∈ Πn+1 , il
existe un unique π ∈ Πn tel que P(πn+1 = π | πn = π) > 0. L’information
sur πn est intégralement contenue dans πn+1 sans dégradation. Le processus
transporte intégralement son passé.
14.1 Lois d’Ewens

On note |π| le nombre de blocs de la partition π ∈ Πn et |σ| le nombre de
cycles de la permutation σ ∈ Sn . Ainsi on a |πn | = |σn | pour tout n 1.
Théorème 14.3 (Loi d’Ewens sur Sn ). Pour tout σ ∈ Sn , on a
θ|σ|
P(σn = σ) = .
θ(θ + 1) · · · (θ + n − 1)
Démonstration. La formule est vraie pour n = 1. Procédons par récurrence

sur n et supposons-la vraie pour n 1. Soit σ ∈ Sn+1 . On observe tout
d’abord qu’il existe un unique σ ∈ Sn tel que P(σn+1 = σ | σn = σ) > 0. Si
|σ | = |σ| + 1 alors P(σn+1 = σ | σn = σ) = θ/(θ + n) et si |σ | = |σ| alors
P(σn+1 = σ | σn = σ) = 1/(θ + n). Dans les deux cas, on a bien

θ|σ |
P(σn+1 = σ ) = P(σn = σ) P(σn+1 = σ | σn = σ) = .
θ(θ + 1) · · · (θ + n)
Remarque 14.4 (Marche aléatoire, transpositions, et loi uniforme sur Sn ).

Conditionnellement à {σn = σ}, on peut construire σn+1 à partir de σ en
choisissant d’abord un élément aléatoire K de {1, . . . , n + 1} valant n + 1 avec
probabilité θ/(θ + n) et 1, . . . , n avec probabilité 1/(θ + n), puis en ajoutant
n + 1 au cycle de σ contenant K si K n ou en créant un nouveau cycle
(n + 1) si K = n + 1. Ceci revient à fabriquer à partir de σ un élément σ
de Sn+1 en ajoutant à σ le cycle (n + 1), puis à calculer le produit σ τ dans
Sn+1 où τ est la transposition aléatoire (n + 1, K). Ainsi
loi
(σn )n1 = ((1, K1 ) · · · (n, Kn ))n1
où (Kn )n1 est une suite de variables aléatoires indépendantes avec K1 = 1

et pour tout n 1, Kn+1 de loi θ+n 1
δ1 + · · · + θ+n
1 θ
δn + θ+n δn+1 , et (σn )n0
est une marche aléatoire sur Sn , non homogène en temps, sur le graphe de
Cayley de Sn engendré par les transpositions. Si θ = 1 alors pour tout n 1,
Kn suit la loi uniforme sur {1, . . . , n}, tandis que σn suit la loi uniforme sur
Sn , et on retrouve l’algorithme de Fisher-Yates-Knuth du théorème 4.1.
Théorème 14.5 (Loi d’Ewens sur Πn ). Pour tout π ∈ Πn , on a
θ|π| +
P(πn = π) = (|b| − 1)!.
θ(θ + 1) · · · (θ + n − 1)
b∈π
Démonstration. Le théorème 14.3 donne

θ|π|
P(πn = π) = P(σn = σ) = |Eπ |
θ(θ + 1) · · · (θ + n − 1)
σ∈Eπ
où Eπ est l’ensemble des σ ∈ Sn dont la partition de la décomposition en

cycles est π. Il y a (k − 1)! cycles de longueur
2 k d’un ensemble à k éléments
donc le cardinal de Eπ est donné par b∈π (|b| − 1)!.
Remarque 14.6 (Loi d’Ewens et loi uniforme sur Πn ). Pour n 3, quel que
soit θ, la loi d’Ewens sur Πn n’est jamais la loi uniforme étudiée dans le cha-
pitre 4. En effet, notons π = {{1}, {2}, . . . , {n}}, π = {{1, 2}, {3}, . . . , {n}},
π = {{1, 2, . . . , n}}. Alors P(πn = π) = P(πn = π ) uniquement pour θ = 1
et dans ce cas P(πn = π) = P(πn = π ).
14.2 Nombre de tables 189
Pour tout temps n 1 et tout 1 k n, soit An,k le nombre de tables de

taille k au temps n, c’est-à-dire le nombre de blocs de taille k dans la partition
aléatoire πn . On a
n = An,1 + 2An,2 + · · · + nAn,n et |πn | = An,1 + · · · + An,n .
Théorème 14.7 (Loi d’Ewens sur les blocs). Pour tout n ∈ N∗ et tout
(a1 , . . . , an ) ∈ N vérifiant a1 + 2a2 + · · · + nan = n, on a
+n aj
n! 1 θ
P(An,1 = a1 , . . . , An,n = an ) = .
θ(θ + 1) · · · (θ + n − 1) j=1 aj ! j
Démonstration. Le théorème 14.5 donne
θa1 +···+an +n
P(An,1 = a1 , . . . , An,n = an ) = ((j − 1)!)aj |Πn (a)|
θ(θ + 1) · · · (θ + n − 1) j=1
où Πn (a) désigne l’ensemble des π ∈ Πn comportant ak blocs de taille k pour

tout 1 k n. Or l’ensemble Πn (a) a pour cardinal
n!
2n aj
,
j=1 (j!) aj !
d’où la formule.
Remarque 14.8 (Apparition et maintient de petites tables). Le processus

des restaurants chinois permet l’apparition de petites tables et le maintien de
leur présence au fil du temps car elles sont choisies au prorata de leur taille !
14.2 Nombre de tables
Au temps n 1, la salle du restaurant se compose de |πn | tables occupées.

Théorème 14.9 (Nombre de tables). Pour tout n 1, on a

n−1
θ
E(|πn |) = = θ log(n) + On→∞ (1) ∼ θ log(n),
θ+k n→∞
k=0
et

n−1
θk
Var(|πn |) = = θ log(n) + On→∞ (1) ∼ θ log(n).
(θ + k)2 n→∞
k=1

Fig. 14.2. Histogramme d’un échantillon de taille 5000 de la loi d’Ewens de taille
n = 1000 et de paramètre θ = 1.
Démonstration. La suite markovienne (πn )n1 a la même loi que la suite

récurrente aléatoire définie par π1 = {{1}} puis pour tout n 1 par
πn+1 = fn (πn , εn+1 )
où (εn )n1 sont des variables aléatoires i.i.d. de loi uniforme sur [0, 1], et où
fn (π, ε) est l’élément de Πn+1 obtenu à partir de π ∈ Πn soit en ajoutant n+1
au bloc bk de π si ε ∈ [(|b1 | + · · · + |bk−1 |)/(θ + n), (|b1 | + · · · + |bk |)/(θ + n)]
avec 1 k |π|, où b1 , . . . , b|π| sont les blocs de π, soit en ajoutant le bloc
{n + 1} à la partition π si ε ∈ [n/(θ + n), (θ + n)/(θ + n)]. On rappelle que
n = |b1 | + · · · + |b|π| |. On a alors |πn | = ξ1 + · · · + ξn pour tout k 1, où
ξk := 1{εk ∈[ k−1 , θ+k−1 ]} .

θ+k−1 θ+k−1
La suite (ξk )k1 est constituée de variables aléatoires indépendantes de lois

de Bernoulli, et pour tout k 1
θ
P(ξk = 1) = 1 − P(ξk = 0) = .
θ+k−1
L’événement {ξn = 1} signifie que le client n décide de créer sa propre table,
tandis que l’événement {ξn = 0} signifie qu’il décide de rejoindre une table
14.2 Nombre de tables 191
existante. En particulier, ξ1 = 1 p.s. Cela donne pour E(|πn |) et Var(|πn |) les

formules en sommes. À ce stade, on rappelle la comparaison série-intégrale
suivante : si f : R+ → R+ est une fonction continue et décroissante alors
n+1
n n
f (t) dt f (k) f (0) + f (t) dt.
0 k=0 0
Donc E(|πn |) et Var(|πn |) valent θ log(n) + On→∞ (1) ∼n→∞ θ log(n) .

Remarque 14.10 (Un jeu de pile ou face inhomogène). Par construction,
(|πn |)n1 est p.s. croissante et ne fait que des sauts de +1. Elle constitue le
processus de comptage partant de 1 de tops espacés par des durées aléatoires
indépendantes. Cependant, ces durées ne sont pas de même loi, et ne sont pas
de loi géométrique. Il s’agit plutôt d’un jeu de pile ou face où la probabilité
de gagner change à chaque lancer. Bien que (πn )n1 soit croissante, elle est
cependant de moins en moins croissante en quelque sorte puisque la quantité
pn = P(|πn+1 | = |πn | + 1) = P(ξn+1 = 1) = θ(θ + n)−1
décroît quand n croît. Malgré tout, la moyenne et la variance de |πn | sont
équivalentes à θ log(n) lorsque n tend vers ∞. La situation diffère du cas du
collectionneur de coupons du chapitre 1, pour lequel la probabilité de gagner
change après chaque succès.
Théorème 14.11 (Asymptotique du nombre de tables). On a
|πn | L2 |πn | P
−→ θ et en particulier −→ θ.
log(n) n→∞ log(n) n→∞
Démonstration. Grâce au théorème 14.9, quand n → ∞,
2
|πn | Var(|πn |) + (E(|πn |) − θ log(n))2
E −θ =
log(n) (log(n))2

1
=O = o(1).
log(n)
La convergence en probabilité s’obtient grâce à l’inégalité de Markov.
Le résultat suivant affirme que la convergence a lieu presque sûrement.
La borne O(1/ log(n)) obtenue par la méthode du second moment ci-dessus
n’est pas sommable, ce qui ne permet pas d’obtenir la convergence presque
sûre par application du lemme de Borel-Cantelli. Cela suggère cependant de
considérer un moment d’ordre plus élevé. Alternativement, on peut chercher
à se ramener à un résultat sur les martingales.
Théorème 14.12 (Asymptotique du nombre de tables). On a
|πn | p.s.
−→ θ.
log(n) n→∞
Démonstration. Soient (ξn )n1 comme dans la preuve du théorème 14.9. Alors

1
n
|πn | loi
= ξk .
log(n) n2 log(n)
k=1 n2
Notons que ξ1 = 1 p.s. et donc ξ1 − E(ξ1 ) = 0. Pour tout n 2, on a
1 1 1
n n n
ξk = (ξk − E(ξk )) + E(ξk ).
log(n) log(n) log(n)
k=1 k=2 k=1
Le second terme du membre de droite converge vers θ quand n → ∞ grâce

au théorème 14.9. Il suffit donc d’établir que le premier terme du membre de
droite converge presque sûrement vers 0. Or si

n
ξk − E(ξk )
Sn := Yk avec Yk :=
log(k)
k=2
alors (Sn )n2 est une martingale bornée dans L2 car (théorème 14.9)

n ∞

Var(ξk ) θ
E(Sn2 ) = < ∞.
(log(k))2 (θ + k − 1)(log(k))2
k=2 k=2
Il est utile de rappeler à ce stade que la série de Bertrand

∞
1
k(log(k))β
k=2
converge ssi β > 1. Étant bornée dans L2 , la martingale (Sn )n2 converge p.s.
(et dans L2 ) vers une variable aléatoire dans L2 (donc finie p.s.). Le lemme
de Kronecker 2 assure alors la convergence p.s. vers 0 quand n → ∞ de
1 1
n n
log(k)Yk = (ξk − E(ξk )).
log(n) log(n)
k=2 k=2
Notons qu’alternativement au théorème sur les martingales, on pourrait uti-

liser le théorème des séries centrées (théorème 10.3).
Théorème 14.13 (Asymptotique en loi du nombre de tables). On a
|πn | − E(|πn |) loi

−→ N (0, 1).
Var(|πn |) n→∞
De plus E(|πn |) et Var(|πn |) peuvent être remplacés par θ log(n).

−1
n
2. Si n
xn converge alors limn→∞ bn k=1
bk xk = 0 lorsque 0 < bn ∞.
14.3 Tables extrêmes 193
Démonstration. Tout d’abord, on note que E(|πn |) et Var(|πn |) peuvent être

remplacés par θ log(n) en utilisant le lemme de Slutsky et le théorème 14.9.
Le résultat découle du théorème de Berry-Esseen de la section 1.6 utilisé
avec Xk = ξk de loi de Bernoulli de moyenne θ/(θ + k − 1). On obtient
même une vitesse de convergence uniforme pour les fonctions de répartition !
Le résultat peut également être obtenu en utilisant le théorème limite central
de Lindeberg-Lévy pour les sommes de variables aléatoires indépendantes pas
forcément de même loi, ou encore en utilisant le théorème limite central pour
les martingales de carré intégrable avec normalisation par processus croissant.
Une preuve alternative peut être obtenue en utilisant l’inégalité de Le
Cam renforcée de la section 1.6, avec pk = θ/(θ + k − 1). En effet, cela donne
dVT (μn , νn ) = on→∞ (1), et par conséquent, pour toute fonction continue et
bornée f : R → R, on a, avec σn2 = Var(|πn |),

|πn | − λn Pn − λn
E f −E f 2f ∞ dVT (μn , νn ) −→ 0.
σn σn n→∞
où Pn désigne une variable aléatoire qui suit la loi de Poisson de moyenne

λn = p1 + · · · +√pn . D’autre part, par le théorème limite central, le théorème
14.9 qui donne λn /σn → 1, et le lemme de Slutsky, on a
√
Pn − λn Pn − λn λn loi
= √ −→ N (0, 1).
σn λn σn n→∞
La preuve précédente montre que la poissonisation est utile même si la

moyenne diverge : λn = p1 +· · ·+pn → ∞. D’autre part, on a p21 +· · ·+p2n → 0
et donc l’inégalité de Le Cam dVT (μn , , νn ) = O(p21 + · · · + p2n ) ne suffit pas.
14.3 Tables extrêmes

À l’instant n le restaurant compte An,1 tables réduites à un seul client. La
combinatoire permet d’obtenir la loi de An,1 . Contentons-nous ici des deux
premiers moments.
Théorème 14.14 (Clients solitaires). Pour tout temps n 1, le nombre An,1
de tables réduites à un seul client vérifie
nθ n(n − 1)(n − 2 + 2θ)θ
E(An,1 ) = et Var(An,1 ) = .
n+θ−1 (n + θ − 2)(n + θ − 1)2
En particulier, si θ = 1 alors E(An,1 ) = Var(An,1 ) = 1 pour tout n 1,

tandis que pour tout θ,
lim E(An,1 ) = θ et lim Var(An,1 ) = θ.

n→∞ n→∞
Notons que pour θ = 1, la permutation aléatoire σn suit la loi uniforme

sur Sn , et possède |σn | = |πn | ∼ log(n) cycles, et en moyenne E(An,1 ) = 1
point fixe pour tout n 1.
Démonstration. Il s’agit de décrire la loi de la première composante An,1

d’un vecteur aléatoire An de Nn qui suit la loi d’Ewens. Il est cependant plus
commode de voir An,1 comme le nombre de blocs de taille 1 dans πn . On
a A1,1 = 1 et 0 An,1 n pour tout n ∈ N∗ . De plus, pour tous entiers
1 a1 , . . . , an n et 0 an+1 n + 1 on a
P(An+1,1 = an+1 | A1,1 = a1 , . . . , An,1 = an ) = P(An+1,1 = an+1 | An,1 = an )
qui vaut
⎧ θ
⎪
⎪ si an+1 = an + 1 (s’attabler seul à une table vide) ;
⎪
⎪ θ+n
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪ an
⎪
⎨θ + n si an+1 = an − 1 (rejoindre la table d’un solitaire) ;
⎪
⎪
⎪
⎪ n − an
⎪
⎪ si an+1 = an (rejoindre une table comptant 2 clients ou +) ;
⎪
⎪ θ+n
⎪
⎪
⎪
⎪
⎪
⎩
0 sinon.
En particulier, (An,1 )n1 est une chaîne de Markov inhomogène d’espace

d’états N. On obtient la remarquable formule affine 3
a(θ + n − 1) + θ
E(An+1,1 | An,1 = a) = .
θ+n
Cela donne (n + θ)mn+1 = (θ + n − 1)mn + θ où mn := E(An,1 ). La formule
annoncée pour mn s’en déduit. Pour la variance, les calculs sont semblables
mais plus lourds, et utilisent la formule
Var(X) = E(Var(X | Y )) + Var(E(X | Y ))
où Var(X | Y ) := E(X 2 | Y ) − E(X | Y )2 est la variance conditionnelle.
L’entier An,n représente le nombre de tables comportant n clients, autre-

ment dit le nombre de blocs de taille n dans πn . Lorsqu’une telle table existe,
elle regroupe tous les clients, et on dit donc qu’il s’agit d’une table unique.
On a An,n = 1 si et seulement si |πn | = 1. Le théorème suivant précise les
choses, et montre en particulier qu’asymptotiquement, le modèle des restau-
rants chinois ne fait pas apparaître de table unique.
3. Une martingale se cache dans la chaîne de Markov !

14.4 Compléments de combinatoire 195
Théorème 14.15 (Table unique). On a A1,1 = 1 et An,n ∈ {0, 1} pour tout

n 1. Pour tout n 2, la probabilité qu’il n’y ait qu’une seule table vaut
+
n−1
k
P(An,n = 1) = .
θ+k
k=1
Enfin, la suite (An,n )n1 décroît presque sûrement vers 0.
Démonstration. Les premières assertions du théorème découlent directement

de la définition de πn . L’expression de la probabilité P(An,n = 1) s’obtient en
notant que P(An,n = 1) = P(ξ2 = 0, . . . , ξn = 0) = P(ξ2 = 0) · · · P(ξn = 0).
2∞ presque sûre, on remarque d’abord que, puisque θ > 0,
Pour la convergence
le produit infini k=1 (1 + θk −1 ) diverge car la série harmonique diverge, et
par conséquent limn→∞ P(An,n = 1) = 0. D’autre part, la suite d’événements
(En )n1 définie par En = {An,n = 0} est croissante, et donc
P( lim An,n = 0) = P(∪∞

n=1 En ) = lim P(En ) = 1 − lim P(An,n = 1) = 1.
n→∞ n→∞ n→∞
En fait, An,n = 1{n<T } où T := inf{n 1 : ξn = 1} est l’instant de premier

succès dans un jeu de pile ou face dont la probabilité de gagner change à chaque
lancer, et décroît vers 0 au fil du temps. La décroissance est cependant suffi-
samment lente pour assurer un succès certain. En effet {T < ∞} = ∪∞ n=1 En
et donc P(T < ∞) = 1. Alternativement, on peut utiliser le lemme de Borel-
Cantelli pour les événements indépendants Fn = {ξn = 1} qui vérifient
θ
P(Fn = 1) = =∞
θ+n
n1 n1
et
lim Fn = { 1{ξn =1} = ∞} ⊂ {T < ∞}.
n1
14.4 Compléments de combinatoire
Le cardinal de Bn est le n-ème nombre de Bell Bn (chapitre 4). On a

n
n
Bn =
k
k=1
où la notation entre accolades désigne le nombre de Stirling de seconde espèce,

qui compte le nombre de partitions à k blocs de {1, . . . , n}. On dispose de la
formule de récurrence

n n−1 n−1
= +k
k k−1 k
avec conditions au bord

n n
= 1 et =1
1 n
car pour choisir une partition de {1, . . . , n} ayant k blocs il faut et il suffit soit
de choisir une partition de {1, . . . , n − 1} ayant k − 1 blocs et de la compléter
avec le bloc singleton {n}, soit d’ajouter l’élément n à l’un des k blocs d’une
partition de {1, . . . , n − 1} ayant k blocs. Si X est une variable aléatoire de
loi de Poisson de paramètre λ alors
n
n k
E(X ) =
n
λ en particulier E(X n ) = Bn si λ = 1.
k
k=1
On dispose également de la formule explicite suivante :

1
k
n k−j k
= (−1) jn
k k! j=1 j
qui peut s’obtenir grâce au principe d’inclusion-exclusion car le nombre de

Stirling de seconde espèce est égal au nombre de surjections de {1, . . . , n}
dans {1, . . . , k} divisé par k!.
Une partition de {1, . . . , n} prescrit le support des cycles mais ne précise
pas la structure interne de chaque cycle. Il peut donc y avoir plusieurs permu-
tations pour chaque partition. Le nombre de permutations de {1, . . . , n} qui
possèdent exactement k cycles est donné par le nombre de Stirling de première
espèce non signé, noté 3 4
n
,
k
égal au coefficient de xk dans le polynôme de Pochhammer
x(n) = x(x + 1) · · · (x + n − 1).

L’essentiel de ce chapitre est tiré de l’article didactique [CDM13]. Warren
Ewens est un professeur de biologie mathématique né en 1937 en Australie.
C’est à la fin des années 1960 qu’il découvre la loi qui porte aujourd’hui son
nom, en étudiant un problème d’échantillonnage en génétique des populations,
lié au modèle de Wright-Fisher, abordé dans le chapitre 12. Le paramètre θ
apparaît comme un taux de mutation des allèles, comme expliqué dans le cha-
pitre 13. Une synthèse sur le sujet se trouve dans son livre [Ewe04], ainsi que
dans ceux de John Kingman [Kin80] et de Rick Durrett [Dur08], ou encore
dans le cours de Sylvie Méléard [Mé13]. De nombreux aspects statistiques sont
abordés dans le cours de Simon Tavaré [Tav04]. Le travail d’Ewens a engendré
un nombre considérable de travaux en biologie quantitative et en probabilités.
La loi d’Ewens apparaît dans une large gamme de structures aléatoires dis-
crètes dites logarithmiques, allant de la combinatoire à la théorie des nombres.
On pourra consulter à ce sujet le livre de Richard Arratia, Andrew Barbour,
et Simon Tavaré [ABT03]. Il semble que le processus des restaurants chinois
doive son nom à Jim Pitman. Il apparaît sous ce nom dans un cours de David
Aldous [Ald85]. Fred Hoppe a montré dans [Hop84] qu’on peut le relier à un
modèle d’urne de type Pólya. On peut aussi le relier aux processus de Diri-
chlet et aux partitions aléatoires de [0, 1] (voir ci-dessous). De nos jours, le
processus des restaurants chinois et la loi d’Ewens font partie du folklore d’une
théorie plus générale de la (fragmentation et de la) coalescence. On pourra à
ce sujet consulter les livres de Kingman [Kin93], de Jean Bertoin [Ber06], de
Pitman [Pit06], ainsi que de Nathanaël Berestycki [Ber09].
Voici deux autres représentations remarquables de la loi d’Ewens :
1. Si Z1 , . . . , Zn sont des variables aléatoires indépendantes de lois de
Poisson de moyennes θ/1, . . . , θ/n alors
Loi(Z1 , . . . , Zn | Z1 + 2Z2 + · · · + nZn = n) ∼ Ewens(n, θ) ;
2. Soit (Pr )r1 la loi sur N∗ aléatoire générée à partir de la partition

aléatoire suivante de l’intervalle [0, 1] conçu comme un bâton de craie 4 :
P1 = W 1 , P2 = (1 − W1 )W2 , P3 = (1 − W1 )(1 − W2 )W3 , . . .
où (Wr )r1 sont des variables aléatoires i.i.d. de loi Beta(1, θ) de den-
sité w → θ(1 − w)θ−1 1[0,1] (w). Conditionnellement à (Pr )r1 , soient
X1 , . . . , Xn des variables aléatoires i.i.d. sur N∗ de loi (Pr )r1 . La suite
X1 , . . . , Xn fait apparaître au plus n entiers différents. Il se trouve que
leurs effectifs suit la loi Ewens(n, θ) !
Signalons enfin qu’il est possible d’établir que pour tous 0 k n,
3 4
n θk
P(|πn | = k) =
k θ(θ + 1) · · · (θ + n − 1)
et d’obtenir une formule du même genre pour la loi du couple (An , |πn |), voir
l’article de Ewens et Tavaré dans [JKB97].
4. Cette construction est connue sous le nom de «stick breaking» en anglais.

15
Renforcement
Mots-clés. Renforcement ; urne ; graphe aléatoire ; attachement préféren-

tiel ; loi de puissance.
Outils. Chaîne de Markov ; martingale ; marche aléatoire ; échangeabilité ;
loi exponentielle.
Difficulté. **
Le phénomène du renforcement est très présent dans la nature, notamment

en génétique, en physique statistique, en sociologie, en psychologie, et en neu-
rosciences. Ce chapitre présente trois modèles emblématiques du phénomène :
l’urne de Pólya, le graphe aléatoire à attachement préférentiel de Barabási-
Albert, et une marche aléatoire renforcée. Il se termine par un théorème de
Rubin sur les urnes de Pólya généralisées. D’autres instances se trouvent par
exemple dans les modèles de Wright-Fisher et de Moran (chapitre 12), de
Ewens (chapitre 14), dans certains modèles de croissance (chapitre 6), et dans
le modèle d’Ehrenfest (chapitre 9). Dans les modèles markoviens, le phéno-
mène du renforcement apparaît souvent en liaison avec une propriété de mo-
notonie partielle dans une récurrence aléatoire.
15.1 Urne de Pólya

L’urne de Pólya est un modèle simple de renforcement, qui modélise par
exemple le fait que le succès ou la richesse s’auto-amplifie au cours du temps.
Au temps n = 0, on prépare une urne contenant a > 0 boules argentées et
b > 0 boules blanches. Pour fabriquer la configuration de l’urne au temps n =
1, on tire au hasard une boule dans l’urne, puis on remet la boule tirée dans
l’urne, ainsi qu’une nouvelle boule de même couleur. On répète ce mécanisme
de manière indépendante pour fabriquer la configuration de l’urne en tout
temps n ∈ N. Notons Mn ∈ [0, 1] la proportion de boules argentées à l’instant

200 15 Renforcement
n ∈ N. Alors, à l’instant n ∈ N, l’urne contient a + b + n boules dont (a +

b + n)Mn sont argentées. Conditionnellement à Mn , une boule argentée est
ajoutée au temps n + 1 avec probabilité Mn . Ainsi, M0 = a/(a + b), et
(a + b + n)Mn + 1Un+1 Mn
Mn+1 =
a+b+n+1
où (Un )n1 est une suite de variables aléatoires indépendantes et identi-
quement distribuées de loi uniforme sur [0, 1], l’événement {Un+1 Mn }
correspondant à l’ajout d’une boule argentée. La suite récurrente aléatoire
(Mn )n0 est à la fois une chaîne de Markov non homogène d’espace d’états
[0, 1] et une martingale. Codons le résultat du ne tirage par une variable
aléatoire Xn à valeurs dans {α, β} où α et β indiquent respectivement que
la boule tirée est argentée ou blanche. Notons enfin Yn et Zn les nombres
respectifs de boules argentées et blanches ajoutées après les n premiers ti-
rages. À l’instant n, l’urne contient a + Yn + b + Zn = a + b + n boules,
n
dont a + Yn = na + k=1 1{Xk =α} = (a + b + n)Mn boules argentées et
b + Zn = b + k=1 1{Xk =β} boules blanches. On a Yn + Zn = n. La suite
(Xn , Yn , Zn )n1 vérifie la récurrente aléatoire

(α, Yn + 1, Zn ) si Un+1 a+b+n
a+Yn
,
(Xn+1 , Yn+1 , Zn+1 ) = a+Yn
(β, Yn , Zn + 1) si Un+1 > a+b+n ,
avec la convention Y0 = 0 et Z0 = 0 (il est inutile de définir X0 ).
Théorème 15.1 (Martingale). La suite (Mn )n0 est une martingale à valeurs
dans [0, 1] pour la filtration (Fn )n0 définie par Fn = σ(U1 , . . . , Un ), et en
particulier la proportion moyenne de boules argentées est conservée au cours
du temps : pour tout n ∈ N,
a
E(Mn ) = E(M0 ) = .
a+b
De plus, il existe une variable aléatoire M∞ sur [0, 1] telle que
lim Mn = M∞
n→∞
p.s. et dans Lp pour tout p 1. En particulier E(M∞ ) = E(M0 ) = a

a+b .
Démonstration. Pour tout n ∈ N, Mn est Fn -mesurable, à valeurs dans [0, 1]

donc bornée donc intégrable, et
(a + b + n)Mn + Mn
E(Mn+1 | Fn ) = E(Mn+1 | Mn ) = = Mn .
a+b+n+1
Ainsi (Mn )n0 est une martingale pour (Fn )n0 . Le théorème de convergence
des martingales uniformément bornées donne Mn → M∞ presque sûrement
et dans Lp où M∞ est une variable aléatoire à valeurs dans [0, 1] 1 .
1. La martingale est uniformément intégrable. Alternativement, on peut utiliser
le théorème de convergence des martingales positives pour obtenir la convergence
presque sûre puis le théorème de convergence dominée pour la convergence dans Lp .
15.1 Urne de Pólya 201
Théorème 15.2 (Équilibre). La variable aléatoire M∞ qui apparaît dans le

théorème 15.1 suit la loi Beta sur [0, 1] de paramètre (a, b) de densité

ua−1 (1 − u)b−1 1
u ∈ [0, 1] → où Beta(a, b) := pa−1 (1 − p)b−1 dp.
Beta(a, b) 0
En particulier, si a = b = 1 alors M∞ suit la loi uniforme sur [0, 1].

Démonstration. Rappelons tout d’abord que
∞
Γ (a)Γ (b)
Beta(a, b) = où Γ (x) := tx−1 e−x dx.
Γ (a + b) 0
À présent, pour tous c et k on note
(c + k − 1)! Γ (c + k)
c(k) = c(c + 1) · · · (c + k − 1) = = .
(c − 1)! Γ (c)
Pour tous x1 , . . . , xn dans {0, 1}, on a, en notant k = x1 + · · · + xn ,
a(k) b(n−k)
P(1{X1 =α} = x1 , . . . , 1{Xn =α} = xn ) = .
(a + b)(n)
Cette probabilité est invariante par permutation des x1 , . . . , xn : la loi du

vecteur aléatoire (1
{X 1 =α}
, . . . , 1{Xn =α} ) est échangeable. Ainsi le nombre
n
(aléatoire) Yn = k=1 1{Xk =α} de boules argentées tirées au cours des n
premiers tirages vérifie, pour tout k ∈ {0, 1, . . . , n},
(k) (n−k)
n a b
P(Yn = k) =
k (a + b)(n)

n Γ (a + k)Γ (b + n − k)Γ (a + b)
=
k Γ (a)Γ (b)Γ (a + b + n)

n Beta(a + k, b + n − k)
=
k Beta(a, b)
1
n k pa−1 (1 − p)b−1
= p (1 − p)n−k dp.
0 k Beta(a, b)
On dit que Yn suit la loi Beta-binomiale, qui est un mélange de lois binomiales
de taille n dont le paramètre p suit la loi Beta de paramètre (a, b). On a
Mn = (a + Yn )/(a + b + n) avec Y0 = 0. Lorsque a = b = 1, la formule
pour la loi de Yn indique que Yn est uniforme sur {0, 1, . . . , n}, et donc Mn
est uniforme sur {1/(n + 2), . . . , (n + 1)/(n + 2)}, ce qui entraîne que M∞
est uniforme sur [0, 1]. Dans le cas général, on peut établir, en utilisant la
correspondance Beta-binomiale (chapitre 1), que pour tout t ∈ [0, 1],
P(M∞ t) = lim P(Yn (a + b + n)t − a)

n→∞
202 15 Renforcement
Urne de Polya, a=1, b=1

1.0
0.8
0.6
Mn
0.4
0.2
0.0
0 50 100
n
Fig. 15.1. Quelques trajectoires de l’urne de Pólya.
t
1
= ··· = ua−1 (1 − u)b−1 du.
Beta(a, b) 0
Les théorèmes 15.1 et 15.2 s’étendent au cas où a et b sont réels > 0, ce

qui motive en particulier l’usage des fonctions Gamma et Beta plutôt que des
factorielles. Dans ce cas, on peut remplacer le concept d’urne par le concept
de partition d’intervalle.
Remarque 15.3 (Urne de Pólya généralisée). Généralisons le mécanisme de
renforcement comme suit : on se donne un entier r −1, et, à chaque tirage,
on remet dans l’urne 1 + r boules de la couleur tirée.
— si r = 1 on retrouve l’urne de Pólya que nous avons étudiée, pour
laquelle Yn suit la loi Beta-binomiale ;
— si r = 0, alors on a des tirages avec remise et Yn est binomiale ;
— si r = −1 alors on a des tirages sans remise et Yn est hypergéométrique ;
— de manière générale, pour tout r −1 et tout k ∈ {0, 1, . . . , n}, on a
a(r,k) b(r,k)
P(Yn = k) = où c(r,k) := c(c + r) · · · (c + (k − 1)r).
(a + b)(r,k)
On obtient dans ce cas que M∞ suit la loi Beta de paramètre (a/r, b/r).
Il est possible de considérer un nombre arbitraire de couleurs, ce qui fournit
un modèle incluant le modèle d’échantillonnage de la loi hypergéométrique
multitypes. De nombreux modèles de renforcement peuvent être obtenus comme
une version généralisée de l’urne de Pólya.
15.2 Graphe de Barabási-Albert 203
Remarque 15.4 (Matrice de remise). Soit A = (ai,j )1i,jk une matrice

k × k de nombres entiers. Considérons une urne de Pólya généralisée à k
couleurs qui évolue comme suit : on tire une boule au hasard dans l’urne, on
repère sa couleur, notée i, puis on remet dans l’urne ai,j boules de couleur j
pour tout 1 j k. On dit que A est la matrice de remise de l’urne. Pour
l’urne de Pólya standard que nous avons étudiée on a k = 2 et A = 2I2 .
15.2 Graphe de Barabási-Albert

Les graphes aléatoires permettent de modéliser un certain nombre de phé-
nomènes naturels, comme les structures d’amitié dans les réseaux sociaux, les
structures des liens entre pages dans le World Wide Web, les structures de
collaboration dans les productions artistiques et scientifiques, les structures de
régulation entre protéines, les liaisons entre machines dans le réseau Internet,
etc. Les arbres de type Galton-Watson du chapitre 3 constituent un modèle de
graphe aléatoire adapté aux structures de filiations. Le modèle le plus célèbre
et le plus simple de graphe aléatoire est sans doute celui de Erdős-Rényi, évo-
qué dans le chapitre 16 : il se construit récursivement en ajoutant un nouveau
site puis en tirant à pile ou face de manière indépendante sa connexion avec
chacun des sites existants. Ce modèle ne colle pas avec la réalité de graphes
aléatoires sociaux, pour lesquels les nouveaux sites se connectent préféren-
tiellement aux sites existants les plus importants au sens de la connectivité
(degré). Il y a là une instance du phénomène de renforcement dont il faut
tenir compte spécifiquement.
Le graphe aléatoire à attachement préférentiel de Barabási-Albert est défini
de la manière suivante : au temps n 1, le graphe contient n sites (sommets)
et un certain nombre de liens non orientés (arêtes) entre ces sites (voir la
figure 15.2). Le degré d’un sommet est le nombre d’arêtes pointant vers ce
sommet. Au temps n = 1, le site 1 est relié à lui même. Cette initialisation
assure de belles formules, mais n’a rien de canonique, et d’autres initialisations
sont possibles. Le degré du site 1 à l’instant 1 est donc 2. Pour faire évoluer
récursivement le graphe, du temps n au temps n + 1, on considère les degrés
dn,1 , . . . , dn,n des n sites du graphe au temps n, et la loi de probabilité associée
dn,k
pn,k = ,
dn,1 + · · · + dn,n
puis on connecte le nouveau site n + 1 à un site choisi aléatoirement et indé-

pendamment parmi les n sites existants, avec la loi de probabilité pn,· . Avec
ce mécanisme, on obtient d1,1 = 2, d2,1 = 3, d2,2 = 1, et pour tout n 1,
dn,1 + · · · + dn,n = 2n (soit n arêtes).
Remarque 15.5 (Urne). On peut réaliser cette construction de la suite
(dn,· )n1 (en perdant la géométrie du graphe) comme un modèle d’urne de
Pólya généralisée : au temps n 1 l’urne contient 2n boules dont les couleurs
204 15 Renforcement
peuvent aller de 1 à n, on tire alors une boule au hasard, et si k est sa cou-

leur, on remet dans l’urne 2 boules de couleur k ainsi qu’une boule nouvelle de
couleur n + 1 ce qui correspond à renforcer le site de couleur k et à introduire
un nouveau site de couleur n + 1, autrement dit le graphe gagne un sommet
(n + 1) et une arête (k ↔ n + 1).
11
3
10 14
1
5
2 12
19
18 15 4 13
20
17 7
16
Fig. 15.2. Réalisation d’un graphe à attachement préférentiel de Barabási-Albert.
Si l’on omet l’arête reliant 1 à lui-même, le graphe à attachement préfé-

rentiel de Barabási-Albert n’a pas de cycles : c’est un arbre.
Théorème 15.6 (Loi de puissance). Fixons k 1. Soit dn,k le degré du site
k dans le graphe aléatoire à attachement préférentiel de Barabási-Albert à n
sites avec n k. Alors la proportion dn,k /(dn,1 + · · · + dn,k ) converge presque
sûrement quand n → ∞ vers une variable aléatoire de loi Beta de paramètre
(1, 2k − 1) sur [0, 1] de densité u ∈ [0, 1] → (2k − 1)(1 − x)2(k−1) .
La loi de puissance qui apparaît dans ce modèle à attachement préférentiel
correspond bien aux réseaux sociaux réels, et diffère du comportement sous-
exponentiel de la loi de Poisson des modèles de graphes aléatoires de Erdős-
Rényi à attachement non préférentiel 2 .
2. Dans un graphe de Erdős-Rényi de paramètre (n, p), chaque sommet possède

un nombre de voisins aléatoire de loi binomiale Bin(n − 1, p), qui converge vers
15.2 Graphe de Barabási-Albert 205
Démonstration. Comme dans la remarque 15.5, on code l’évolution de la suite

des degrés (sans souci de la structure de graphe sous-jacente) par un modèle
d’urne. Au temps k, on décide d’une coloration parallèle : les 2k − 1 boules
de couleur inférieure à k sont blanches tandis que la 2k-ième est argentée. Au
temps n > k, on ne suit que l’évolution des boules de ces couleurs là. Elle
correspond à une urne de Pólya avec une composition initiale de a = 1 et
b = 2k − 1. On peut utiliser alors le théorème 15.2.
Théorème 15.7 (Loi de puissance à degré fixé). Pour tous n, d 1, si
N (n, d) désigne le nombre de sites de degré d au temps n dans le graphe
aléatoire à attachement préférentiel de Barabási-Albert à n sites, alors

N (n, d) 4
lim E = .
n→∞ n d(d + 1)(d + 2)
Ainsi, dans un très grand graphe à attachement préférentiel (n 1), la

probabilité qu’une arête soit de degré d a une décroissance polynomiale en
d−3 quand d → ∞. La queue lourde de la loi du degré moyen est liée à la
présence, due au renforcement, de sites fortement connectés.
Démonstration. La suite (N (n, ·))n1 est une chaîne de Markov. Condition-
nellement à N (n, ·), pour créer un nouveau site de degré d, il faut ajou-
ter une arête à un site de degré d − 1, ce qui se produit avec probabilité
(d − 1)N (n, d − 1)/(2n), tandis qu’un site de degré d disparaît si on lui ajoute
une arête, ce qui se produit avec probabilité dN (n, d)/(2n). Enfin, un site de
degré 1 est créé à chaque étape par construction. Aussi, le nombre moyen
mn (d) := E(N (n, d)) de sites de degré d au temps n vérifie une équation de
récurrence linéaire, qualifiée d’équation maîtresse par Dorogovstev, Mendes,
et Samukhin : pour tout n, d 1 :
d d−1
mn+1 (d) − mn (d) = − mn (d) + mn (d − 1) + 1d=1 ,
2n 2n
avec pour condition initiale m1 = 1d=2 . Pour d = 1, l’équation s’écrit

b
mn+1 (1) = c + 1 − mn (1) avec c = 1 et b = 1/2,
n
ce qui donne

b b b
mn+1 (1) = c + 1 − c+ 1− 1− mn−1 (1)
n n n−1
n +
n n
+
b b
=c 1− + m1 (1) 1− .
j k
k=1 j=k+1 =0 k=1
la loi de Poisson Poi(λ) si np → λ quand n → ∞. Or si X ∼ Poi(λ) alors on a

P(X r) C exp(−cr log(r)) pour r 1 où c > 0 et C > 0 sont des constantes.
206 15 Renforcement
Or

+ b k b
n n
b
1− ≈ exp − ≈ exp − b(log(n) − log(k)) = ,
j j n
j=k+1 k=k+1
d’où n
−b nb+1 cn
mn (1) ≈ cn sb ds = cn−b = ,
0 b+1 b+1
de sorte que
mn (1) c 2
lim = = .
n
n→∞ b+1 3
Plus généralement, pour tout d > 1, on a

b(d)
mn+1 (d) = cn (d) + 1 − mn (d)
n
où
d − 1 mn (d − 1)
b(d) = d/2 et cn (d) = ,
2 n
et on montre par récurrence sur d que c(d) = limn→∞ cn (d) existe et
mn (d) c(d)
−→ .
n n→∞ b(d) + 1
Ensuite, en posant
mn (d)
(d) := lim
n n→∞
on obtient (1) = 2/3, tandis que pour tout d > 1,

(d−1)
(d − 1) d−1
(d) = 2
d
= (d − 1).
2 +1 d+2
Enfin, la solution de cette récurrence en d est (facile à vérifier !)

4
(d) = .
d(d + 1)(d + 2)
15.3 Marche aléatoire renforcée

Le phénomène du renforcement est à l’œuvre dans l’apparition des chemins
empruntés par les passants dans les montagnes ou par les fourmis sur le sol.
Considérons deux chemins distincts α et β reliant les mêmes points de départ
et d’arrivée, empruntés par des passants successifs. Pour tout n 1, on code
15.3 Marche aléatoire renforcée 207
Marches renforcées géométriquement.

1.0
San/n
0.5
0.0
0 100 200 300
n
Fig. 15.3. Occupation d’un chemin pour la marche renforcée géométriquement.
par une variable aléatoire Xn à valeur dans {α, β} le chemin emprunté lors
du n-ième passage. On code par des v.a. An et Bn l’attractivité des chemins
α et β au moment du (n + 1)e passage : pour les humains, il peut s’agir par
exemple de la raréfaction de l’herbe, tandis que pour les fourmis, il peut s’agir
de la quantité de phéromone. On se donne (A0 , B0 ), ainsi qu’une fonction
r : ]0, ∞[→ ]0, ∞[ appelée fonction de renforcement telle que r(x) x pour
tout x > 0, et on modélise (Xn )n1 par

(α, r(An ), Bn ) si Un+1 An
An +Bn ;
(Xn+1 , An+1 , Bn+1 ) = An
(β, An , r(Bn )) si Un+1 > An +Bn ,
où (Un )n1 est une suite de variables aléatoires indépendantes et identi-

quement distribuées de loi uniforme sur [0, 1]. La suite récurrente aléatoire
((Xn , An , Bn ))n0 est une chaîne de Markov (la valeur de X0 ne joue aucun
rôle dans la récurrence). Lorsque A0 , B0 , et r prennent des valeurs entières,
tout se passe comme si nous avions une urne contenant, à tout instant n, An
boules argentées et Bn boules blanches : on tire une boule au hasard dans
cette urne, puis on introduit dans l’urne r(An ) boules de la même couleur, de
sorte qu’on obtient le cas des tirages sans remise si r(x) = x, l’urne de Pólya
si r(x) = x + 1, et une sorte d’urne de Pólya non-linéaire dans le cas général.
La suite (Xn )n1 constitue une marche aléatoire non markovienne sur
l’ensemble à deux points {α, β}. Ses transitions dépendent les unes des autres
via le mécanisme de renforcement lié au temps passé sur chaque site. On parle
208 15 Renforcement
de marche aléatoire renforcée par sites. Le mécanisme de renforcement peut

également être vu comme une sorte d’algorithme stochastique.
Pour simplifier, on suppose que A0 = B0 = 1 (X0 est inutile). Le nombre
de passages par le chemin α et par le chemin β à l’instant n sont donnés par

n
n
Yn = 1{Xk =α} et Zn = 1{Xk =β} .
k=1 k=1
On pose par commodité Y0 = 0 et Z0 = 0 de sorte que Yn + Zn = n pour tout

n ∈ N. Le théorème suivant précise le comportement de ces deux suites pour
trois cas de fonction de renforcement r.
Théorème 15.8 (Comportement asymptotique presque sûr quand n → ∞).
— Absence de renforcement. Si r(x) = x pour tout x > 0, alors presque

sûrement lim inf |Yn − Zn | = 0, et
n n |Yn − Zn |
Yn ∼ , Zn ∼ , lim sup = 1.
2 2 2n log(log(n))
— Renforcement linéaire. Si r(x) = x + 1 pour tout x > 0 alors il existe

une variable aléatoire U uniforme sur [0, 1] telle que presque sûrement,
Yn Zn
→U et → 1 − U.
n n
— Renforcement géométrique. Si r(x) = ρx pour tout x > 0 où ρ > 1
est une constante alors presque sûrement la suite aléatoire (Xn )n0 est
constante à partir d’un certain rang sur n, et sa valeur limite suit la
loi de Bernoulli symétrique sur {α, β}.
En l’absence de renforcement ou dans le cas du renforcement linéaire, la
fréquence d’emprunt de chacun des deux chemins converge au fil du temps
vers 1/2 dans le premier cas et vers un nombre aléatoire uniforme sur [0, 1]
dans le second. Intuitivement, un renforcement sur-linéaire pourrait forcer la
fréquence d’emprunt des chemins à converger vers les valeurs extrêmes 0 ou
1. Cela est confirmé pour le renforcement géométrique, pour lequel au bout
d’un certain temps, l’un des deux chemins est emprunté systématiquement.
Le modèle du renforcement linéaire coïncide avec l’urne de Pólya étudiée
précédemment. Le modèle du renforcement géométrique est particulièrement
attrayant, car il fait apparaître un chemin privilégié, choisi aléatoirement au
fil du renforcement. Il s’agit en quelque sorte d’une urne de Pólya généralisée
non-linéaire, plus précisément sur-linéaire. Le théorème 15.9 de Rubin ci-après
fournit un critère sur le renforcement pour que ce phénomène apparaisse.
Démonstration. On traite les trois cas séparément.

15.3 Marche aléatoire renforcée 209
— Absence de renforcement. Dans ce cas (An )n0 et (Bn )n0 sont des
suites constantes et égales à 1. On retrouve les tirages avec remise, le
processus de Bernoulli (jeu de pile ou face). La suite (Yn )n0 est un
processus de Bernoulli sur N issu de 0 dont les incréments sont de loi
de Bernoulli sur {0, 1} de paramètre A0 /(A0 + B0 ) = 1/2. D’après
la loi forte des grands nombres, presque sûrement, Yn /n → 1/2 et
Zn /n = 1 − Yn /n → 1/2 quand n → ∞. La suite (Yn − Zn )n0 est une
marche aléatoire sur Z issue de 0 dont les incréments sont de loi de
Rademacher sur {−1, 1} de paramètre 1/2. C’est une chaîne de Markov
irréductible récurrente : presque sûrement chaque état est visité une
infinité de fois, et en particulier l’état 0, d’où lim |Yn − Zn | = 0 p.s. Le
résultat sur lim provient de la loi du logarithme itéré de Strassen ;
— Renforcement linéaire. Dans ce cas An = 1 + Yn et Bn = 1 + Zn pour
tout n ∈ N. On retrouve l’urne de Pólya et le résultat attendu découle
alors directement du cas uniforme dans le théorème 15.2. Effectuons
malgré tout le raisonnement allégé avec les notations actuelles. La re-
lation Yn + Zn = n réduit le problème à l’étude de Yn . Soit (Fn )n0 la
filtration définie par Fn = σ(U1 , . . . , Un ). On a
E(1 + Yn+1 | Fn ) = 1 + Yn + E(1{Xn+1 =α} | Fn )

= 1 + Yn + E(1{Un+1 1+Yn } | Fn )
n+2
1 + Yn 1 + Yn
= 1 + Yn + = (2 + (n + 1)) ,
n+2 2+n
et donc ((1 + Yn )/(n + 2))n0 est une martingale pour (Fn )n0 . À va-
leurs dans [0, 1], elle est uniformément bornée et converge donc presque
sûrement (et en moyenne) vers une variable aléatoire U à valeurs dans
[0, 1]. On montre enfin par récurrence sur n que (1 + Yn )/(n + 2) suit
la loi uniforme sur {1/(n + 2), . . . , (n + 1)/(n + 2)} ;
— Renforcement géométrique. Dans ce cas An = ρYn et Bn = ρZn pour
tout n ∈ N. La variable aléatoire Δn := Yn − Zn vérifie Δ0 = 0 et
Δn+1 = Δn + 1{Un+1 1/(1+ρ−Δn )} − 1{Un+1 >1/(1+ρ−Δn )} .
Posons Fn = σ(U1 , . . . , Un ). Il en découle que
ρ|Δn |
P(|Δn+1 | = |Δn | + 1 | Fn ) = 1{Δn =0} + 1{Δn =0}
1 + ρ|Δn |
1
P(|Δn+1 | = |Δn | − 1 | Fn ) = 1{Δn =0} .
1 + ρ|Δn |
Si f : N → R vérifie f (1) f (0) et pour tout n 1,
ρn (f (n + 1) − f (n)) = f (n) − f (n − 1),
alors
210 15 Renforcement
E(f (|Δn+1 |) | Fn ) = f (|Δn |) + 1{Δn =0} f (|Δn |),

et (f (|Δn |))n0 est une sous-martingale. Considérons maintenant le
cas spécial où f (0) = 0 et, pour tout n 1,

n−1
k(k+1)
f (n) = ρ− 2 .
k=0
Comme f est bornée, il en découle que la sous-martingale f (|Δ|) est

uniformément bornée : elle converge donc p.s. (et en moyenne). Comme
f est injective et comme |Δ| prend ses valeurs dans N, les valeurs
prises par f (|Δ|) sont discrètes. Comme f (|Δ|) converge p.s., elle ne
peut converger que vers le seul point d’accumulation de f (N), qui est
∞ k(k+1)
limn→∞ f (n) = k=0 ρ− 2 . Ainsi p.s. limn→∞ |Δn | = ∞. À pré-
sent, pour tous N, d 0, la probabilité que la suite |Δ| soit croissante
à partir du rang N sachant que |ΔN | = d vaut
∞
+ 1
P(∀n N : |Δn+1 | = |Δn | + 1 | |ΔN | = d) = =: pd .
1 + ρ−k
k=d
La probabilité pd ne dépend pas de N , et tend en croissant vers 1

lorsque d → ∞. Ainsi la probabilité que |Δ| soit croissante à partir
d’un certain rang (aléatoire) s’écrit
P(∃N 0, ∀n N : |Δn+1 | = |Δn | + 1)
Elle est supérieure à
∞

sup P(∀n N, |Δn+1 | = |Δn | + 1) = sup pd P(|ΔN | = d).
N 0 N 0
d=0
Or pour tout d 0, on a limN →∞ P(|ΔN | = d) = 0 car nous savons

que limN →∞ |ΔN | = ∞ p.s. Par conséquent, pour tout D 0,
∞
∞

sup pd P(|ΔN | = d) sup pd P(|ΔN | = d) pD .
N 0 N 0
d=0 d=D
Comme PD → 1 quand D → ∞, il en découle que presque sûrement

|Δ| est croissante à partir d’un certain rang, et donc la suite X est
absorbée par α ou par β. La loi de la limite de X est symétrique par
symétrie du modèle en α et β car A0 = B0 .
15.4 Théorème de Rubin

Cette section est consacrée à un théorème de Rubin sur les urnes de Pó-
lya généralisées. On se donne deux fonctions croissantes Sα , Sβ : N → R+
15.4 Théorème de Rubin 211
telles que Sα (0) > 0 et Sβ (0) > 0. On construit une suite récurrente aléatoire
(Xn )n1 à valeurs dans {α, β} comme suit : pour tout n ∈ N, condition-
n
nellement à X1 , . . . , Xn , en notant Yn = k=1 1{Xk =α} le nombre de α et
Zn = n − Yn le nombre de β,

(α, Yn + 1, Zn ) si Un+1 Sα (YSnα)+S
(Yn )
β (Zn )
,
(Xn+1 , Yn+1 , Zn+1 ) = Sα (Yn )
(β, Yn , Zn + 1) si Un+1 > Sα (Yn )+Sβ (Zn ) ,
où (Un )n1 est une suite de variables aléatoires i.i.d. de loi uniforme sur [0, 1].
La suite (Xn )n1 ainsi construite code les tirages successifs d’une urne de
Pólya généralisée. Le modèle du théorème 15.8 dans le cas où (A0 , B0 ) est dé-
terministe s’obtient avec (Sα (0), Sβ (0)) = (A0 , B0 ), et Sα (n) = Sβ (n) = r(n)
pour tout n > 0. Si r est linéaire alors on retrouve l’absence de renforce-
ment (tirages avec remise). Si r est affine alors on retrouve le renforcement
linéaire (urne de Pólya standard). Enfin, si r est une fonction puissance, alors
on retrouve le renforcement géométrique.
Pour étudier le cas général, on introduit la probabilité pα (respectivement
pβ ) que la suite (Xn )n1 ne comporte qu’un nombre fini de β (respectivement
de α) c’est-à-dire que des α (respectivement que des β) à partir d’un certain
rang sur n. Ces probabilités sont données par les formules suivantes :
pα = P(∪n ∩kn {Xk = α}) et pβ = P(∪n ∩kn {Xk = β}).
On a pα +pβ 1. Les nombres suivants dans [0, ∞] vont jouer un rôle crucial :
∞
∞

1 1
ϕα = et ϕβ = .
S
n=0 α
(n) S
n=0 β
(n)
Théorème 15.9 (de Rubin). Les valeurs de pα , pβ sont liées à ϕα , ϕβ :

ϕβ < ∞ ϕβ = ∞
ϕα < ∞ pα > 0, pβ > 0, pα + pβ = 1 pα = 1 (donc pβ = 0)
ϕα = ∞ pβ = 1 (donc pα = 0) pα = 0, pβ = 0
Ainsi, la trivialité des probabilités pα et pβ ne dépend que du comporte-
ment asymptotique des fonctions de renforcement Sα et Sβ , et les cas critiques
sont liés à la condition de Riemann. En absence de renforcement (Sα et Sβ
sont linéaires) ainsi que dans le cas d’un renforcement linéaire (Sα et Sβ sont
affines) on a ϕα = ϕβ = ∞ car la série harmonique diverge. Dès que le renfor-
cement est sur-linéaire, alors ϕα < ∞ et ϕβ < ∞, en particulier pour le cas
du renforcement quadratique, et bien sûr le cas du renforcement géométrique.
Démonstration. Soient (Enα )n0 et (Enβ )n0 deux suites indépendantes de va-
riables aléatoires indépendantes de loi exponentielle avec, pour tout n 0,
1 1
E(Enα ) = et E(Enβ ) =
Sα (n) Sβ (n)
212 15 Renforcement
À présent, on définit les ensembles aléatoires

n n
β
A= Ek : n 0
α
et B = Ek : n 0 et G = A ∪ B.
k=0 k=0
Soit ξ0 < ξ1 < · · · les éléments de G rangés par ordre croissant. On considère
à présent la suite aléatoire (Xn )n1 à valeurs dans {α, β} définie par Xn = α
si ξn−1 ∈ A et Xn = β si ξn−1 ∈ B. Les suites (Xn )n1 et (Xn )n1 ont
même loi, et cela découle des propriétés des lois exponentielles dont l’absence
de mémoire. Examinons l’égalité en loi de X1 et X1 . Si U et V sont deux
variables aléatoires indépendantes de lois exponentielles de moyennes 1/u et
1/v alors P(U < V ) = u/(u + v) et P(V < U ) = v/(u + v), ce qui fait que
Sα (0)
P(X1 = α) = P(ξ0 ∈ A) = P(E0α E0β ) = = P(X1 = α).
Sα (0) + Sβ (0)
La même idée fournit (avec du labeur !) l’égalité en loi de (Xn )n1 et (Xn )n1 .
À présent une loi∞ du zéro-un pour les lois exponentielles (théorème 11.5)
affirme que p := P( n=0 Enα < ∞) ∈ {0, 1}, avec p = 1 ssi ϕα < ∞. La même
propriété a lieu pour la suite (Enβ )n0 avec ϕβ . Par ailleurs, on a les formules
∞ ∞ ∞ ∞
pβ = P( n=0 Enα < n=0 Enβ ) et pα = P( n=0 Enβ < n=0 Enα ).
Les urnes de Pólya sont étudiées notamment dans le livre de Hosam Mah-
moud [Mah09], dans celui de Norman Johnson et Samuel Kotz [JK77], et
dans les articles de survol de Samuel Kotz et Narayanaswamy Balakrishnan
[KB97] et de Robin Pemantle [Pem07]. Les urnes de Pólya portent le nom du
mathématicien hongrois George Pólya. L’école hongroise de mathématiques a
beaucoup développé les mathématiques discrètes aléatoires, avec notamment
les célèbres travaux de Paul Erdős et Alfréd Rényi des années 1950 sur les
graphes aléatoires. Le modèle de graphe aléatoire à attachement préférentiel
a été introduit par les physiciens hongrois Albert-László Barabási et Réka
Albert [AB99, AB02]. Voici leur heuristique pour le comportement en d−3 :
si les degrés et le temps étaient continus, on aurait l’équation d’évolution
dt,k dt,k
∂t dt,k = = ,
k dt,k 2t
qui donne la formule dt,k = (t/tk )1/2 où tk est le temps d’apparition du

site k, et comme les sites sont ajoutés uniformément sur [0, t], on obtient la
formule P(dt,k > d) = P(tk < t/d2 ) = 1/d2 , d’où en dérivant, la formule
très simple P(dt,k = d) = 2/d3 , qui est le comportement polynomial (puis-
sance) suggéré par les simulations. Cette approche est peu rigoureuse, et la
constante 2 notamment n’est pas bonne. Le modèle de Barabási et Albert a

été ensuite étudié par Béla Bollobás, Oliver Riordan, Joel Spencer, et Gá-
bor Tusnády [BRST01]. Il peut être vu comme une instance du phénomène
d’auto-organisation. Le sujet fait toujours l’objet de recherches à l’heure où
nous écrivons ces lignes, comme en témoigne par exemple l’article [BMR14]
de Sébastien Bubeck, Elchanan Mossel, et Miklós Rácz, ou encore l’article
[CDKM14] de Nicolas Curien, Thomas Duquesne, Igor Kortchemski, et Ioan
Manolescu. La partie de ce chapitre sur les graphes aléatoires à attachement
préférentiel est inspirée du cours [Bod14] de Thierry Bodineau à l’École Poly-
technique, ainsi que des livres de Remco van der Hofstad [vdH14] et de Rick
Durrett [Dur10b]. Il est possible d’utiliser l’inégalité d’Azuma-Hoeffding du
chapitre 20 pour établir que N (n, d) (sans espérance) a un comportement po-
lynomial en d quand n → ∞. Il est également possible de modifier la règle
d’attachement préférentiel afin d’obtenir un comportement polynomial de de-
gré différent de 3, ce qui correspond à considérer une urne de Pólya modifiée
(non-linéaire). Le mécanisme d’attachement préférentiel est également pré-
sent dans le processus de branchement de Herbert Simon et Udny Yule. La
loi discrète à décroissance polynomiale, version discrète de la loi de (Vilfredo)
Pareto, est connue sous le nom de loi de (George Kingsley) Zipf.
La partie sur la marche aléatoire renforcée est inspirée d’un texte de
Thierry Lévy. Nous renvoyons plus généralement au survol [Pem07] de Ro-
bin Pemantle sur les processus aléatoires renforcés, ainsi qu’à celui de Pierre
Tarrès [Tar11] sur les marches aléaoires renforcées. Un résultat récent sur le
renforcement se trouve par exemple dans l’article de Margherita Disertori,
Christophe Sabot, et Pierre Tarrès [DST14]. Un modèle continu de renfor-
cement est étudié par Michel Benaïm et Olivier Raimond dans [BR11]. Le
théorème 15.9 de Herman Rubin figure dans un appendice d’un article de
Burgess Davis [Dav90].
Au-delà des modèles évoqués, le phénomène de renforcement joue un rôle
important dans la théorie de l’apprentissage. Il est également relié à une
gamme d’algorithmes stochastiques comme l’algorithme d’approximation sto-
chastique de Robbins-Monro, lié à la théorie des systèmes dynamiques et ses
attracteurs. Les martingales constituent un outil privilégié de l’approche sto-
chastique de la théorie des jeux et stratégies, présentée brièvement dans le
livre de Michel Benaïm et Nicole El Karoui [BEK05].
16
Percolation
Mots-clés. Percolation ; phénomène de seuil ; graphe aléatoire ; arbre aléa-

toire ; arbre de Bethe ; réseau euclidien ; graphe complet ; graphe aléatoire de
Erdős-Rényi.
Outils. Couplage ; lemme de sous-additivité de Fekete ; loi du zéro-un
de Kolmogorov ; marche aléatoire ; processus de Galton-Watson ; martingale ;
théorème d’arrêt ; inégalité de Markov ; transformée de Laplace.
Difficulté. **
La percolation désigne initialement le passage d’un fluide à travers un mi-

lieu perméable, comme l’eau dans le café ou le pétrole dans la roche. Signalons
qu’une des motivations de l’étude mathématique de ce phénomène était la mo-
délisation d’un filtre de masque à gaz. On peut également utiliser la notion
de percolation pour modéliser la propagation d’une information au sein d’un
réseau social par exemple : chaque individu est connecté directement à plu-
sieurs autres et l’on cherche à comprendre à qui il est relié dans la population
globale via ces connections locales.
Nous commençons par introduire la notion de percolation sur un graphe gé-
néral. Nous abordons ensuite le cas plutôt simple du graphe de Bethe (arbre),
puis celui plus physique du graphe euclidien. Nous terminons par quelques
mots sur un modèle de graphe complet. Ces trois cadres peuvent modéliser la
transmission d’information dans une entreprise à très fort sens de la hiérarchie
(pour le premier) ou dans un réseau social (pour le troisième) ou encore la
circulation d’un fluide dans une roche perméable (pour le deuxième).
16.1 Percolation dans un graphe

Un graphe (non-orienté) est un couple G = (V, E) où V est un ensemble
non-vide fini ou infini dénombrable, et où E ⊂ P2 (V ), où P2 (V ) est l’ensemble

216 16 Percolation
des parties de V à deux éléments. Les éléments de V et E sont respectivement

appelés 1 sommets et arêtes du graphe G. Si l’arête {x, y} appartient à E, on
dit que x et y sont voisins et on note x ∼ y. L’exemple le plus immédiat est
celui du graphe euclidien Ed = (V, E) pour lequel V = Zd et
E = {{x, y} : x, y ∈ Zd , |x − y|1 := |x1 − y1 | + · · · + |xd − yd | = 1}.
Un chemin de longueur n dans le graphe (V, E) reliant un sommet x à un

sommet y est une suite finie x = x0 ∼ · · · ∼ xn = y. S’il existe un chemin
reliant x à y, on dit que x et y communiquent (ou sont connectés) et on
note x ↔ y. On n’a jamais x ∼ x, mais on convient que x ↔ x pour tout
x ∈ V . La relation binaire ↔ sur V est une relation d’équivalence et la classe
d’équivalence (ou composante connexe) du point x est notée C(x). Un chemin
est dit auto-évitant si tous les sommets qui le composent sont distincts. Si
x ↔ y et x = y alors il existe un chemin auto-évitant de x à y, construit à
partir d’un chemin quelconque en effaçant les boucles. Un chemin reliant un
sommet à lui-même est appelée cycle. On dit que (V, E) est un arbre lorsqu’il
est connexe et n’a pas de cycles, ou de manière équivalente lorsque deux
sommets distincts sont toujours reliés par un unique chemin auto-évitant.
Dans la suite V est, sauf mention du contraire, infini dénombrable. Soit
F ⊂ E. On dit qu’il y a percolation en x ∈ V (pour F ) si la classe C(x) de
x dans le graphe (V, F ) est de taille infinie (|C(x)| = ∞), et on note x ↔ ∞.
On identifie l’ensemble des parties de E à l’ensemble
Ω := {0, 1}E .
Dans la suite, on choisit F de manière aléatoire dans Ω, et ainsi (V, F ) est un

graphe aléatoire. On décide de fabriquer F à partir de E en tirant à pile ou
face pour savoir si on conserve ou si on efface chaque arête de E. Cela revient
à introduire la loi de probabilité
5
Pp = Ber(p)
e∈E
sur Ω muni de sa tribu cylindrique F, où p ∈ [0, 1] est un paramètre fixé. On

note Ep l’espérance sous Pp . Pour étudier l’influence du paramètre p sur le
phénomène de percolation sous Pp , on distingue un sommet particulier ∅ ∈ V ,
que nous appelons racine – on dit qu’on enracine (V, E) en ∅ – et on définit
la probabilité de percolation sous Pp pour ∅ par
θ(p) := Pp (∅ ↔ ∞) = Pp (|C(∅)| = ∞).
Lemme 16.1 (Monotonie). La fonction p ∈ [0, 1] → θ(p) est croissante, et
θ(0) = 0 et θ(1) = 1.
1. On dit «vertices» et «edges» en anglais, d’où la notation.
16.1 Percolation dans un graphe 217
20
10
-10
-20
-20 -10 0 10 20
Fig. 16.1. Réalisation du graphe aléatoire (V, F ) du graphe euclidien E2 sous P1/2 .
La monotonie de θ conduit à introduire la notion de probabilité critique :
pc = sup {p ∈ [0, 1] : θ(p) = 0} ∈ [0, 1].
Démonstration. Si p = 0 alors F est vide et donc θ(0) = 0 tandis que si

p = 1 alors F = E et θ(1) = 1. Pour établir la monotonie en p, on procède
par un couplage de toutes les lois (Pp )p∈[0,1] . Soient (Ue )e∈E des v.a.r. i.i.d.
de loi uniforme sur [0, 1]. Pour tout p ∈ [0, 1] on réalise Pp comme la loi de
Fp := (1{Ue p} )e∈E . Si p p , alors Fp ⊂ Fp . Toute arête de (V, Fp ) est
aussi une arête de (V, Fp ). Si x ↔ y pour (V, Fp ) alors c’est aussi le cas pour
(V, Fp ). Par conséquent on obtient
θ(p) = Pp (∅ ↔ ∞) Pp (∅ ↔ ∞) = θ(p ).
Remarque 16.2 (Couplage et monotonie). Munissons Ω de l’ordre partiel

issu de l’inclusion dans P2 (V ), ce qui signifie que F F ssi toute arête de
(V, F ) est aussi une arête de (V, F ). Pour toute f : Ω → R bornée, l’argument
de couplage utilisé dans la preuve du lemme 16.1 assure que si f est croissante
alors p ∈ [0, 1] → Ep (f ) l’est aussi.
218 16 Percolation
16.2 Graphe de Bethe (arbre régulier)

On considère dans cette section le cas où (V, E) est le graphe de Bethe
Br de degré r 2, c’est-à-dire l’arbre infini dont chaque sommet a r voisins
sauf un qui n’en a que r − 1, noté 0 et appelé racine de l’arbre (voir la
figure 16.2). Pour tout p ∈ [0, 1], sous Pp , le graphe aléatoire (V, F ) est un
ensemble d’arbres qu’on appelle parfois forêt. La probabilité de percolation
et la probabilité critique pour le sommet racine ∅ = 0 dans Br sous Pp sont
respectivement notées
θr (p) := Pp (0 ↔ ∞) = Pp (|C(0)| = ∞),

pc (r) := sup {p ∈ [0, 1] : θr (p) = 0}.
Théorème 16.3 (Phénomène de seuil pour percolation sur graphe de Bethe).

Pour tout r 2 et tout p ∈ [0, 1] la quantité θr (p) est la plus grande racine
en θ ∈ [0, 1] de l’équation
1 − θ = (1 − pθ)r−1 ,
tandis que
1
pc (r) = .
r−1
De plus, la fonction θr est continue, nulle sur [0, pc (r)], strictement croissante
sur [pc (r), 1], et pour r 3 on a
θr (p) 2 2(r − 1)2

lim = = .
p→pc (r)+ p − pc (r) pc (r)(1 − pc (r)) r−2
Si r 3 alors 0 < pc (r) < 1 ce qui indique la présence d’un phénomène de

seuil pour la percolation sur le graphe de Bethe Br .
Démonstration. Le graphe de Bethe Br coïncide avec l’arbre de Galton-

Watson de loi de reproduction δr−1 . Sous Pp on obtient un arbre aléatoire
dans lequel chaque sommet de l’arbre est relié à chacun de ses r − 1 enfants
avec une probabilité p. Le nombre de ces connexions est distribué selon la loi
de reproduction Bin(r − 1, p) de moyenne m = (r − 1)p. D’après le chapitre 3,
cet arbre est sous-critique si m < 1, critique si m = 1, et sur-critique si m > 1.
D’après le théorème 3.7 la probabilité d’extinction de la population est la plus
petite racine sp de l’équation gp (s) = s où gp est la fonction génératrice de
la loi de reproduction : gp (s) = (ps + 1 − p)r−1 pour s ∈ [0, 1]. L’extinction
de la population est synonyme de la finitude de la composante connexe de la
racine. On a donc θr (p) = 1 − sp et θr (p) est ainsi la plus grande racine dans
[0, 1] de l’équation 1 − θ = (1 − pθ)r−1 .
Soit hp la fonction définie sur [0, 1] par hp (θ) = (1 − pθ)r−1 − 1 + θ. Elle
est nulle en 0, strictement positive en 1, strictement convexe si r 3 et affine
si r = 2. De plus hp (0) a le signe de 1 − p(r − 1). Ainsi, pour p(r − 1) 1,
16.2 Graphe de Bethe (arbre régulier) 219
1 2 3
11 12 13 21 22 23 31 32 33
Fig. 16.2. Premières branches de B4 avec arêtes supprimées par Pp (en pointillé).
hp ne s’annule qu’en 0 et θr (p) = 0. En revanche, hp s’annule exactement

une fois sur ]0, 1[ dès que p(r − 1) > 0. En conclusion, la probabilité θr (p)
est nulle pour p (r − 1)−1 et strictement positive pour p > (r − 1)−1 . La
fonction p → hp (θ) est strictement décroissante et continue. Ceci assure que
la fonction θr est continue sur [0, 1] et strictement croissante sur [pc (r), 1].
On a enfin 1 − θ = 1 − (r − 1)pθ + 12 (r − 1)(r − 2)p2 θ2 + o(θ2 ). Puisque
θr (pc (r)) = 0 et θr (p) est strictement positive pour p > pc = (r − 1)−1 , on
obtient après simplification
(r − 1)p − 1 2
θr (p) = 2 + o(θr (p)) = (p − pc ) + o(θr (p)).
(r − 1)(r − 2)p 2 (r − 2)p2
On conclut en remarquant que (r − 2)pc = 1 − pc .
θr (p)
1
pc (4) pc (3) 1 p
Fig. 16.3. Percolation pour Br avec r = 3 (trait plein) et r = 4 (trait en pointillé).
Remarque 16.4 (Caractère explicite des cas r 4). Pour r = 2, le graphe

de Berthe B2 est identifiable au graphe de N et sous Pp la v.a. |C(0)| suit la
220 16 Percolation
loi géométrique de paramètre 1 − p, et θ2 = 11 et pc (2) = 1. Pour r = 3 et

r = 4 l’équation vérifiée par θr (p) fournie par le théorème 16.3 est résoluble
explicitement (voir la figure 16.3) :

2p − 1 3p2 − 4p3 − 3p4
θ3 (p) = 1{p>1/2} et θ4 (p) = 1{p>1/3} .
p2 2p3
Remarque 16.5 (Taille moyenne de la composante de la racine). Reprenons
la preuve du théorème 16.3, et supposons que p pc (r). Alors |C(0)| < ∞
p.s. car la lignée de la racine s’éteint p.s. De plus d’après la section 3.3 la
fonction génératrice h de |C(0)| est solution de l’équation
h(s) = s(ph(s) + 1 − p)r−1 .
En particulier on obtient
⎧
⎨ 1
si p < pc (r),
Ep (|C(0)|) = 1 − p(r − 1)
⎩
∞ si p = pc (r).
D’autre part, si p ∈ ]pc , 1[ alors il existe une infinité de classes de taille infinie
car les individus non reliés à leur père sont les racines d’arbres aléatoires
disjoints i.i.d. Cette situation, liée à la structure d’arbre, est très différente de
celle du graphe euclidien étudié dans la suite.
16.3 Graphe euclidien (grille)

On considère dans cette section le cas où (V, E) est le graphe euclidien Ed :

d
V = Z et E = {x, y} ∈ P2 (Z ) : |x − y|1 =
d d
|xi − yi | = 1 .
i=1
La probabilité de percolation et la probabilité critique pour le sommet racine

∅ = 0 dans Ed sous Pp sont respectivement notées
θd (p) := Pp (0 ↔ ∞) = Pp (|C(0)| = ∞)
pc (d) := sup {p ∈ [0, 1] : θd (p) = 0}.
Pour d = 1, le graphe E1 est identifiable au graphe Z, pour tout x ∈ Z, sous
Pp , la variable aléatoire |C(x)| a la loi de G− + G+ − 1 où G− et G+ sont
des variables aléatoires indépendantes de loi géométrique de paramètre 1 − p.
Ainsi pour d = 1 on obtient θ1 = 11 et pc (1) = 1.
Dès que d > 1, la probabilité de l’évènement {x ↔ y} pour Ed sous Pp
n’est pas explicite même pour x ∼ y car toutes les arêtes du graphe sont
susceptibles de jouer un rôle, contrairement au cas des graphes de Bethe. Du
point de vue de la connectivité, la grille est beaucoup plus complexe qu’un
arbre car la présence de cycles permet de faire des détours.
16.3 Graphe euclidien (grille) 221
Lemme 16.6 (Petite classe). Pour tous d 1, x ∈ Zd , p ∈ [0, 1],
Pp (C(x) = {x}) = (1 − p)2d et Pp (|C(x)| = 2) = p(1 − p)2(2d−1) .
Démonstration. On a |C(x)| = 1 si et seulement si x n’est relié à aucun de

ses 2d voisins, tandis que |C(x)| = 2 si et seulement si x n’est relié qu’à un
seul de ses 2d voisins, lui-même n’étant relié qu’à x.
Théorème 16.7 (Phénomène de seuil pour percolation sur graphe euclidien).
Pour tous 2 d d on a θd θd et pc (d) pc (d ). De plus on a
1 1 1 2
0< pc (d) 1 − < 1,
2d − 1 κ(d) κ(2) 3
où la constante κ(d) est définie dans le lemme 16.8.

La constante κ(d) est appelée constante de connectivité de Ed . Pour plus
de clarté, la démonstration du théorème 16.7 est découpée en quatre lemmes.
Lemme 16.8 (Constante de connectivité). Pour tous d 2 et n 1 soit
κn (d) le cardinal de l’ensemble Cnd des chemins auto-évitants dans Ed de lon-
gueur n issus de l’origine 0. On a
dn κn (d) 2d(2d − 1)n−1 .
De plus, la suite (κn (d)1/n )n1 converge et sa limite κ(d) vérifie
d κ(d) 2d − 1.
Démonstration du lemme 16.8. La première arête d’un chemin auto-évitant

issu de 0 peut être choisie parmi les 2d arêtes issues de 0. Pour les pas suivants,
les retours en arrière sont proscrits, d’où kn (d) 2d(2d − 1)n−1 . La borne
inférieure kn (d) dn est obtenue en remarquant que tout chemin issu de 0
dont les coordonnées des sommets successifs sont croissantes est auto-évitant.
La suite (κn (d))n1 est sous-multiplicative : pour tous n, m 1,
κn+m (d) κn (d)κm (d),
car si (0, x1 , . . . , xn+m ) ∈ Cn+m

d
alors
(0, x1 , . . . , xn ) ∈ Cnd et (0, xn+1 − xn , . . . , xn+m − xn ) ∈ Cm

d
.
La suite (log(κn (d)))n1 est donc sous-additive, et le lemme de Fekete 2 donne
log(κn (d)) log(κn (d))

lim =λ où λ := inf ∈ [−∞, ∞[.
n→∞ n n1 n
Ceci donne κ(d) = eλ , et l’encadrement de κ(d) découle de celui de κn (d).

2. Si un+m un + um pour tous m, n 1 alors un
−→
n n→∞
inf n1 un
n
∈ [−∞, ∞[.
222 16 Percolation
Lemme 16.9 (Minoration). Pour tout d 2 on a pc (d) 1/κ(d).

Démonstration du lemme 16.9. Soit n 1 et Nn la v.a. égale au nombre
d’éléments de Cnd inclus dans l’ensemble aléatoire d’arêtes C(0) sous Pp . Si
|C(0)| = ∞, alors Nn 1. D’autre part, un élément de Cnd est issu de l’ori-
gine et possède exactement n arêtes distinctes. Par indépendance, il a une
probabilité pn d’avoir toutes ses arêtes dans C(0). Ainsi
θd (p) Pp (Nn 1) = Ep (1Nn 1 ) Ep (Nn ) pn κn (d).

n
Le lemme 16.8 donne κn (d)1/n = κ(d) + on (1), d’où θd (p) (pκ(d) + on (1)) .
Par conséquent, si pκ(d) < 1 alors on obtient θd (p) = 0 quand n → ∞.
Lemme 16.10 (Décroissance). Si 2 d d alors θd θd et pc (d ) pc (d).
Démonstration du lemme 16.10. L’idée est de procéder par couplage comme
dans la preuve du lemme 16.1. Comme le graphe Ed est identifiable au graphe

de Ed correspondant par exemple aux d premières coordonnées dans Zd ,
on peut coupler, pour tout p ∈ [0, 1] fixé, les graphes aléatoires (Zd , F ) et

(Zd , F ) de Ed et Ed sous Pp de sorte que
θd (p) = Pp (0 ↔ +∞ dans Ed ) Pp (0 ↔ +∞ dans Ed ) = θd (p).
Il en découle en particulier que pc (d) pc (d ).

Lemme 16.11 (Majoration). Si d = 2 alors pc (2) 1 − 1/κ(2).
Démonstration du lemme 16.11. Le graphe dual E2∗ = (V ∗ , E ∗ ) du graphe
E2 = (V, E) est le translaté de E2 par le vecteur (1/2, 1/2) (voir la figure 16.3).
Chaque arête e du graphe initial rencontre une et une seule arête e∗ du graphe
dual. On construit le graphe aléatoire (V ∗ , F ∗ ) de E2∗ à partir du graphe
aléatoire (V, F ) de E2 sous Pp en décidant que e∗ ∈ F ∗ ssi e ∈ F .
Une boucle auto-évitante (ou courbe de Jordan !) de longueur n est un
chemin (x0 , x1 , . . . , xn ) tel que le chemin (x0 , x1 , . . . , xn−1 ) est auto-évitant
et xn = x0 . Son complémentaire est formé de deux composantes connexes,
l’une bornée (appelée intérieur) et l’autre pas.
Soit Λ(m) := [−m, m]2 . On introduit les évènements suivants :
Fm := {Λ(m) est à l’intérieur d’une boucle

auto-évitante de E2∗ à arêtes dans F ∗ },
et
Gm := {les arêtes reliant les sommets de Λ(m) sont dans F }.
Il y a percolation en 0 sur l’événement Fm c
∩ Gm , et comme Fm et Gm
concernent des ensembles d’arêtes disjoints, ils sont indépendants sur Pp .
Considérons à présent une boucle γ dont l’intérieur contient Λ(m). Sa longueur
n est nécessairement supérieure à 4m. De plus, elle contient nécessairement au
16.3 Graphe euclidien (grille) 223
moins un sommet de la forme (1/2 + k, 1/2) avec 0 k n. Soit x0 le point

de cette forme le plus à droite. On numérote les éléments de γ en parcourant
la courbe dans le sens trigonométrique de sorte que γ = (x0 , x1 , . . . , xn−1 ). Ce
chemin est auto-évitant. Il y a au plus nκn (2) boucles auto-évitantes de lon-
gueur n entourant Λ(m). Donc si Mn est le nombre de boucles auto-évitantes
de longueur n entourant Λ(m) dont toutes les arêtes sont dans F , on a
⎛ ⎞

Pp (Fm ) Pp ⎝ Mn 1⎠ Ep (Mn ) nκn (2)(1 − p)n .
n4m n4m n4m
Puisque κn (2)1/n = κ(2) + on (1), la série ci-dessus (membre de droite) est

convergente dès que κ(2)(1 − p) < 1 et par suite, pour m assez grand,
Pp (Fm ) < 1/2. Pour un tel m on a
1 4m2
θ2 (p) Pp (Fm
c
∩ Gm ) = Pp (Fm
c
)Pp (Gm ) p > 0.
2
Ainsi, si (1 − p)κ(2) < 1 alors θ2 (p) > 0, d’où pc (2) 1 − 1/κ(2).
Fig. 16.4. À gauche, le graphe euclidien E2 (trait plein) et son dual E2∗ (trait
pointillé). À droite, une composante finie et sa boucle ceinturante.
Dans le régime sur-critique p > pc (d), la classe C(0) de l’origine 0 peut

être infinie. Le théorème suivant complète ce résultat.
Théorème 16.12 (Existence de la classe infinie). Si p > pc (d), alors Pp -p.s.
il existe au moins une classe infinie.
Démonstration. L’événement A :=«Il existe au moins une classe infinie» est
dans la tribu terminale des événements (Ae )e∈E où Ae := {e ∈ F }. Or sous Pp
ces événements sont indépendants, et donc Pp (A) = 0 ou Pp (A) = 1 par la loi
du zéro-un de Kolmogorov. À présent si p > pc (d) alors Pp (|C(0)| = ∞) > 0
et {|C(0)| = ∞} ⊂ A, d’où Pp (A) = 1.
224 16 Percolation
Toutefois, la situation est bien différente de celle du graphe de Bethe : on

peut établir que la classe infinie est unique ! Cette démonstration dépasse le
cadre de ce chapitre. Nous nous contentons d’une démonstration sur E2 en
supposant connu le fait que θ2 (1/2) = 0.
Théorème 16.13 (Unicité de la classe infinie). Supposons que d = 2 et que
θ2 (1/2) = 0 sur le graphe E2 . Alors, pour tout p > pc (2), il existe Pp -p.s. une
unique classe infinie.
Démonstration. Reprenons les notations de la preuve du lemme 16.11.

Pour p = 1/2, la percolation sur le graphe E2 et sur son graphe dual E2∗ sont
de même nature : Pp -p.s. il n’y a pas de composante infinie car θ2 (1/2) = 0.
Soit Λ(m) = [−m, m]2 . Il existe une boucle γ∗ auto-évitante dans E2∗ entourant
Λ(m) et dont les arêtes sont dans F ∗ (donc les arêtes duales dans E2 ne sont pas
dans F ). Par le même argument, il existe une boucle γ dans E2 qui contient
γ∗ et donc Λ(m). Par couplage, ceci est encore vrai pour tout p > 1/2. Si
deux classes d’équivalence infinies intersectent Λ(m) alors elles intersectent
également γ et sont donc confondues ! Puisque ceci est vrai pour tout m, il ne
peut y avoir qu’une classe infinie.
16.4 Graphe complet et modèle de Erdős-Rényi
On considère dans cette section le cas où (V, E) est le graphe complet infini
K∞ , c’est-à-dire que V est infini dénombrable et E = P2 (V ). Ainsi x ∼ y pour
tous x = y dans V . Les sommets jouent tous le même rôle. Comme tous les
sommets sont voisins dans K∞ , il n’y a donc pas de géométrie comme dans
Br ou dans Ed . Sous Pp le graphe aléatoire (V, F ) est appelé modèle de Erdős-
Rényi infini. Pour tous p ∈]0, 1] et x ∈ V , le sommet x a un nombre infini de
voisins dans (V, F ) et Pp (|C(x)| = ∞) = 1, d’où θ = 1]0,1] et pc = 0.
Pour rendre le modèle plus passionnant, on peut considérer le phénomène
de la percolation dans le graphe complet fini Kn à n sommets V = {1, . . . , n}
et faire dépendre de n le paramètre p de Pp . On note G(n, p) la loi du graphe
aléatoire (V, F ) sous Pp . Dans ce modèle de Erdős-Rényi fini G(n, p), chaque
sommet x ∈ V possède un nombre aléatoire de voisins, qui suit la loi binomiale
Bin(n − 1, p) de moyenne (n − 1)p ∼ np. Lorsque n → ∞ avec np → λ > 0
alors pn ∼ λ/n → 0 et le nombre de voisins de chaque site converge en loi
vers la loi de Poisson Poi(λ) (loi des petits nombres).
Théorème 16.14 (Phénomène de seuil et composante connexe géante). Soit
λ > 0 un paramètre réel fixé, et α := λ − 1 − log(λ) > 0. Soit (Gn )n1 une
suite de graphes de Erdős-Rényi définis sur un même espace de probabilité,
avec Gn = (Vn , Fn ) de loi de Erdős-Rényi G(n, p) avec p = λ/n. Pour tout
v ∈ Vn , soit Gn (v) la composante connexe du sommet v.
1. Si λ < 1 alors pour tout c > 1/α,
16.4 Graphe complet et modèle de Erdős-Rényi 225

lim P max |Gn (v)| c log(n) = 0.
n→∞ v∈Vn
2. Si λ > 1 alors
maxv∈Vn |G(v)| p.s.
−→ 1 − ρ
n n→∞
où ρ ∈ ]0, 1[ est la probabilité d’extinction d’un processus de branche-

ment de Galton-Watson de loi de reproduction Poi(λ). De plus, il existe
un réel c > 0 tel que presque sûrement la seconde composante connexe
(en taille) a une taille au plus c log(n).
En substance, si λ < 1 alors la connectivité du graphe aléatoire est si faible
qu’il ne comporte pas de composante connexe plus grande que O(log(n)). Le
graphe est émietté. Si λ > 1 alors la connectivité du graphe aléatoire est
si forte qu’il contient une unique composante connexe géante contenant une
fraction strictement positive des sommets tandis que les autres composantes
connexes ont une taille qui n’excède pas O(log(n)).
Démonstration. Par souci de simplicité, nous nous contentons d’établir la pre-

mière propriété seulement. Pour ce faire, on explore G(v) en utilisant un al-
gorithme de parcours en largeur 3 , qui consiste à explorer les voisins de v,
qui constituent la première génération, puis leurs voisins qui n’ont pas déjà
été visités, qui constituent la seconde génération, etc. Cela donne un arbre
fini couvrant 4 G(v), similaire à celui de la figure 3.2. En forçant l’absence
de cycles, cette approche fournit également un couplage avec un arbre aléa-
toire de Galton-Watson de loi de reproduction Bin(n − 1, p), sous-critique car
(n − 1)p λ < 1, dont la taille totale N vérifie N |G(v)| (l’arbre est plus
gros par absence de cycles). Or le théorème 3.17 affirme que
loi
N =T où T := inf{k 1 : Sk = −1}
est le temps d’atteinte de −1 d’une marche aléatoire (Sk )k0 sur Z issue de
S0 = 0 et d’incréments (Ui )i1 i.i.d. tels que 1 + Ui ∼ Bin(n − 1, p). Fixons
θ > 0 quelconque et posons
Mk = eθSk ϕ(θ)−k où ϕ(θ) = E(eθU1 )
est la transformée de Laplace de la loi des incréments de (Sk )k0 . La suite

(Mk )k0 est une martingale positive pour la filtration naturelle de (Sk )k0 ,
et T est un temps d’arrêt fini p.s. On a limn→∞ MT ∧n = MT p.s. de sorte que
grâce au lemme de Fatou et au théorème d’arrêt,
e−θ E(ϕ(θ)−T ) = E(MT ) = E( lim MT ∧n ) lim E(MT ∧n ) = E(M0 ) = 1.

n→∞ n→∞
3. «Breadth-First Search» en anglais (BFS).

4. «Spanning tree» en anglais et on parle de «Minimal Spanning Tree» (MST).
226 16 Percolation
Soit θ > 0 tel que ϕ(θ) < 1. Pour tout r > 0, par l’inégalité de Markov,
P(T r) = P(ϕ(θ)−T ϕ(θ)−r ) ϕ(θ)r E(ϕ(θ)−T ) ϕ(θ)r eθ .
L’inégalité de convexité 1 + x ex valable pour tout x ∈ R donne

n−1
−θ −θ λ(eθ − 1) θ
−1)−θ
ϕ(θ) = e (1 − p + pe )
θ n−1
=e 1+ eλ(e
n
(notons que eλ(e −1) est la transformée de Laplace de Poi(λ)). La fonction

θ
θ ∈ R → λ(eθ − 1) − θ atteint son minimum en θ∗ = − log(λ) > 0, et

ϕ(θ∗ ) = e−α où α := 1 − λ + log(λ) > 0, d’où
P(T r) ϕ(θ∗ )r eθ∗ = e−rα+θ∗ = λ−1 e−αr .
Par conséquent, pour tout c > 0,
P(|G(v)| c log(n)) P(N c log(n)) = P(T c log(n)) λ−1 n−αc .
À présent, comme les v.a. (G(v))v∈V sont identiquement distribuées, on a

P max |G(v)| c log(n) P(|G(v)| c log(n))
v∈V
v∈V
= nP(|G(1)| c log(n))
λ−1 n1−αc ,
d’où le résultat en prenant c > 1/α.

La géométrie des arbres réguliers (graphe de Bethe) et des graphes com-
plets est plus simple que celle du graphe euclidien (grille), ce qui facile en
principe l’étude de propriétés probabilistes. En informatique, en télécommuni-
cation, mais aussi en électricité, un réseau 5 est un graphe muni d’une marque
ou d’un poids sur chaque arête, représentant une conductance, une résistance,
une longueur, un coût, etc, dans notre cas 0 (arête indisponible) ou 1 (arête
disponible). En ce sens, nos graphes aléatoires sont des réseaux aléatoires 6 .
Dans le cas euclidien, le graphe est également un réseau au sens de la géomé-
trie 7 , c’est-à-dire un sous-groupe discret de l’espace vectoriel euclidien.
Le phénomène de la percolation est un classique de la physique statistique,
qui peut être étudié sur tout graphe aléatoire. Le mécanisme de la percolation
possède par ailleurs de nombreuses variantes : percolation orientée (les arêtes
5. «Network» en anglais.
6. «Random networks» en anglais.
7. «Lattice» en anglais.
sont orientées), percolation de premier passage, de dernier passage, percolation

par sommets (ce sont les sommets et non les arêtes qui sont déclarés ouverts ou
fermés), etc. Une bonne partie de ce chapitre est inspirée des notes de cours de
Thierry Lévy [Lé08]. La théorie mathématique de la percolation, développée
depuis le milieu du vingtième siècle par John Hammersley et Harry Kesten
notamment, constitue depuis lors un domaine très actif des probabilités. Un
panorama sur le sujet se trouve dans les livres [Gri99, Gri10] de Geoffrey
Grimmett, dont la thèse soutenue en 1974 sous la direction de Hammersley et
Dominic Welsh (ancien élève de Hammersley également) portait déjà sur les
champs et graphes aléatoires ! Le théorème 16.14 date des travaux du milieu
du vingtième siècle de Paul Erdős et Alfréd Rényi [ER59, ER61b] et de Edgar
Gilbert [Gil59]. La preuve du théorème 16.14 est inspirée des notes de cours de
Charles Bordenave [Bor14a]. Plus généralement, on peut établir ce qui suit :
Condition sur (n, p) Comportement p.s. du graphe aléatoire G(n, p) quand n → ∞
np < (1 − ε) log(n) existence de sommets isolés (donc graphe non connexe)
np > (1 + ε) log(n) graphe connexe (donc np ∼ log(n) est un seuil de connectivité)
np < 1 pas de composante connexe de taille > O(log(n))
np = 1 plus grande composante connexe de taille ≈ n2/3
np → λ > 1 unique composante connexe géante (fraction > 0 des sommets)
aucune autre composante connexe n’est > O(log(n)).
On renvoie à ce sujet à [Bor14a] et au livre de Remco van der Hofstad

[vdH14]. On y trouvera la démonstration du second point du théorème 16.14.
Le lemme 16.8 sur la constante de connectivité du graphe euclidien est
l’une des clés de la démonstration du théorème 16.7. Toutefois, la valeur exacte
de cette constante κ(d) est inconnue pour tout d 2. Hugo Duminil-Copin
√
et Stanislav Smirnov ont montré dans [DCS12] qu’elle vaut 2 + 2 pour
le graphe hexagonal sur Z2 . La démonstration du théorème 16.13, tirée de
l’article de synthèse [HJ06], est due à Theodore Harris [Har60]. Dans ce tra-
vail, Harris établit également que θ2 (1/2) = 0 c’est-à-dire que pc (2) 1/2.
Il faudra attendre le travail de Kesten [Kes80] pour que l’égalité pc (2) = 1/2
soit démontrée. Pour les autres valeurs de d, la valeur de la probabilité cri-
tique n’est pas connue. On peut toutefois établir que θd est de classe C ∞ sur
l’intervalle ]pc (d), 1[.
17
Croissance et fragmentation
Mots-clés. Modèle de croissance et de fragmentation ; processus de Mar-

kov déterministe par morceaux ; générateur infinitésimal ; processus de Yule.
Outils. Processus de Poisson ; couplage ; distance de Wasserstein ; pro-
cessus autorégressif ; loi exponentielle ; loi géométrique ; fonction génératrice ;
transformée de Laplace.
Difficulté. **
17.1 Processus TCP window-size en informatique
Le débit instantané maximal sortant d’un ordinateur connecté à un réseau

TCP/IP 1 comme Internet est régulé par l’algorithme suivant : le débit maxi-
mal est augmenté de manière déterministe d’une unité à chaque pas de temps,
et en cas de signal de congestion, il est multiplié par un facteur entre [0, 1[ , ty-
piquement 1/2. Ce mécanisme simple permet à la fois une bonne exploitation
du réseau et une réaction efficace en cas de congestion.
Nous allons étudier un modèle markovien idéalisé de ce mécanisme. Si
on admet que, pendant une durée donnée, chacun des autres ordinateurs du
réseau provoque une congestion avec une petite probabilité, indépendamment
des autres, alors la loi des petits nombres suggère que les signaux de congestion
suivent un processus de Poisson. Soit N = (Nt )t0 un processus de Poisson
issu de 0 et d’intensité λ comptant les signaux de congestion, de temps de
saut successifs (Tn )n0 , où T0 := 0. Si En := Tn − Tn−1 pour tout n 1 alors
T n = E1 + · · · + En ,
1. Pour «Transmission Control Protocol» et «Internet Protocol».

230 17 Croissance et fragmentation
et la suite E = (En )n1 est constituée de variables aléatoires i.i.d. de loi

exponentielle de moyenne 1/λ. Pour tout t ∈ R+ on a

Nt = 1[0,t] (Tn ).
n1
Soit Q = (Qn )n1 une suite de variables aléatoires indépendantes à valeurs

dans [0, 1[ de même loi Q. Soit X0 une variable aléatoire positive. On suppose
que X0 , E, et Q sont indépendants. On définit le processus X = (Xt )t0 à
temps continu et à espace d’états R+ de la manière suivante :

XTn + t − Tn si Tn t < Tn+1 ,
Xt =
Qn+1 (XTn + Tn+1 − Tn ) si t = Tn+1 ,
où n = Nt ∈ N est le nombre de sauts avant l’instant t. Les trajectoires de X

sont affines de pente 1 par morceaux, continues à droite avec limite à gauche,
et chaque saut correspond à une multiplication par un nombre dans [0, 1[ .
On dit qu’il s’agit d’un processus de Markov déterministe par morceaux 2
et plus particulièrement un processus à croissance linéaire et décroissance
multiplicative 3 . Le processus X est connu sous le nom de processus de taille
de fenêtre TCP 4 car en informatique, le débit maximal sortant est réglé par
une taille de « fenêtre TCP ».
Xt
X0
0 T1 T2 t
Fig. 17.1. Allure d’une trajectoire typique du processus X.
Théorème 17.1 (Générateur infinitésimal). Le générateur infinitésimal du

processus X est donné, pour toute fonction f ∈ C 1 (R+ , R) et tout x 0, par
E(f (Xt ) | X0 = x) − f (x)

L(f )(x) := lim+
t→0 t
2. «Piecewise Deterministic Markov Processes (PDMP)» en anglais.

3. «Additive Increase Multiplicative Decrease (AIMD)» en anglais.
4. «TCP window-size process» en anglais.
17.1 Processus TCP window-size en informatique 231
1
= f (x) + λ (f (qx) − f (x)) Q(dq).
0
Le processus X n’explose pas car N n’explose pas. L’espérance condition-

nelle E(f (Xt ) | X0 = x) a un sens car sur {X0 = x}, on a Xt x + t, et
comme f est C 1 , la v.a.r. f (Xt ) est bornée.
Démonstration. Soit f ∈ C 1 (R+ , R) et t 1. Par définition de X et N ,

E f (Xt )1{Nt =0} | X0 = x = f (x + t)P(Nt = 0) = f (x + t)e−λt
= (f (x) + f (x)t + o(t))(1 − λt + o(t))
= f (x) + t(f (x) − λf (x)) + o(t).
Conditionnellement à {Nt = 1}, T1 suit la loi uniforme sur [0, t], donc
E(f (Xt ) | X0 = x, Nt = 1) = E(f (Q1 (x + T1 ) + t − T1 ) | Nt = 1)

t 1
ds
= Q(dq)f (q(x + s) + t − s)
0 t 0
1
= Q(dq)f (qx) + o(1)
0
où le o(1) (quand t → 0) provient de la continuité de f , et donc

1

E f (Xt )1{Nt =1} |X0 = x = P(Nt = 1) Q(dq)f (xq) + o(1)
0
1
= λt Q(dq)f (xq) + o(t).
0
Troisièmement, sur {X0 = x} on a Xt x + t et donc comme t 1, on a

E f (Xt )1{Nt 2} | X0 = x sup |f (u)| P(Nt 2) = O(t2 ).
u∈[0,x+1]
Finalement, la collecte des trois termes donne bien le résultat voulu.

Pour tout t 0 on considère l’opérateur linéaire Pt qui à toute fonction
f : R+ → R mesurable et bornée associe la fonction mesurable et bornée
x ∈ R+ → Pt f (x) = E(f (Xt ) | X0 = x).
Cette quantité fait encore sens pour f mesurable et localement bornée (par
exemple continue) car conditionnellement à X0 = x, Xt prend ses valeurs dans
l’intervalle borné [0, x + t]. On a P0 = I et la propriété de Markov entraîne
que (Pt )t0 est un semi-groupe :
Pt+s = Ps+t = Pt ◦ Ps .
On dit que ce semi-groupe est markovien car il préserve la positivité et l’unité :

Pt (f ) 0 si f 0 et Pt (1) = 1. On dit qu’une fonction mesurable et bornée
f : R+ → R appartient au domaine du générateur L du processus lorsque la
limite suivante existe pour tout x 0 :
Pt (f )(x) − f (x)
L(f )(x) = lim+ = ∂t=0 Pt (f )(x).
t→0 t
Tout se passe comme si «Pt = etL ». On peut établir que la propriété de
semi-groupe donne, pour tout t 0 et toute fonction f de classe C 1 ,

Pε f − f
∂t Pt (f ) = lim Pt = Pt (Lf )
ε→0 t
Pε (Pt f ) − Pt f
∂t Pt (f ) = lim = L(Pt f ).
ε→0 t
On dit qu’il s’agit des équations de Chapman-Kolmogorov progressive et ré-
trograde respectivement («forward» et «backward» en anglais).
Le théorème 17.1 affirme que le domaine du générateur L contient les
fonctions de classe C 1 . Il se trouve de plus que le générateur conserve les
polynômes sans augmenter leur degré. Cela permet de calculer les moments
de manière récursive.
Théorème 17.2 (Moments et loi invariante). Pour tout n ∈ N, tout x 0
et tout t 0, le moment d’ordre n de la loi de Xt sachant {X0 = x} vérifie
n

xk +
m n
n! 1
E(Xtn | X0 = x) = 2n + n! e−θm t
k=1 θk m=1
k! θj − θm
k=0 j=k
j=m
où θp := λ(1 − E(Qp1 )). De plus, conditionnellement à {X0 = x}, la variable

Xt converge en loi quand t → ∞ vers la loi μ sur R+ dont les moments sont

n!
xn μ(dx) = 2n
k=1 θk
pour tout n 0. Enfin, tous les moments de Xt convergent vers ceux de μ.

Démonstration. Posons αn (t) = E(Xtn | X0 = x) = Pt (fn )(x) où fn (x) = xn .
Pour tout n 1, le théorème 17.1 donne
1
Lfn (x) = nxn−1 + λxn (q n − 1) Q(dq) = nfn−1 (x) − θn fn (x)
0
et donc, en utilisant l’équation de Chapman-Kolmogorov progressive,
αn (t) = ∂t Pt (fn )(x) = Pt (Lfn )(x) = Pt (nfn−1 − θn fn )(x)

= nαn−1 (t) − θn αn (t).
Comme α0 est constante égale à 1, on obtient l’équation différentielle ordinaire

α1 (t) = 1−θ1 α1 (t) qui donne α1 . Une récurrence sur n (système triangulaire !)
fournit la formule annoncée pour (αn )n0 .
Comme θp θ1 pour p 1, les moments de μ sont majorés par ceux d’une
loi exponentielle de paramètre θ1 . Ceci entraine que sa transformée de Laplace
est finie sur ] − ∞, θ1 [. Elle est donc holomorphe sur un voisinage (dans C) de
l’origine. En particulier, la fonction caractéristique de μ est analytique sur un
voisinage (dans R) de l’origine. Le théorème 21.7 assure alors que la loi μ est
caractérisée par ses moments.
Ainsi, conditionnellement à {X0 = x}, chaque moment de Xt converge
quand t → ∞ vers une limite finie. Le fait que cette suite de limites soit la
suite des moments d’une loi et que Xt converge en loi vers cette loi découle
d’une étude similaire à celle menée dans la preuve du théorème de Wigner par
la méthode des moments dans le chapitre 21. On prendra garde au fait qu’on
se trouve ici sur R+ et non pas sur R tout entier.
Remarque 17.3 (Décomposition spectrale). Pour tous n 0 et t 0, les

opérateurs L et Pt , restreints à l’ensemble Rn [X] des polynômes de degré
inférieur ou égal à n, sont des endomorphismes dont les valeurs propres sont
respectivement (−θk )0kn et (e−tθk )0kn .
Remarque 17.4 (Croissance-annihilation 5 ). Si Q = δ0 alors le moment
d’ordre n de la loi invariante μ de X vaut n!/λn ce qui assure que μ est la loi
exponentielle de paramère λ.
Remarque 17.5 (Loi du processus à un instant donné). Plaçons-nous dans
le cas où Q = δq avec 0 < q < 1 et conditionnellement à {X0 = x} avec
x 0. Alors pour tout t > 0, il existe une loi absolument continue μt portée
par l’intervalle [0, qx + t] telle que
Loi(Xt ) = e−λt δx+t + (1 − e−λt )μt
et dist(x + t, supp(μt )) = (1 − q)x. En effet, conditionnellement à {Nt = n},

x+t si n = 0,
Xt = n+1
q n x + k=1 q n−k+1 (Uk − Uk−1 ) si n > 0,
où 0 = U0 < U1 < · · · < Un < Un+1 = t est une statistique d’ordre uniforme
sur [0, t]. Ainsi, Loi(Xt | Nt = 0) = δx+t tandis que Loi(Xt | Nt = n) est abso-
lument continue si n > 0, portée par [q n (x + t), q n x + t]. D’où le résultat avec
μt = Loi(Xt | Nt > 0). Ceci montre que X est asymptotiquement régularisant
car la masse de la partie atomique de μt tend vers 0 quand t → ∞. C’est le
mécanisme de sauts, seul source d’aléa, qui en est responsable.
5. «Growth-collapse» en anglais.
Remarque 17.6 (Irréductibilité). Pour tout x 0 et conditionnellement

à l’événement {X0 = x}, le processus X entre dans tout intervalle en un
temps fini avec probabilité positive. En d’autres termes, sa trajectoire coupe
toute bande horizontale en un temps fini avec probabilité positive. Cela est
immédiat si la bande est au-dessus de x. Si la bande est en dessous de x, il
suffit de considérer une trajectoire en dents de scie.
Fig. 17.2. Histogramme d’un échantillon de Xt pour t = 100, λ = 1, Q = δ1/2 .
Soit p 1 un réel
fixé. Si (E, d) est un espace métrique et μ une loi sur
E, alors la quantité d(x, y)p μ(dy) est soit infinie pour tout x ∈ E, soit finie
pour tout x ∈ E et on dit dans ce cas que μ a un moment d’ordre p fini.
La distance de Wasserstein Wp sur l’ensemble des lois sur E possédant un
moment d’ordre p fini est définie par
3 41/p
Wp (μ1 , μ2 ) = inf E(d(X, Y ) )
p 1/p
= inf p
d(x, y) π(dx, dy)
(X,Y ) π∈Π(μ1 ,μ2 ) E×E
X1 ∼μ1
X2 ∼μ2
où Π(μ1 , μ2 ) est l’ensemble convexe des lois de probabilité sur E × E qui ont
pour lois marginales μ1 et μ2 . Il contient la loi produit μ1 ⊗ μ2 . Un élément
π de cet ensemble constitue un couplage de μ1 et μ2 . Ici on prend E = R et
d(x, y) = |x − y|. On peut montrer qu’une suite (μn )n converge vers μ pour
Wp si et seulement si elle converge faiblement pour Cb et si tous les moments
d’ordre inférieur ou égal à p de μn convergent vers ceux de μ.
Théorème 17.7 (Comportement en temps long par couplage). Soit νPt la loi
au temps t du processus TCP de loi initiale ν et de paramètres λ et Q. Alors,
pour toutes mesures de probabilités ν1 et ν2 sur R+ possédant un moment
d’ordre p 1 fini, pour tout t 0, en posant θp := λ(1 − E(Qp1 )), on a

θp t
Wp (ν1 Pt , ν2 Pt ) Wp (ν1 , ν2 ) exp − .
p
Démonstration. Considérons un couple (X, Y ) où X et Y partent de x
et y mais utilisent le même N et le même Q (mêmes temps de sauts et
coefficients multiplicateurs). Remarquablement, la quantité |Xt − Yt | reste
constante entre deux sauts et au k e saut elle est multipliée par Qk . Par consé-
quent, pour tout t 0, on a
∞

p p
E(|Xt − Yt | ) = E |Xt − Yt | 1{Nt =k}
k=0
∞
p
= E |x − y| Qp1 . . . Qpk 1{Nt =k}
k=0
∞

p
= |x − y| E(Qp1 )k P(Nt = k)
k=0
p −λt(1−E(Qp
= |x − y| e 1 )) .
Par conséquent, si X et Y sont deux processus TCP de paramètres λ et Q et

de lois initiales respectives ν1 et ν2 , alors pour tout couplage π de ν1 et ν2 ,
pour tout t 0 et tout p 1,

Wp (ν1 Pt , ν2 Pt )p e−θp t
p
|x − y| π(dx, dy).
R+ ×R+
Il ne reste plus qu’à prendre l’infimum sur le couplage π de ν1 et ν2 pour

conclure la preuve du théorème.
La chaîne incluse X := (X n )
n0 = (XTn )n0 de X est le processus pris
aux instants de saut. Il s’agit d’une chaîne de Markov homogène à temps
0 = X0 et constitue un
discret et à espace d’états continu R+ . Elle vérifie X
processus autoregressif linéaire :
n+1 = Qn+1 (X
X n + En+1 ).
Le noyau de transition K de X vaut, pour tout f ∈ Cb (R+ , R) et x 0,

K(x, f ) = E(f (Xn+1 ) | Xn = x) = λ e−λy f (q(x + y)) Q(dq) dy.
[0,1]×R+
Théorème 17.8 (Convergence en loi de la chaîne incluse). Quel que soit X0

n ) ∞
la chaîne incluse (X = Loi( n=1 Q1 · · · Qn En ).
n0 converge en loi vers μ
Démonstration. La formule autoregressive et les hypothèses d’indépendance

et de stationnarité, donnent, par récurrence sur n,

n
n = Qn · · · Q1 X0 +
X Qn · · · Qn−k+1 En−k+1
k=1
loi
n
= Q1 · · · Qn X0 + Q1 · · · Qk Ek .
k=1
On a E(Q1 · · · Qn ) = E(Q)n . Or E(Q) < 1 car P(0 Q < 1) = 1 et

donc
par convergence monotone E( Q
n 1 · · · Qn ) = n E(Q)n
< ∞, donc
P( n Qn < ∞) = 1 et donc P(Q1 · · · Qn → 0) = 1. Par conséquent,
Q1 · · · Qn X0 → 0 p.s. D’autre part, par convergence monotone,

n ∞

p.s.
Q1 . . . Qk Ek −→ Q1 · · · Qn En ∼ μ
.
n→∞
k=1 n=1
quel que soit X0 .

Par conséquent, la chaîne incluse converge en loi vers μ
La loi μ a pour moyenne λ−1 E(Q1 )/E(1 − Q1 ). Pour la chaîne incluse,
l’oubli de la condition initiale apparaît clairement sur la formule suivante :
n ) = E(Q)n E(X0 ) + E(Q1 ) 1 − E(Q1 )n

E(X .
λ(1 − E(Q1 ))
vérifie l’équation en loi

La loi μ
loi
F = Q1 (F + E1 )
où F ∼ μ
est indépendante de Q1 , E1 .
17.2 Intensité des sauts variable selon la position

Il est possible de faire dépendre l’intensité de sauts du chemin parcouru
par le processus. On considère une fonction localement intégrable λ : x ∈
R+ → λ(x) ∈ R+ et une suite (En )n1 de v.a.r. i.i.d. de loi exponentielle
de paramètre 1. On construit la trajectoire du processus (Xt )t0 partant de
X0 = x en posant Xs = x0 + s pour tout 0 s < T1 où le premier temps de
saut T1 est défini par l’équation (instant ou l’ atteint E1 )
T1 T1
λ(Xs ) ds = λ(x0 + s) ds = E1 .
0 0
Ensuite on pose XT1 = Q1 XT − = Q1 (x0 + T1 ), et plus généralement, on pose

1
17.3 Branchement et croissance-fragmentation 237

XTn + t − Tn si Tn t < Tn+1 ,
Xt =
Qn+1 (XTn + Tn+1 − Tn ) si t = Tn+1 ,
où la suite croissante des temps de saut (Tn )n0 est définie par T0 = 0 et
Tn+1 Tn+1 −Tn
λ(Xs ) ds = λ(XTn + s) ds = En+1 .
Tn 0
Par exemple, le cas spécial λ(x) = x donne

Tn+1 − Tn = 2En+1 + (XTn )2 − XTn .
Cette construction fournit la trajectoire t → Xt sur l’intervalle [0, T∞ [ où

T∞ := limn→∞ Tn est le temps d’explosion du processus. Si λ est une fonction
bornée, alors par comparaison au cas constant, on obtient P(T∞ = ∞) = 1 et
on dit que le processus n’explose pas. Lorsque λ n’est pas bornée, par exemple
λ(x) = x, ce sont les propriétés de Q qui permettent d’établir la non explosion
éventuelle. On peut montrer que le générateur du processus (Xt )t0 est
1
L(f )(x) = f (x) + λ(x) (f (qx) − f (x)) Q(dq).
0
Le même procédé permet plus généralement de construire les trajectoires d’un

processus de générateur infinitésimal

L(f )(x) = G(f )(x) + λ(x) (f (y) − f (x)) K(x, dy)
où K est un noyau markovien, où λ est une fonction positive localement

intégrable, et où G est le générateur d’un processus quelconque, qui «agit»
entre les temps de sauts.
17.3 Branchement et croissance-fragmentation
Le processus TCP permet de modéliser bien plus de choses que la taille de

fenêtre TCP du protocole TCP/IP. On peut penser par exemple à la taille ou
masse d’une cellule, qui grossit linéairement puis subit une division. On peut
également penser à un polymère 6 dont la longueur augmente linéairement
au cours du temps puis subit une dislocation. Du point de vue de la masse,
la division ou la dislocation constituent une fragmentation qui conserve la
masse. Supposons pour simplifier que les fragments obtenus sont toujours au
nombre de deux et évoluent selon le même processus, de manière indépen-
dante. Intéressons-nous à la taille Nt de la population à l’instant t 0. Cela
6. Molécule constituée d’une chaîne de molécules identiques (monomères).

revient à étudier un arbre binaire où la longueur des segments de branches sont

i.i.d. de loi exponentielle de paramètre λ. À l’instant t 0, l’arbre possède
Nt branches, et N0 = 1. Le processus (Nt )t0 est appelé processus de Yule de
paramètre λ. Il s’agit d’un processus de Galton-Watson à temps continu de
loi de reproduction δ2 . C’est aussi un processus de vie pur à temps continu.
F4
F1
F5
F2
F3
0
t
Fig. 17.3. Début de l’arbre binaire définissant le processus N .
Théorème 17.9 (Taille de la population). Pour tout t 0 la taille de la

population Nt suit la loi géométrique sur N∗ de paramètre e−λt . En particulier,
E(Nt ) = eλt et Var(Nt ) = (1 − e−λt )e2λt .
Démonstration. La propriété d’absence de mémoire des lois exponentielles

permet d’établir que (Nt )t0 est le processus de comptage issu de N0 = 1 de
la suite de v.a.r. (Sn )n1 où Sn = F1 + · · · + Fn avec (Fn )n1 suite de v.a.r.
indépendantes et F n de loi exponentielle de paramètre nλ pour tout n 1.
∞
On a Nt − 1 = n=1 1[0,t] (Sn ). Or d’après le lemme de Rényi 11.3, la v.a.r.
Sn a la loi de max(E1 , . . . , En ) où E1 , . . . , En sont i.i.d. de loi exponentielle
de paramètre λ. Donc, pour tout entier n 0,
P(Nt − 1 n) = P(Sn t) = P(E1 t) · · · P(En t) = (1 − e−λt )n .
Considérons le cas où chaque fragmentation donne lieu à k + 1 fragments

(k)
où k 1 est fixé. On note (Nt )t0 le processus de comptage associé. Pour
tout n 2, le processus issu de n est la somme de n copies i.i.d. du processus
issu de 1. C’est la propriété de superposition ou de branchement. On dit
(k)
que (Nt )t0 est un processus de Yule de loi de reproduction δk+1 . Il s’agit
d’un processus de Markov homogène à temps continu d’espace d’état N et de
générateur infinitésimal L(k) donné pour tous f : N → R et n ∈ N par
17.3 Branchement et croissance-fragmentation 239
(k) (k)
E(f (Nt ) | N0 = n) − f (n)
L(k) (f )(n) = lim+ = nλ(f (n + k) − f (n)).
t→0 t
À comparer, au passage, avec le générateur λ(f (n + 1) − f (n)) du processus

(k) (k) (k)
de Poisson. Si f (n) = n et αn (t) = E(Nt | N0 = n) = Pt (f )(n) alors
(k)
(L f )(n) = kλn = kλf (n) et l’équation de Chapman-Kolmogorov progres-
sive (forward) donne l’équation différentielle ordinaire
(k) (k)
∂t αn (t) = ∂t Pt (f ) = Pt (L(k) f ) = kλPt (f ) = kλαn (t).
(k) (k)
La condition initiale αn (0) = n donne alors E(Nt | N0 = n) = nekλt .
L’exploitation systématique de cette méthode conduit au résultat suivant.
(k)
Théorème 17.10 (Processus de Yule). Supposons que N0 ∼ δ1 . Pour tout
(k)
réel t 0 et tout entier k 1, si Z1 , . . . , Zk sont copies i.i.d. de Nt alors
Z1 + · · · + Zk
∼ Geo(e−kλt ).
k
(k)
En particulier, la moyenne et la variance de Nt sont données par
Var(Nt ) = k(1 − e−kλt )e2kλt .

(k) (k)
E(Nt ) = ekλt et
De plus, il existe une v.a. M∞ ∈ L2 de loi Gamma(1/k, 1/k) de densité
(1/k)1/k 1/k−1 −x/k

x → x e 1R+ (x)
Γ (1/k)
telle que
e−kλt Nt
(k)
−→ M∞ p.s. et dans L2 .
t→∞
Démonstration. On se ramène à λ = 1 par changement de temps. Fixons à

(k)
présent s ∈ [0, 1] et considérons la fonction f (n) = sn . On a Pt (f )(n) =
(k) (k)
E(sNt | N0 = n). On s’intéresse à la fonction génératrice
(k)
(k) (k)
gt (s) := E(sNt | N0 = 1) = Pt (f )(1).
(k) (k)
Par la propriété de branchement, Pt (f )(n) = (Pt (f )(1))n = gt (s)n , d’où
(k) (k) (k)
L(k) (Pt (f ))(n) = n(Pt (f )(n + k) − Pt (f )(n)) = n(gt (s)n+k − gt (s)n ).
L’équation de Chapman-Kolmogorov rétrograde donne à présent l’É.D.O.

(k) (k)
∂t gt (s) = ∂t Pt (f )(1) = L(k) (Pt (f ))(1) = gt (s)k+1 − gt (s).
La condition initiale g0 (s) = s donne enfin

gt (s) = se−t (1 − (1 − e−kt )sk )−1/k .
En particulier, gtk est la fonction génératrice de kG où G est une v.a.r. de

loi géométrique sur N∗ de paramètre e−kt . Pour la convergence en loi, pour
θ < 0, la transformée de Laplace
−1/k
E exp θe−kt Nt = exp θe−kt e−t 1 − 1 − e−kt exp θke−kt
(k)
−1/k
= ekt exp −θke−kt − ekt + 1
qui converge quand t → ∞ vers

1/k
−1/k 1/k
(1 − kθ) = ,
1/k − θ
qui est la transformée de Laplace au point θ de la loi Gamma(1/k, 1/k). Enfin

(e−kλt Nt )t0 est une martingale bornée dans L2 , et converge donc p.s. et
(k)
dans L2 , lorsque t → ∞, vers une v.a. de loi Gamma(1/k, 1/k).
La fragmentation serait bien sûr modélisable plus généralement en utili-

sant une loi sur les partitions de [0, 1] avec un nombre possiblement infini de
morceaux. Cela mène à la théorie probabiliste de la fragmentation.
Supposons que le mécanisme de fragmentation en k + 1 fragments consiste
en une division équitable de la masse. À l’instant t 0, la population de
(k)
fragments est constituée de Nt individus, positionnés sur un arbre k + 1
régulier (chaque individu fait k + 1 enfants puis meurt). Pour numéroter les
individus, on procède comme dans le chapitre 22, et on introduit les étiquettes
U = ∪∞ ∗ r ∗ 0 ∗ r
r=0 (N ) avec la convention (N ) = ∅, et où (N ) sert à numéroter
les individus de la génération r. Les individus vivant à un instant t donné
peuvent appartenir à différentes générations. La population à l’instant t est
(k)
un sous-ensemble aléatoire Gt de U, et vérifie Nt = |Gt |. Si Xu,t représente
la taille de l’individu u ∈ Gt vivant à l’instant t alors la répartition des masses
à l’instant t dans la population est capturée par la mesure empirique
1
μt = (k)
δXu,t .
Nt u∈Gt
Cette loi aléatoire donne la masse d’un individu choisi uniformément parmi
ceux vivant à l’instant t. Pour une fonction test f : R+ → R, on a

1
E f dμt = E (k)
f (Xu,t ) = E(f (XUt ,t ))
Nt u∈Gt
où Ut est de loi uniforme sur Gt . Intuitivement, l’évolution de la masse le long

d’une branche quelconque de l’arbre suit le processus TCP. En réalité, il faut
préciser ce que l’on entend par « branche quelconque » car un phénomène de

biais par la taille peut apparaître 7 .
Le véritable modèle de taille de fenêtre TCP est plus complexe et in-

corpore notamment une taille maximale de fenêtre. Il est étudié par Teunis
Ott et Johannes Kamperman dans [OK08], et par Vincent Dumas, Fabrice
Guillemin, et Philippe Robert dans [DGR02]. Un lien avec les fonctionnelles
exponentielles des processus de Lévy est mené par Fabrice Guillemin, Philippe
Robert, et Bert Zwart dans [GRZ04]. Le processus est enfin abordé dans les
écrits pédagogiques de Philippe Robert [Rob05, Rob10]. Le comportement en
temps long est étudié dans l’article [CMP10]. Des aspects graphiques sont
explorés dans l’article [GR10] de Carl Graham et Philippe Robert. La version
branchante est étudiée par Vincent Bansaye, Jean-François Delmas, Laurence
Marsalle, et Viet Chi Tran dans [BDMT11] ainsi que par Bertrand Cloez dans
[Clo13]. Le processus de Yule doit son nom à Udny Yule et est étudié dans
les livres [Har02, AN04]. Un lien avec des équations d’évolution de transport-
fragmentation se trouve dans le livre de Benoît Perthame [Per07] et dans le
travail de Bertrand Cloez [Clo13]. Une théorie de la fragmentation se trouve
dans le livre de Jean Bertoin [Ber06].
Les distances de Wasserstein sont également connues sous le nom de dis-
tances de couplage, de transport, de Kantorovich, de Mallows, ou de Fréchet.
Ces multiples noms témoignent de leur utilité dans des domaines variés. Ces
distances sont au cœur de la théorie du transport optimal de la mesure, dé-
veloppée notamment par Cédric Villani [Vil03]. Si E = R et d(x, y) = |x − y|
alors, en notant Fμ−1 l’inverse généralisé de la fonction de répartition de μ, on
montre que Wp est une distance Lp inter-quantiles en ce sens que
1 1/p
Wp (μ1 , μ2 ) = |Fμ−1
1
(x) − Fμ−1
2
(x)|p dx = Fμ1 − Fμ2 p .
0
7. Il s’agit d’un biais d’échantillonnage classique en statistique : un individu tiré

au hasard a plus de chance d’être issu d’une famille nombreuse.
18
Ruine d’une compagnie d’assurance
Mots-clés. Actuariat ; temps de ruine ; temps d’atteinte ; processus de

Markov à temps continu.
Outils. Processus de Poisson composé ; transformée de Laplace ; fonction
caractéristique ; martingale ; marche aléatoire ; loi des grands nombres ; loi du
logarithme itéré.
Difficulté. *
Ce chapitre est consacré essentiellement à un modèle simple et classique

de risque en assurance, connu sous le nom de modèle de Cramér-Lundberg.
Une nouvelle compagnie d’assurance veut entrer sur le marché. Elle souhaite
évaluer sa probabilité de faillite en fonction du capital initial investi et du prix
de ses polices d’assurance. On suppose que la compagnie a un capital initial
c et on note Rt sa réserve à l’instant t. La compagnie d’assurance
— perçoit des cotisations de ses clients que l’on supposera mensualisées,
uniformément réparties sur l’année et constantes au cours du temps :
les recettes de la compagnie pendant un temps t sont donc égales à pt
où p est le taux de cotisations par unité de temps ;
— verse des primes à ses assurés sinistrés en fonction des dommages subis.
On modélise l’apparition et les coûts des sinistres de la manière suivante :
— les coûts des sinistres (Xk )k1 sont des v.a.r. aléatoires indépendantes,
de même loi ν, d’espérance commune λ et de variance finie a − λ2 ;
— les temps d’apparition (Tn )n1 des sinistres sont distribués selon un
processus de Poisson (Nt )t0 d’intensité μ. Les intervalles de temps
entre deux sinistres, notés (Δn )n1 avec Δn = Tn − Tn−1 , sont des
v.a.r. i.i.d. de loi exponentielle Exp(μ).
— la suite (Xk )k1 et le processus (Nt )t0 sont indépendants.
La réserve de la compagnie d’assurance à l’instant t est par conséquent :

Nt
Rt = c + pt − Xk .
k=1

244 18 Ruine d’une compagnie d’assurance
Rt
T1 T2 T3 T4 T5 τ (c) t
Y (c)
Fig. 18.1. Une trajectoire menant à la ruine au temps τ (c) avec un découvert Y (c).
Pour simplifier légèrement les calculs, on considérera plutôt la quantité

Nt
R̃t = c − Rt = Xk − pt.
k=1
La ruine survient lorsque la réserve R descend sous 0 ou que R̃ excède c.

L’instant de ruine, ou de défaut, de la compagnie est défini par
τ (c) = inf{t 0 : Rt < 0} = inf{t 0 : R̃t > c}.
La probabilité de ruine de la compagnie est donnée par

ψ(c) = P sup R̃t > c = P(τ (c) < ∞).
t0
On notera enfin Y (c) le découvert en cas de ruine (voir figure 18.1) :
Y (c) = −Rτ (c) = R̃τ (c) − c.
Remarque 18.1 (Processus de Markov et générateur infinitésimal). On peut

montrer que R̃ est un processus de Markov sur R de générateur infinitésimal
∞

Lf (x) = −pf (x) + μ (f (x + y) − f (x)) ν(dy).
0
Ce processus évolue de manière déterministe entre ses temps de saut. On parle

de processus de Markov déterministe par morceaux.
18.1 Processus de Poisson composé 245
18.1 Processus de Poisson composé

Rappelons qu’il est facile d’estimer l’intensité d’un processus de Poisson à
partir d’une de ses trajectoires comme le montre le résultat suivant.
Lemme 18.2 (Temps long). La loi des grands nombres et le théorème limite
central suivants ont lieu :

Nt p.s. √ Nt loi
−→ μ et t − μ −→ N (0, μ),
t t→∞ t t→∞
Démonstration. Pour tout i ∈ N∗ , posons Yi = Ni − Ni−1 . La variable Yi re-

présente le nombre de sauts du processus de Poisson dans l’intervalle de temps
]i − 1, i]. Le processus de Poisson est à accroissements stationnaires et indé-
pendants. En particulier, les variables aléatoires (Yi )i1 sont indépendantes
de même loi de Poisson de paramètre μ. Donc, en vertu de la loi des grands
nombres, N t /t → μ p.s. On remarque ensuite l’encadrement suivant
N t t Nt N t+1 t + 1

t t t t + 1 t
p.s.
qui entraîne que Nt /t −→ μ. La convergence en loi se déduit du calcul expli-
t→∞ √
cite de la fonction caractéristique de t(Nt /t − μ) puisque Nt ∼ Poi(μt).
Le processus C = (Ct )t0 défini par

Nt
Ct = Xk ,
k=1
est appelé processus de Poisson composé de paramètre μ et de loi de saut ν.

Lemme 18.3 (Fonction caractéristique). Pour tous t 0 et u ∈ R,
ϕCt (u) := E(eiuCt ) = exp(μt(ϕν (u) − 1)),
où ϕν est la fonction caractéristique de ν. Si les deux premiers moments λ et

a de ν existent, alors les deux premiers moments de Ct existent et vérifient
E(Ct ) = μλt et Var(Ct ) = μat,
et de plus
Ct p.s. √ Ct loi
−→ μλ et t − μλ −→ N (0, μa).
t t→∞ t t→∞
Les moments de Ct peuvent aussi être calculés grâce au lemme de Wald.

Démonstration. L’expression des moments de Ct et le résultat de convergence
en loi découlent de l’expression de la fonction caractéristique de Ct . La conver-
gence p.s. s’obtient en utilisant le lemme 18.2 et la loi des grands nombres.
18.2 La ruine est-elle presque sûre ?

Comme les trajectoires de R̃ sont décroissantes entre les sauts, le franchis-
sement du niveau c ne peut intervenir qu’à un instant de saut. Définissons
la suite (Sn )n0 par Sn = R̃Tn . On dit que (Sn )n∈N est la chaîne incluse de
(R̃t )t∈R+ . Par construction, puisque Δk = Tk − Tk−1 pour k 1,

n
S0 = 0 et ∀n 1, Sn = (Xk − pΔk ).
k=1
En particulier, Sn s’écrit comme la somme de n variables aléatoires i.i.d. de

moyenne λ − p/μ. La quantité λμ représente le montant moyen des sinistres
par unité de temps et sa position par rapport à p dicte, comme le montre le
résultat suivant, la valeur de la probabilité de ruine qui s’écrit encore

ψ(c) = P sup Sn > c .
n0
Notons τ̃ (c) = inf {n ∈ N : Sn > c}. Par construction, on a
τ̃ (c) = n ⇔ τ (c) = Tn et τ̃ (c) < +∞ ⇔ τ (c) < +∞.
Théorème 18.4 (Caractérisation de la ruine presque sûre).
p λμ ⇐⇒ ∀c 0, ψ(c) = 1.
Démonstration. Si p < λμ, le résultat découle de la loi des grands nombres

appliquée à la suite (Xk − pΔk )k1 . Si p = λμ, la loi du logarithme itéré de
Strassen appliquée aux variables aléatoires i.i.d. (Xk − pΔk )1kn centrées et
de variance σ 2 = a − λ2 + p2 /μ2 donne
Sn
lim inf = −1 p.s.
n→∞ σ 2n log(log(n))
et
Sn
lim sup = +1 p.s.
n→∞ σ 2n log(log(n))
Enfin, si p > λμ, la loi des grands nombres assure ici que Sn → −∞ p.s. Sup-
posons que le temps d’arrêt τ1 = inf{n > 0 : Sn > c} soit fini p.s. La marche
aléatoire (Sn+τ1 − Sτ1 )n0 est de même loi que (Sn )n0 . Par conséquent, le
temps d’arrêt τ2 = inf{n > 0 : Sn+τ1 − Sτ1 > c} est lui aussi fini p.s. En
itérant le procédé, on montre que lim sup Sn = ∞, d’où la contradiction.
Remarque 18.5 (Condition de profit net). Comme le suggère l’intuition,
la compagnie doit s’assurer que p > λμ pour éviter une ruine p.s. Les
lemmes 18.2 et 18.3 permettent, à partir d’un historique des sinistres, d’esti-
mer les paramètres λ et μ, ce qui peut ensuite aider à choisir p.
18.3 Expression de la probabilité de ruine 247
18.3 Expression de la probabilité de ruine

On suppose dans la suite que la condition, dite de profit net, p > λμ est
satisfaite et on cherche à exprimer la probabilité de ruine ψ(c). On introduit
la transformée de Laplace H de la loi des sinistres ν :

∀x ∈ R, H(x) = E exX1 ∈ [0, +∞].
La fonction H est finie sur un intervalle I qui contient ] − ∞, 0] car X1 est une
variable aléatoire positive. De plus, H est de classe C ∞ et strictement convexe
sur l’intérieur de I.
Lemme 18.6 (Transformé de Laplace des sinistres). Supposons que l’inter-
valle I sur lequel la transformée de Laplace H est finie soit un ouvert qui
contient 0. Alors la fonction
px
x → H(x) − −1
μ
s’annule en 0 et en un unique réel u > 0.
Le réel u est appelé coefficient d’ajustement.
Démonstration. La fonction x → H(x) − px/μ − 1 est strictement convexe sur

I, nulle en 0 avec une dérivée strictement négative car H (0) = E(X1 ) = λ <
p/μ. D’autre part, puisque I est ouvert, la fonction H tend vers +∞ au bord
droit de I, et, pour tout x0 > 0 tel que P(X1 x0 ) > 0, et tout x ∈ I,
H(x) exx0 P(X1 x0 ).
Ainsi, la fonction x → H(x) − px/μ − 1 tend vers +∞ au bord droit de I.
Théorème 18.7 (Probabilité de ruine). Sous les hypothèses du lemme 18.6,

la probabilité de ruine est donnée par
e−uc
ψ(c) =
E euY (c) |τ (c) < +∞
où Y (c) = Sτ̃ (c) − c est le découvert de la compagnie à l’instant de ruine.

Démonstration. La suite (euSn )n0 est une martingale positive car

E euSn+1 | σ(S0 , . . . , Sn ) = euSn E eu(Xn+1 −pΔn+1 ) .
Comme Xn+1 et Δn+1 sont indépendantes et comme Δn+1 suit la loi Exp(μ),
μ
E eu(Xn+1 −pΔn+1 ) = H(u) = 1.
μ + pu
Ainsi E[euSn ] = 1 pour tout n 0. Si n > 0 alors τ̃ (c) ∧ n est un temps

d’arrêt borné et

1 = E euSτ̃ (c)∧n = E euSτ̃ (c) 1{τ̃ (c)n} + E euSn 1{τ̃ (c)>n} .
p.s.
Sous l’hypothèse p > λμ, Sn −→ −∞. De plus, sur {τ̃ (c) > n}, on a Sn c.
n→∞
Ainsi, par convergence dominée, la seconde espérance ci-dessus converge vers 0
lorsque n → +∞. La première espérance converge par convergence monotone.
Par conséquent, on obtient

1 = E euSτ̃ (c) 1{τ̃ (c)<+∞} = euc E euY (c) |τ̃ (c) < +∞ P(τ̃ (c) < +∞),
ce qui fournit le résultat annoncé.
Remarque 18.8 (Borne de Lundberg). Du théorème précédent, ψ(c) e−uc .

La transformée de Laplace de la mesure de densité
e−x
x → 1[0,∞[ (x)
1 + x2
est finie au point x si et seulement si x 1. Si H(1) < 1 + p/μ, la fonction
x → H(x) − px/μ − 1 ne s’annule qu’en 0 : cette fonction, infinie sur ]1, +∞[,
est strictement négative sur ]0, 1]. Dans ce cas, le théorème 18.7 ne s’applique
pas. Cependant, la suite (eSn )n0 est une sur-martingale :
H(1)
E eSn+1 | σ(S0 , . . . , Sn ) = eSn < eSn .
1 + p/μ
On en déduit, en procédant comme dans la preuve du théorème 18.7 que
e−c
ψ(c) .
E eY (c) | τ̃ (c) < +∞
18.4 Sinistres exponentiels

La probabilité de ruine est explicite pour des coûts de sinistres exponen-
tiellement distribués.
Théorème 18.9 (Probabilité de ruine). Si la distribution des coûts des
sinistres est la loi exponentielle de paramètre 1/λ, ou de moyenne λ avec
p > λμ, alors, pour tout c 0, on a

λμ p − λμ
ψ(c) = exp − c .
p pλ
18.4 Sinistres exponentiels 249
Démonstration. Pour x < 1/λ, on a

1 p − μλ 1
H(x) = et u= < .
1 − λx pλ λ
Il suffit de montrer que, sachant que τ̃ (c) < +∞, la variable Y (c) = Sτ̃ (c) − c
suit la loi exponentielle d’espérance λ. Si τ̃ (c) = n alors
Y (c) = Sn − c = Xn − pΔn + Sn−1 − c,
d’où
P(Y (c) > y, τ̃ (c) = n)

= P Y (c) > y, max Si c, Sn > c
1in−1

= P Xn > y + pΔn + c − Sn−1 , max Si c
1in−1

= P Xn > y, Xn > y + pΔn + c − Sn−1 , max Si c .
1in−1
La dernière égalité provient du fait que Xn = Y (c) + c − Sn−1 > y lorsque

Y (c) > y et max1in−1 Si c. À présent, puisque la variable aléatoire Xn
suit la loi Exp(1/λ) et est indépendante de (Δn , S1 , . . . , Sn−1 ), on a
P(Y (c) > y, τ̃ (c) = n)

∞
= P x > y + pΔn + c − Sn−1 , max Si c λe−λx dx
y 1in−1
∞
= e−λy P x > pΔn + c − Sn−1 , max Si c λe−λx dx
0 1in−1

= e−y/λ P Sn > c, max Si c = e−y/λ P(τ̃ (c) = n) .
1in−1
Ainsi, P(Y (c) > y | τ̃ (c) < +∞) = e−y/λ pour tout y > 0. Ceci assure que

E euY (c) | τ̃ (c) < +∞ = H(u).
On conclut en appliquant le théorème 18.7.

Considérons deux compagnies qui assurent le même type de risques et
pratiquent les mêmes politiques de tarif et d’indemnisation. Supposons que
la clientèle de la seconde diffère d’un facteur multiplicatif ρ de la première.
Si (λ, μ, p) désigne les paramètres de la première compagnie, ceux de la se-
conde sont donnés par (λ, ρμ, ρp). On suppose que les sinistres sont toujours
exponentiellement distribués. Par homogénéité, la probabilité de ruine de la
compagnie i = 1, 2 est donnée par le théorème 18.9 :

λμ p − λμ
ψ(ci ) = exp − ci .
p pλ
Supposons à présent qu’elles s’unissent pour ne former qu’une seule com-

pagnie. On supposera à nouveau que les sinistres assurés par chacune des
compagnies sont indépendants. Les paramètres de la nouvelle entité sont
(λ, (1 + ρ)μ, (1 + ρ)p) et le capital initial vaut c1 + c2 . Une fois de plus, la
probabilité de ruine est donc donnée par ψ(c1 + c2 ) qui est inférieure aux
probabilités de ruine de chacune des deux compagnies. Les assureurs ont donc
intérêt à se regrouper pour mutualiser les risques.

La définition et les propriétés essentielles des processus de Poisson se trouve
par exemple dans le livre de Dominique Foata et Aimé Fuchs [FF04], dans
celui de James Norris [Nor98a], et dans celui de Christiane Cocozza-Thivent
[CT97]. Les probabilités sont un des outils essentiels de l’actuariat, nom donné
à la science de l’assurance. Le modèle présenté ici appelé modèle de Cramér-
Lundberg a été introduit par Filip Lundberg vers 1903 puis popularisé par
Harald Cramér dans les années 1930. On pourra notamment consulter les
ouvrages de Søren Asmussen [Asm00], Thomas Mikosch [Mik09] ou encore de
Arthur Charpentier et Michel Denuit [CD04]. Du point de vue de la théorie des
processus stochastiques, le processus de Cramér-Lundberg est un processus
de Markov déterministe par morceaux (un autre exemple est traité dans le
chapitre 17). Un modèle plus sophistiqué prend en compte le fait que les
assureurs placent l’argent des cotisations au fur et à mesure. Le générateur
infinitésimal du processus décrivant la fortune de la compagnie s’écrit alors
∞

Lf (x) = (γx + p)f (x) + μ (f (x − y) − f (x)) ν(dy).
0
Les lois de franchissement d’un niveau sont alors plus difficiles à décrire.
19
Polymères dirigés en environnement aléatoire
Mots-clés. Phénomène de seuil ; transition de phase ; inégalité FKG ; es-

pérance dépendant d’un paramètre ; polymère dirigé ; environnement aléa-
toire ; mesure de Boltzmann-Gibbs.
Outils. Chaîne de Markov ; transformée de Laplace ; martingale ; loi du
zéro-un.
Difficulté. ***
Un polymère est une longue molécule constituée de briques élémentaires

identiques appelées monomères. On s’intéresse à la modélisation de la struc-
ture d’un polymère constitué de monomères hydrophiles, placé dans une émul-
sion d’huile et d’eau. L’huile est présente sous la forme de gouttelettes micro-
scopiques. On suppose que les monomères sont régulièrement espacés et que
le polymère se déroule dans une direction privilégiée. On dit que le polymère
est dirigé. Par analogie avec les processus, cette dimension est dite temporelle,
et le polymère est vu comme un chemin dans Zd , c’est-à-dire une application
de {0, 1, . . . , n} dans Zd où n est la longueur du polymère. On positionne sur
les points de N × Zd des variables aléatoires i.i.d. qui quantifient la sensibilité
de chaque monomère du polymère à la présence d’huile ou d’eau sur chaque
site. Dans tout le chapitre, l’entier d est fixé supérieur ou égal à 1.
La sensibilité du polymère à son environnement est modélisée par un pa-
ramètre réel noté β introduit par la suite. Toute la question est de déterminer
pour quelles valeurs de ce paramètre le comportement du polymère est sensi-
blement différent d’une marche aléatoire simple qui modélise la structure d’un
polymère indifférent à son environnement.
19.1 Modèle et résultats principaux

On modélise un polymère insensible à son environnement par une marche
aléatoire simple sur Zd , c’est-à-dire une suite (Sn )n0 avec S0 = 0 et

252 19 Polymères dirigés en environnement aléatoire

n
Sn = Ui , n 1,
i=1
où (Un )n1 est une suite de v.a. i.i.d. de loi uniforme sur {±ei : 1 i d}, où
e1 , . . . , ed est la base canonique de Zd . On note (Fn )n0 la filtration naturelle
de (Sn )n0 , et F la tribu engendrée par les variables aléatoires (Un )n1 .
Il est commode de représenter les n + 1 premiers termes de (Sn )n0 par
la variable aléatoire S0:n = (S0 , S1 , . . . , Sn ), qui prend ses valeurs dans Γn ,
l’ensemble des chemins issus de 0 et de longueur n dans Zd , c’est-à-dire l’en-
semble des (n + 1)-uplets γ = (γ0 , γ1 , . . . , γn ) avec γ0 , . . . , γn dans Zd , tels que
γ0 = 0 et γi+1 − γi ∈ {±ej : 1 j d} pour tout 0 i n − 1.
On modélise l’environnement par des variables aléatoires réelles
(η(n, x))n1, x∈Zd
i.i.d. non constantes. On suppose que (Un )n1 et (η(n, x))n0, x∈Zd sont indé-
pendantes. On note G la tribu engendrée par (η(i, x))i1, x∈Zd et Gn la tribu
engendrée par (η(i, x))(i,x)∈En où En = {(i, γi ) : 1 i n, γ ∈ Γn } est l’en-
vironnement vu par les chemins de longueur n.
Pour tout β 0, on définit la mesure de probabilité μn sur Γn en posant,
pour tout γ ∈ Γn ,
1
μn (γ) = eβHn (γ) P(S0:n = γ),
Zn (β)
avec

n
Hn (γ) = η(i, γi ) et Zn (β) = E eβHn (S0:n ) | G .
i=1
La mesure de probabilité μn est une mesure de Gibbs (voir chapitre 5). La

quantité Hn (S0:n ) représente l’affinité de la configuration du polymère dans
son environnement. Plus elle est élevée, plus la configuration du polymère est
probable. Le paramètre β quantifie l’influence de l’environnement sur la struc-
ture du polymère. Il s’interprète comme l’inverse de la température. Si β = 0
(la température est infinie) alors tous les chemins de longueur n ont le même
poids : le polymère n’est pas sensible à l’environnement et se comporte comme
la marche aléatoire simple. Si β = +∞ (température nulle), le polymère ne
charge que les chemins de longueur n qui maximisent Hn .
La quantité Zn (β) est une constante de normalisation appelée fonction
de partition du système. On pose η = η(0, 0) et on suppose que la fonction
suivante est bien définie :

λ : t ∈ R → λ(t) = log E etη ∈ R+ .
La fonction de partition normalisée est

Wn (β) = E eβHn (S0:n )−nλ(β) | G .
19.1 Modèle et résultats principaux 253
Zd
γ
Fig. 19.1. Environnement Bernoulli : les points noirs représentent les sites où l’envi-
ronnement vaut +1). Pour les chemins γ et γ , H8 (γ) = 7 et H8 (γ ) = 1. Le premier
est favorisé par rapport au second dès que β > 0.
L’énergie libre du système et son espérance sont définies par

1
qn (β) = log Zn (β) et un (β) = E(qn (β)).
n
Les quantités Zn (β), qn (β), Wn (β) et μn sont aléatoires, et nous allons

étudier leur comportement asymptotique quand n tend vers l’infini. Il y a
plusieurs façons de mesurer l’influence de l’environnement sur la structure du
polymère. Nous en présentons deux basées sur les comportements asympto-
tiques de qn (β) et Wn (β). Les résultats sont présentés dans cette section, leurs
démonstrations sont données dans les suivantes.
Nous commençons par le premier résultat significatif sur une dichotomie
possible dans le comportement du polymère. Il est basé sur le comportement
asymptotique de la fonction de partition normalisée Wn (β).
Théorème 19.1 (Phénomène de seuil). Il existe une v.a. W∞ (β) telle que
p.s.
Wn (β) −→ W∞ (β).
n→∞
De plus, il existe une constante β̄c ∈ [0, +∞] telle que, p.s.

W∞ (β) > 0 si β < β̄c , et on dit que le polymère est en «faible désordre»,
W∞ (β) = 0 si β > β̄c , et on dit que le polymère est en «fort désordre».
Ce résultat sera démontré dans la section 19.2. Il donne la première notion
de désordre. Présentons à présent l’autre notion de désordre. Elle s’appuie sur
le résultat suivant.
Théorème 19.2 (Phénomène de seuil). Il existe une fonction u λ telle que
un (β) −→ u(β).
n→∞
De plus, il existe une constante βc ∈ [0, +∞] telle que

u(β) = λ(β) si β < βc , (le polymère est en «très faible désordre»),
u(β) < λ(β) si β > βc , (le polymère est en «très fort désordre»).
Ce théorème est démontré dans la section 19.4. Les deux notions de

désordre sont comparables.
Lemme 19.3 (Le très fort désordre implique le fort désordre). On a toujours
0 β̄c βc +∞.
Démonstration. Si β < β̄c alors P({W∞ (β) > 0}) = 1 et par suite
1
(u − λ)(β) = lim log Wn (β) = 0.
n→∞ n
En d’autres termes, β βc .
Notons que la terminologie est délicate car le modèle peut être à la fois en
très faible désordre et en fort désordre. Le tableau suivant résume les choses.
β (0, β̄c ) (β̄c , βc ) (βc , +∞)

Fort Désordre non oui oui
Très Fort Désordre non non oui
Les deux questions essentielles sont les suivantes :
— ces phénomènes de seuil – on parle parfois en physique de transition
de phase – ont-ils vraiment lieu, en d’autres termes, les paramètres
critiques sont-ils finis et non nuls ?
— les deux paramètres critiques sont-ils différents ?
Les réponses à ces questions peuvent dépendre de la loi de l’environnement et
de la dimension d du polymère. Nous obtenons dans la section 19.3 une borne
supérieure pour βc qui est finie ou non selon la loi de l’environnement et la
dimension d. Dans la section 19.5, nous montrons que si d 3 alors quel que
soit l’environnement, β̄c > 0. On pourra se reporter à la section 19.6 pour le
cas des petites dimensions qui s’avère beaucoup plus délicat.
Certaines démonstrations ci-dessous reposent sur la remarque simple sui-
vante : si f et g sont croissantes, alors f (X) et g(X) sont positivement corré-
lées. Cette propriété, appelée inégalité FKG 1 est vraie pour des fonctions de
plusieurs variables aléatoires indépendantes, comme l’affirme le lemme 19.4.
1. Pour Fortuin, Kasteleyn et Ginibre.

19.2 Fonction de partition normalisée 255
Lemme 19.4 (Inégalité FKG). Soient X = (Xi )1ik des v.a.r. indépen-
dantes et f, g : Rk → R deux fonctions telles que f (X) et g(X) sont de carré
intégrable, croissantes au sens où f (x) f (y) si xi yi pour tout 1 i k.
Alors f (X) et g(X) sont positivement corrélées :
E[f (X)g(X)] E[f (X)] E[g(X)].
Démonstration. Pour k = 1, si X est une copie indépendante de X, on a

1
E(f (X)g(X)) − Ef (X)Eg(X) = E[(f (X) − f (X ))(g(X) − g(X ))] 0.
2
Pour k > 1, on procède par récurrence en utilisant un conditionnement :
E(f (X)g(X)) − Ef (X)Eg(X)

= E(E(f (X)g(X)|X1 ) − E(f (X)|X1 )E(g(X)|X1 ))
+ E(E(f (X)|X1 )E(g(X)|X1 )) − Ef (X)Eg(X)
= ECov(f (X), g(X)|X1 ) + Cov(E(f (X)|X1 ), E(g(X)|X1 )).
Le premier terme est positif par hypothèse de récurrence car à x1 fixé les fonc-
tions f et g sont croissantes comme fonctions des k − 1 variables (x2 , . . . , xk ).
Le second l’est aussi car les fonctions E(f (X)|X1 = ·) et E(g(X)|X1 = ·) sont
croissantes et la propriété est vraie au rang 1.
19.2 Fonction de partition normalisée

Cette section est consacrée à la preuve du théorème 19.1.
Lemme 19.5 (Convergence). La suite (Wn (β))n1 converge p.s. vers une
variable aléatoire W∞ (β) qui est positive et d’intégrale inférieure à 1.
Démonstration. L’inégalité de Jensen assure que, pour p 1,

p
E(Wn (β)p ) = E E eβHn (S0:n )−nλ(β) | G E epβHn (S0:n ) e−pnλ(β) .
Pour tout γ ∈ Γn , on a
# $n
E epβHn (γ) = E epβη = enλ(pβ) .
La variable aléatoire Wnp est donc intégrable et E(Wn (β)p ) en(λ(pβ)−pλ(β)) .

Pour p = 1, la majoration est une égalité : E(Wn (β)) = 1. Pour tout n 1,
e−(n+1)λ(β) n+1
β η(i,γi )
E(Wn+1 (β) | Gn ) = E e i=1 | Gn
(2d)n+1
γ∈Γn+1
e−(n+1)λ(β) β n η(i,γi ) λ(β)

= e i=1 e
(2d)n+1
γ∈Γn+1
1 βHn (γ)−nλ(β)
= e = Wn (β).
(2d)n
γ∈Γn
La suite (Wn (β))n1 est donc une martingale positive pour la filtration (Gn )n .
Elle converge donc p.s. vers une variable aléatoire positive W∞ (β). De plus,
d’après le lemme de Fatou,

E(W∞ (β)) = E lim inf Wn (β) lim inf E(Wn (β)) = 1,
n→∞ n→∞
ce qui est le résultat annoncé.

Rien n’assure pour l’instant que la martingale converge dans L1 ni que
W∞ (β) soit d’intégrale 1. Le résultat suivant établit que W∞ (β) est soit nulle
soit strictement positive presque sûrement.
Lemme 19.6 (loi du zéro-un). Pour tout β 0 et tout θ ∈ (0, 1),
P(W∞ (β) = 0) ∈ {0, 1} et lim E(Wn (β)θ ) = E(W∞ (β)θ ).
n→∞
Démonstration. La propriété de Markov de la marche assure que

Sn −mλ(β)
Wn+m (β) = E eβHn (S0:n )−nλ(β) Zn,m e |G
où, pour x ∈ Zd et n et m entiers strictement positifs,

0 m 1

Zn,m (β) = E exp β
x
η(n + i, x + Si ) | G .
i=1
Ainsi,

Sn −mλ(β)
W∞ (β) = lim Wn+m (β) = E eβHn (S0:n )−nλ(β) lim Zn,m e |G .
m→∞ m→∞
Puisque eβHn (S0:n )−nλ(β) est strictement positif presque sûrement, l’événement
! "
{W∞ (β) = 0} = lim Zn,m x
e−mλ(β) = 0 : ∀x, P(Sn = x) > 0
m→∞

appartient à la tribu σ η(j, x), j n, x ∈ Zd . Ceci est vrai pour tout n.
6
Il appartient donc à la tribu asymptotique n1 σ η(j, x) : j n, x ∈ Zd .
D’après la loi du zéro-un de Kolmogorov, tous les éléments de la tribu asymp-
totique sont de probabilité 0 ou 1. Puisque Wn (β) est d’espérance 1, la suite
(Wn (β)θ )n0 est bornée dans L1/θ . De plus, elle converge vers W∞ (β)θ p.s.
On a donc
lim E(Wn (β)θ ) = E(W∞ (β)θ ).
n→∞
Cette limite est nulle si et seulement si W∞ (β) est nul presque sûrement.
19.3 Borne inférieure en grandes dimensions 257
Il reste à établir une propriété de monotonie pour la dichotomie ci-dessus.

Lemme 19.7 (Monotonie). Pour tout θ ∈ ]0, 1[, β → E(W∞ (β)θ ) décroît.
Démonstration. On remarque tout d’abord que

∂β Wn (β) = E (Hn (S0:n ) − nλ (β))eβHn (S0:n )−nλ(β) | G .
On a donc, après dérivation sous l’espérance,

∂β E(Wn (β)θ ) = θE Wn (β)θ−1 (Hn (S0:n ) − nλ (β))eβHn (S0:n )−nλ(β) .
L’inégalité FKG du lemme 19.4 appliquée à la mesure de probabilité de densité

eβHn (γ)−nλ(β) par rapport à P et aux fonctions Wn (β)θ−1 et Hn (γ) − nλ (β) –
qui sont des fonctions respectivement décroissante et croissante des variables
(η(k, x))(k,x)∈En – assure que

E Wn (β)θ−1 (Hn (γ) − nλ (β))eβHn (γ)−nλ(β)
est inférieur à

E Wn (β)θ−1 eβHn (γ)−nλ(β) E (Hn (γ) − nλ (β))eβHn (γ)−nλ(β) .
Pour conclure, on utilise alors que

E (Hn (γ) − nλ (β))eβHn (γ)−nλ(β) = ∂β E(Wn (β)) = 0.
On peut à présent conclure. Par passage à la limite θ → 1, on obtient que
β → E(W∞ (β))
est décroissante. Il existe donc β̄c ∈ [0, +∞] tel que, presque sûrement,

W∞ (β) > 0 si β < β̄c ,
W∞ (β) = 0 si β > β̄c .
Ceci achève la démonstration du théorème 19.1.
19.3 Borne inférieure en grandes dimensions

On se place ici en dimension d 3. Dans ce cas, la marche aléatoire simple
(Sn )n0 est transiente (voir le théorème 2.7). La probabilité qu’elle revienne
en 0 est strictement inférieure à 1. Notons πd cette probabilité.
Théorème 19.8 (Critère de non nullité). Si d 3 et si
τ (β) = λ(2β) − 2λ(β) < log(1/πd )
alors W∞ > 0 presque sûrement.

Démonstration. Pour tout β 0, on a τ (β) = 2(λ (2β) − λ (β)) > 0 puisque
λ est strictement convexe car logarithme d’une transformée de Laplace. Il en
découle que τ est donc strictement croissante. Soit à présent une suite (Un )n1
de même loi que (Un )n1 , de sorte que
(Un )n1 , (Un )n1 , (η(n, x))n0, x∈Zd
soient indépendantes. Soit (Sn )n1 la suite construite à partir de (Un )n1 à la
manière de (Sn )n1 à partir de (Un )n1 . Par indépendance de (Sn ) et (Sn ),

+
n +
n
βη(k,Sk )−λ(β)
Wn (β) = E 2 βη(k,Sk )−λ(β)
e |G E e |G
k=1 k=1
n
+
β(η(k,Sk )+η(k,Sk ))−2λ(β)
=E e |G .
k=1
Prenons l’espérance :
0 1
+
n
β(η(k,Sk )+η(k,Sk ))−2λ(β)
E Wn2 =E E e |F ∨ F .
k=1
Or, pour tout x, x ∈ Zd ,

eτ (β) si x = x ,
E eβ(η(k,x)+η(k,x ))−2λ(β) =
1 si x = x .
On a donc

n
E Wn (β)2 = E eτ (β)In où In = 1{Sk =S } .
k
k=0
On remarque alors que les suites (Sk − Sk )k0 et (S2k )k0 ont même loi
puisque −Un et Un sont indépendantes et ont même loi. La variable aléa-
toire In a donc même loi que le nombre N2n de retours en 0 de S avant
l’instant 2n. Par convergence monotone,

E eτ (β)In = E eτ (β)N2n −→ E eτ (β)N∞ .
n→∞
La propriété de Markov forte de S assure que la loi de N∞ est la loi géomé-

trique de paramètre 1 − πd et que, pour tout t ∈ R,
19.4 Énergie libre moyenne 259
⎧
⎨ (1 − πd )e
t
∞

si t < − log(πd ),
E e tN∞
= (1 − πd )πdk−1 etk = 1 − πd et
⎩
k=1 +∞ sinon.
On obtient ainsi une condition nécessaire et suffisante pour que la suite

(Wn (β))n1 soit bornée dans L2 :

sup E Wn (β)2 < ∞ ⇐⇒ τ (β) < log(1/πd ).
n1
Si τ (β) < log(1/πd ), alors (Wn (β))n1 est une martingale bornée dans L2 ,
elle converge donc p.s. et dans L2 vers une variable aléatoire de carré inté-
grable W∞ (β). En particulier on a E(W∞ (β)) = limn E(Wn (β)) = 1 et donc
W∞ (β) > 0 p.s. grâce à la loi du zéro-un du lemme 19.6.
Corollaire 19.9 (Critère de non nullité). Si d 3 alors pour tout environ-

nement, β̄c > 0.
Démonstration. La fonction τ est nulle en 0 et régulière sur R. Elle est de
plus strictement croissante car
τ (β) = 2(λ (2β) − λ (β)) > 0,
par stricte convexité de λ. La condition du théorème 19.8 est donc toujours

vérifiée pour β assez petit et ce, quel que soit l’environnement.
Exemple 19.10 (Environnement gaussien). Si η ∼ N (0, 1),

alors τ (β) = β
2
et τ (β) < log(1/πd ) ssi β < log(1/πd ). On a donc β̄c > log(1/πd ).
Exemple 19.11 (Environnement Bernoulli). Si η ∼ Ber(p), alors

λ(β) = log peβ + 1 − p et lim τ (β) = − log(p).
β→∞
Ainsi, dès que p > πd , la condition du théorème 19.8 est satisfaite pour tout
β 0, et β̄c est infini.
19.4 Énergie libre moyenne

L’objet principal de cette section est de démontrer le théorème 19.2. On
démontre tout d’abord que l’énergie libre moyenne converge.
Lemme 19.12 (Convergence de l’énergie libre moyenne). Pour tout β 0,
il existe une constante u(β) inférieure à λ(β) telle que
un (β) −→ u(β).
n→∞
Démonstration. L’inégalité de Jensen assure que

1 1
un (β) = E(log(Zn (β))) log E(Zn (β)).
n n
Puisque E(Wn (β)) = 1, on a E(Zn (β)) = enλ(β) et un (β) λ(β).
Conditionnellement à G, la propriété de Markov de la marche S assure que

E eβHn+m (S0:n+m ) | G = E eβHn (S0:n ) Zn,m
Sn
|G .
Par définition de Zn (β) et μn , on a simplement

EeβHn (S0:n ) Z Sn | G
E e Zn,m | G =
βHn (S0:n ) Sn n,m
Zn (β)
E eβHn (S0:n ) | G
Sn
= μn Zn,m Zn (β).
En d’autres termes,

x
log(Zn+m (β)) = log(Zn (β)) + log μn (Sn = x)Zn,m .
x∈Zd
L’inégalité de Jensen pour la mesure μn assure que

log(Zn+m (β)) log(Zn (β)) + x
μn (Sn = x) log(Zn,m ).
x∈Zd
La mesure aléatoire μn est Gn -mesurable et Zn,m

x
est indépendante de Gn . On
a donc
⎛ ⎞

E⎝ x
μn (Sn = x) log(Zn,m ) | Gn ⎠ = x
μn (Sn = x)E log(Zn,m ) | Gn .
x∈Zd x∈Zd
x
Les v.a. Zn,m et Zm ont même loi car les v.a. (η(n, x))n,x sont i.i.d. En prenant
l’espérance, on obtient que la suite (E(log(Zm )))n1 est sur-additive, et donc,
d’après le lemme de Fekete (voir page 221), la suite (un (β))n1 converge dans
R ∪ {+∞}. Comme elle est bornée par λ(β), sa limite u(β) est finie.
Le phénomène de seuil va découler d’une propriété de monotonie.
Lemme 19.13 (Monotonie). La fonction β → u(β) − λ(β) décroît sur R+ .
Démonstration. Étudions les variations de β → un (β) − λ(β). On a

∂ E Hn (S0:n )eβHn (S0:n ) | G
E(log(Zn (β))) = E
∂β Zn (β)

1 Hn (γ)eβHn (γ)
= E .
(2d)n Zn (β)
γ∈Γn
19.5 Borne supérieure sur le paramètre critique 261
Remarquons que Hn (γ) (respectivement Zn−1 (β)) est une fonction croissante
(respectivement décroissante) des variables (η(i, x))(i,x)∈En . D’autre part, la
mesure de densité eβHn (γ)−nλ(β) par rapport à la mesure P est une mesure de
probabilité. L’inégalité FKG du lemme 19.4 assure donc

Hn (γ) βHn (γ)−nλ(β)
E e
Zn (β)

E Hn (γ)eβHn (γ)−nλ(β) E Zn (β)−1 eβHn (γ)−nλ(β) .
On obtient ainsi
βHn (γ)
∂ 1 −nλ(β) e
E(log(Zn (β))) n
e E E Hn (γ)eβHn (γ)
∂β (2d) Zn (β)
γ∈Γn
⎛ ⎞
1 eβHn (γ)
nλ (β)E⎝ ⎠
(2d)n Zn (β)
γ∈Γn

nλ (β).
En d’autres termes, (un − λ) (β) 0 : pour tout n 1 la fonction un − λ

est décroissante. C’est encore vrai en passant à la limite quand n → ∞ : la
fonction u − λ est décroissante sur R+ .
Les fonctions u et λ sont nulles en 0. Il existe donc βc ∈ [0, +∞] tel que

u(β) = λ(β) si β < βc ,
u(β) < λ(β) si β > βc .
19.5 Borne supérieure sur le paramètre critique

Le but de cette section est d’établir une borne supérieure sur βc .
Lemme 19.14. Les fonctions (qn )n1 et u vérifient les propriétés suivantes :
1. qn est strictement convexe, qn (0) = 0 ; u est convexe et nulle en 0.
2. β → β −1 qn (β) est croissante.
3. β → β −1 (qn (β) + log(2d)) est décroissante.
Démonstration. La fonction β → nqn (β) est le logarithme de la transformée
de Laplace de la v.a.r. Hn (S0:n ) (les variables η(·, ·) étant fixées). La fonction
qn est donc de classe C 2 , convexe et nulle en 0. Ces propriétés sont stables par
passage à l’espérance puis à la limite quand n tend vers l’infini : u est convexe
sur R+ et nulle en 0. Puisque qn est convexe, la fonction (pente de la corde
entre (0, 0) et (β, qn (β))) β → qn (β)/β = (qn (β) − qn (0))/β est croissante.
Pour le point 3. on dérive pour obtenir

qn (β) + log(2d) 1 1
=− (qn (β) + log(2d)) + μn (Hn ).
β β2 nβ
Par ailleurs, l’entropie de μn définie par

eβH(γ) βH(γ)
e
hn (μn ) = n
log
Zn (2d) Zn (2d)n
γ∈Γn
= β μn (Hn ) − (log(Zn ) + n log(2d))
est négative. Ainsi,

qn (β) + log(2d) 1
= hn (μn ) 0.
β nβ 2
La fonction β → β −1 (qn (β) + log(2d)) est décroissante sur R∗+ .
Le lemme 19.14 fournit une majoration de u et de βc .

Théorème 19.15 (Majorations). Si la condition suivante est vérifiée :
lim βλ (β) − λ(β) > log(2d),

β→+∞
alors l’équation en β suivante
βλ (β) = λ(β) + log(2d)
admet une unique racine β1 et, pour tout β > β1 ,

β
u(β) (λ(β1 ) + log(2d)) − log(2d),
β1
Enfin, on a βc β1 .
Démonstration. Puisque λ est strictement convexe, β → βλ (β) − λ(β) est

strictement croissante sur R+ (sa dérivée vaut β → βλ (β)). Elle est de plus
nulle en 0. L’équation βλ (β) = λ(β) + log(2d) a donc au plus une solution.
Elle existe si et seulement si la condition du théorème est satisfaite.
Le lemme 19.14 assure que la fonction β → (un (β) + log(2d))/β est dé-
croissante. Comme de plus un λ, on obtient
un (β) + log(2d) un (α) + log(2d)

= inf
β α∈]0,β] α
λ(α) + log(2d)
inf .
α∈]0,β] α
La fonction α → (λ(α) + log(2d))/α atteint son minimum sur [0, β] en β ou

au point où sa dérivée s’annule à savoir en β1 . Donc, pour tout β > β1 ,
(λ(β1 ) + log(2d))
u(β) β − log(2d).
β1
Il reste à remarquer que pour β > β1 ,
(λ(β1 ) + log(2d))
β − log(2d) < λ(β)
β1
puisque λ est strictement convexe et qu’il y a égalité en β1 .
Exemple 19.16 (Environnement gaussien et environnementBernoulli). Si
η ∼ N (0, 1) alors βλ (β) − λ(β) = β 2 /2, et dans ce cas β1 = 2 log(2d). En
revanche, si η ∼ Ber(p) alors
pβeβ
βλ (β) − λ(β) = − log peβ + 1 − p ∼ − log(p),
peβ +1−p β→∞
et β1 est fini si et seulement si 2dp < 1.

Ce modèle de polymère dirigé en environnement aléatoire a été introduit
par John Imbrie et Thomas Spencer [IS88]. La notion de fort désordre a été
étudiée en détail par Erwin Bolthausen dans [Bol89], qui démontre en par-
ticulier les théorèmes 19.1 et 19.8. Plus tard la notion de très fort désordre
a été étudiée notamment par Francis Comets et Nobuo Yoshida [CY06], qui
démontrent le théorème 19.2. En utilisant une inégalité de concentration pour
qn autour de sa moyenne, il est possible (voir [CH02, LW09]) d’améliorer les
conclusions du théorème 19.2, en démontrant que pour tout β 0,
p.s. L1
qn (β) −→ u(β) et qn (β) −→ u(β).
n→∞ n→∞
En dimension 1 et 2, on sait démontrer que βc = 0. Philippe Carmona et

Yueyun Hu ont établi dans [CH02] que β̄c = 0 pour d = 1 et d = 2 lorsque
l’environnement est gaussien. Le cas général est traité par Francis Comets,
Tokuzo Shiga et Nobuo Yoshida dans [CSY03]. Par la suite, Francis Comets
et Vincent Vargas ont établi dans [CV06] que βc est nul pour d = 1. Enfin,
Hubert Lacoin a démontré dans [Lac10] que c’est encore vrai pour d = 2. La
question de l’égalité des deux paramètres critiques si d 3 semble ouverte.
L’inégalité FKG, due à Cees Fortuin, Pieter Kasteleyn, et Jean Ginibre
[FKG71], constitue un outil mathématique important en physique statistique.
On peut par exemple consulter à ce sujet le livre de Thomas Liggett [Lig85]
sur les systèmes de particules en interaction.
Pour conclure, signalons que par soucis de clarté nous avons modifié légè-
rement les notations classiques utilisées dans les articles cités plus haut. En
effet, la mesure de référence est en général écrite comme le produit de deux
mesures, l’une pour l’environnement et l’autre pour la loi de la marche. Il faut

alors introduire deux signes d’espérance, qui correspondent aux espérances
conditionnelles par rapport aux tribus F et G dans le présent chapitre.
20
Problème du voyageur de commerce
Mots-clés. Optimisation combinatoire randomisée.

Outils. Inégalité d’Azuma-Hoeffding ; sous-additivité ; poissonisation ; pro-
cessus ponctuel de Poisson.
Difficulté. ***
Voici trois problèmes phares de l’optimisation combinatoire randomisée :

— problème du voyageur de commerce 1 ;
— arbre couvrant minimal 2 ;
— appariement euclidien minimal 3 .
Parmi les méthodes utilisées, on compte la sous-additivité, la concentration
de la mesure, la poissonisation, et la méthode objective. Nous allons aborder
le premier problème, et utiliser certaines techniques. Le problème du voyageur
de commerce consiste à trouver une tournée, c’est-à-dire un chemin circulaire
(circuit hamiltonien) de longueur minimale passant par des points prescrits
X1 , . . . , Xn ∈ Rd , n, d 2. Cela revient à résoudre sur le groupe symétrique

n
min Xσ(k) − Xσ(k+1)
σ∈Sn
k=1
où |·| désigne la norme euclidienne de Rd , Sn est le groupe symétrique de

{1, . . . , n} et avec la convention σ(n + 1) = σ(1). Il est clair que la notion
de distance choisie a une influence sur la solution du problème. L’explosion
combinatoire du groupe symétrique fait que dès que n dépasse quelques di-
zaines, il n’est plus possible de tester toutes les permutations pour trouver
la meilleure. Il est cependant possible d’utiliser un algorithme d’optimisation
1. En anglais : «Traveling Salesman Problem» ou TSP.

2. En anglais : «Minimum Spanning Tree».
3. En anglais : «Minimum Euclidean Matching».

266 20 Problème du voyageur de commerce
globale comme par exemple le recuit simulé, abordé dans la section 5.3, pour
produire en un temps raisonnable une solution approchée : une permutation
pour laquelle le minimum est (presque) atteint.
Plutôt que de rechercher une permutation optimale, nous nous intéressons
dans ce chapitre à la valeur du minimum, et à son comportement lorsque n
est grand et les points X1 , . . . , Xn sont des variables aléatoires indépendantes
et de même loi μ sur Rd . On note Ln = Ln (X1 , . . . , Xn ) la longueur minimale
de la tournée, qui est une fonction de X1 , . . . , Xn .
Fig. 20.1. Trajet le plus court pour n = 20 points uniformément répartis dans le
carré unité obtenu par l’algorithme stochastique du recuit simulé (chapitre 4).
Théorème 20.1 (Bearwood-Halton-Hammersley). Il existe une constante

0 < γd < ∞ qui dépend de d 2 telle que si μ est à support compact et
de densité f : Rd → R+ par rapport à la mesure de Lebesgue, alors

Ln (X1 , . . . , Xn ) p.s.
−→ γ d f (x)(d−1)/d dx.
n(d−1)/d n→∞ Rd
√
En particulier Ln (X1 , . . . , Xn ) est d’ordre n en dimension d = 2. Nous
allons établir ce théorème lorsque μ est la loi uniforme sur le cube [0, 1]d .
Nous allons montrer que la variable aléatoire Ln (X1 , . . . , Xn ) est d’autant
plus concentrée autour de son espérance E(Ln (X1 , . . . , Xn )) que n est grand,
puis que cette espérance est d’ordre n(d−1)/d .
20.1 Concentration pour le cas uniforme 267
Fig. 20.2. Tracé d’une approximation de n → n−1/2 E(Ln ) dans le cas uniforme,
avec une méthode de Monte-Carlo et l’algorithme du recuit simulé (chapitre 5).
20.1 Concentration pour le cas uniforme
Théorème 20.2 (Concentration autour de la moyenne). Si μ est la loi uni-

forme sur le cube [0, 1]d alors pour tout n 1 et tout réel t 0 on a
⎧
⎪ ct2
⎪
⎨− si d = 2,
log(n)
P(|Ln − E(Ln )| t) 2 exp
⎪
⎪ 2
⎩− ct si d > 2,
n(d−2)/d
où c > 0 est une constante qui ne dépend que de la dimension d. Ainsi,
⎧ 2
⎪
⎨− cnt
Ln Ln si d = 2,
P − E t 2 exp log(n)
n(d−1)/d n(d−1)/d ⎪
⎩
−cnt2 si d > 2.
La preuve du théorème 20.2 s’appuie sur deux lemmes.

On dit qu’une variable est concentrée lorsqu’elle reste proche de sa
moyenne avec grande probabilité. Une telle propriété peut être obtenue en
contrôlant la queue de distribution de la variable, par exemple au moyen de
moments, comme dans l’inégalité de Tchebychev basée sur la variance, et l’in-
égalité de Chernoff basée sur la transformée de Laplace (moments exponen-
tiels). L’inégalité d’Azuma-Hoeffding exploite une information sur l’oscillation
de la variable (diamètre du support). On a osc(f ) 2f ∞ où
osc(f ) := sup f − inf f = diamètre(support(f )).
Lemme 20.3 (Inégalité de concentration d’Azuma-Hoeffding). Considérons

une variable aléatoire Y : (Ω, F, P) → R intégrable, alors pour tout r 0,

2r2
P(|Y − E(Y )| r) 2 exp − 2 2
osc(d1 ) + · · · + osc(dn )
pour la décomposition télescopique en somme de différences de martingale 4

n
n
Y − E(Y ) = E(Y | Fk ) − E(Y | Fk−1 ) = dk
k=1 k=1
associée à une filtration arbitraire d’interpolation
{∅, Ω} = F0 ⊂ F1 ⊂ · · · ⊂ Fn = F.
Démonstration. Soit U une v.a.r. telle que E(U ) = 0 et a U b. La

convexité de u → eu donne, pour tout t 0 et tout x ∈ [a, b],
x − a tb b − x ta
etx e + e .
b−a b−a
En posant p = −a/(b − a) et f (u) = −pu + log(1 − p + peu ) il vient donc
b ta a tb
E(etU ) e − e = eta (1 − p) + pet(b−a) = ef (t(b−a)) .
b−a b−a
À présent on a
peu eu 1
f (u) = −p + et f (u) = p(1 − p) .
1 − p + peu (1 − p + e )
u 2 4
Comme f (0) = f (0) = 0, on en déduit que f (u) u2 /8 et donc

t2 2
E(etU ) e 8 (b−a) .
4. On parle parfois de martingale de Doob.
20.1 Concentration pour le cas uniforme 269
Appliquée à U = dk = E(Y | Fk ) − E(Y | Fk−1 ) sachant Fk−1 , cela donne

t2 2
E(etdk | Fk−1 ) e 8 osc(dk ) .
Ensuite, en écrivant la somme télescopique Y −E(Y ) = dn +· · ·+d1 on obtient

t2
E(et(Y −E(Y )) ) = E(et(dn−1 +···+d1 ) E(etdn | Fn−1 )) · · · e 8 c ,
n 2
où c := k=1 osc(dk ) . À présent, pour tout t, r > 0, par l’inégalité de Markov,
P(Y − E(Y ) r) = P(et(Y −E(Y )) etr )

e−tr E(et(Y −E(Y )) )
ct2
e−tr+ 8 .
Ainsi, pour tout r 0,

ct2 2r2
P(Y − E(Y ) r) exp inf −tr + = exp − .
t>0 8 c
En utilisant cela pour les variables Y et −Y , on obtient le résultat souhaité

pour P(|Y − E(Y )| r).
Lemme 20.4 (Lemme géométrique). Il existe une constante cd > 0 telle que
si X1 , . . . , Xk sont i.i.d. de loi uniforme sur [0, 1]d alors pour tout x ∈ [0, 1]d ,

gk (x) := E min |Xi − x| cd k −1/d .
1ik
Démonstration. Si B(x, r) désigne la boule de centre x et de rayon r > 0 dans

Rd , le volume minimal de B(x, r) ∩ [0, 1]d quand x parcourt [0, 1]d est atteint
lorsque x est un coin du cube [0, 1]d . Lorsque r 1,√la valeur du minimum est
2−d |B(0, r)| = 2−d |B(0, 1)|rd (dessin). Si 1 < r d, la valeur du minimum
est difficile à calculer. Elle reste √
néanmoins supérieure ou égale à celle du cas
r = 1. Ainsi, pour√tout 0 < r d, ce volume minimal est supérieur ou égal √
à 2−d |B(0, 1)|(r/ d)d = ad rd . Donc pour tout x ∈ [0, 1]d et tout 0 < r d,
en utilisant à la fin l’inégalité de convexité 1 − u e−u ,
+k
P min |Xi − x| r = P(Xi ∈ B(x, r)c )
1ik
i=1
k
= 1 − |B(x, r) ∩ [0, 1]d |
k
1 − ad rd

exp −ad krd .
√
Ceci reste valable si r > d car dans ce cas P(min1ik |Xi − x| r) = 0.
On a ∞
E min |Xi − x| = P min |Xi − x| r dr
1ik 0 1ik
et ∞
Γ (1/d)
e−br dr =
d
.
0 db1/d
Démonstration du théorème 20.2. Appliquons l’inégalité d’Azuma-Hoeffding

(lemme 20.3) à Y = Ln (X1 , . . . , Xn ) et à la filtration Fk = σ(X1 , . . . , Xk )
avec F0 = {∅, Ω}. Cela ramène le problème à la majoration uniforme de
dk = E(Ln (X1 , . . . , Xn ) | Fk ) − E(Ln (X1 , . . . , Xn ) | Fk−1 ).
Si (X1 , . . . , Xn ) est une copie indépendante de (X1 , . . . , Xn ) on remarque que
E(Ln (X1 , . . . , Xk , . . . , Xn ) | Fk−1 ) = E(Ln (X1 , . . . , Xk , . . . , Xn ) | Fk )
et donc
dk := E(Ln (X1 , . . . , Xk , . . . , Xn ) − Ln (X1 , . . . , Xk , . . . , Xn ) | Fk ).
Nous allons maintenant majorer dk ∞ . Soit L la fonction qui associe à un
ensemble fini de Rd la longueur minimale de la tournée. On a, pour tout
S ⊂ Rd fini et tout x ∈ Rd ,
L(S) L(S ∪ {x}) L(S) + 2 min |x − y|.
y∈S
En appliquant cette inégalité à S = {x1 , . . . , xn } \ {xk } et à x = xk et x = xk

on obtient que
|Ln (x1 , . . . , xk , . . . , xn ) − Ln (x1 , . . . , xk , . . . , xn )|
2 min |xk − xi | + 2 min |xk − xi |
i=k i=k
2 min |xk − xi | + 2 min |xk − xi |.

i>k i>k

En posant gk (x) := E min |Xi − x| on obtient pour 1 k n − 1,
1ik

|dk | 2E min |Xk − Xi | + min |Xk − Xi | Fk
i>k i>k
= 2gn−k (Xk ) + 2E(gn−k (Xk )).
Le lemme géométrique 20.4 donne, pour d 2 et 1 k n − 1,
dk ∞ cd (n − k)−1/d .
Or dn ∞ cd pour une autre constante car les Xi sont bornées, d’où

n
2 cd log(n) pour d = 2,
dk ∞ (d−2)/d
k=1
cd n pour d > 2.
20.2 Évaluation de la moyenne du cas uniforme 271
20.2 Évaluation de la moyenne du cas uniforme

Lemme 20.5 (Un bon début). Si μ ∼ Unif([0, 1]d ) alors pour tout n 1,
Ln (X1 , . . . , Xn )∞ cd n(d−1)/d
et
c−
dn
(d−1)/d
E(Ln (X1 , . . . , Xn )) c+
dn
(d−1)/d
où 0 < c−
d cd < ∞ sont des constantes qui ne dépendent que de d.
+
Démonstration. Le cube [0, 1]d est l’union de (1/ε)d petits cubes isométriques
à [0, ε]d . Avec ε = n−1/d on obtient que [0, 1]d peut être recouvert par O(n)
petits cubes de diamètre O(n−1/d ). Par le principe des tiroirs 5 , pour tous
x1 , . . . , xn ∈ [0, 1]d on a, pour une constante cd qui peut dépendre de d,
min |xi − xj | cd n−1/d .

1i=jn
Par conséquent, si n est le maximum sur x1 , . . . , xn de la longueur de tournée

minimale pour x1 , . . . , xn , alors
n n−1 + 2cd n−1/d
qui donne, pour une nouvelle constante cd qui peut dépendre de d,
Ln (X1 , . . . , Xn )∞ cd n−1/d+1 = cd n(d−1)/d .
Par ailleurs, la preuve du lemme 20.4 indique que |B(x, r)∩[0, 1]d | est maximal
quand x est au centre du cube, d’où, pour tout x ∈ [0, 1]d et tout 0 < r 1/2,

P min |Xi − x| r (1 − ωd rd )n−1
1in−1
avec ωd := |B(0, 1)|. En utilisant l’inégalité élémentaire (1 − u)α 1 − αu

valable dès que 0 u 1/α, on en déduit que
1/2
E min |Xi − x| (1 − ωd rd )n−1 dr cd n−1/d .
1in−1 0
Ainsi,

min E min |Xi − Xj | = min E E min |Xi − Xj | | Xj
1jn 1i=jn 1jn 1i=jn
−1/d
cd n
où cd est une constante qui dépend de la dimension d. Or le circuit optimal

à travers X1 , . . . , Xn possède n arêtes et passe par chacun des n sommets.
5. Pigeonhole principle en anglais : si on dispose n objets dans m boîtes avec
n > m alors au moins l’une des boîtes contient deux objets ou plus.
n
On dispose donc d’une écriture Ln (X1 , . . . , Xn ) = i=1 |Xi − Xji | pour des
entiers aléatoires j1 , . . . , jn , ce qui donne

n
E(Ln (X1 , . . . , Xn )) E min |Xi − Xj |
1i=jn
j=1
ncd n−1/d
= cd n(d−1)/d .
Théorème 20.6 (Le bon résultat). Si μ est la loi uniforme sur [0, 1]d alors
E(Ln (X1 , . . . , Xn ))
lim = γd
n→∞ n(d−1)/d
où 0 < γd < ∞ est un réel qui dépend de d.
Nous savons déjà que an := E(Ln ) ≈ n(d−1)/d ce qui rend naturel de cher-
cher à établir que nd/(d−1) an converge quand n tend vers l’infini. Ce compor-
tement non linéaire empêche l’usage direct d’une technique de sous-additivité.
Il est cependant possible de linéariser le problème par poissonisation puis dé-
poissonisation. L’heuristique est la suivante : si N est une v.a.r. à valeurs en-
tières alors E(aN ) ≈ E(N (d−1)/d ) ≈ E(N )(d−1)/d qui est linéaire en t lorsque
N ∼ Poi(td/(d−1) ). Par ailleurs si N ∼ Poi(n) alors an ≈ E(aN ).
Démonstration. On procède par étapes.
Poissonisation. On note L(S) la longueur minimale de la tournée pour un
ensemble fini de points S = {x1 , . . . , xn } ⊂ Rd , avec la convention L(S) = 0
si card(S) 2. Soit P un processus ponctuel de Poisson sur Rd de mesure
d’intensité Lebesgue. Soit (Zt )t0 le processus défini par Zt = L(P ∩ [0, t]d )
c’est-à-dire la longueur minimale de la tournée pour les atomes du processus
de Poisson P se trouvant dans le cube [0, t]d . Pour tout n 0,
Loi(P | card(P ∩ [0, t]d ) = n) = Unif([0, t]d )⊗n .
D’autre part, L(tS) = tL(S) et card(P ∩ [0, t]d ) ∼ Poi(td ), ce qui donne
∞

E(Zt ) = E(Zt | card(P ∩ [0, t]d ) = n)P(card(P ∩ [0, t]d ) = n)
n=0
∞
tdn
E(L(P ∩ [0, t]d ) | card(P ∩ [0, t]d )e−t
d
=
n=0
n!
∞
tdn
= e−t
d
tan
n=0
n!
où
20.2 Évaluation de la moyenne du cas uniforme 273
an := E(Ln (X1 , . . . , Xn )).

Le facteur t devant an vient du fait que an concerne [0, 1]d et non pas [0, t]d . Le
lemme 20.5 entraîne que an = O(n(d−1)/d ) et donc t → E(Zt ) est continue et
même analytique. La suite (an )n1 peut donc s’obtenir à partir de la donnée
de la fonction t → E(Zt ) au voisinage de t = 0. Cependant, nous allons plutôt
montrer que limt→∞ t−1 E(Zt ) existe, ce qui suffira.
Sous-additivité. Soit C1 , . . . , Ckd une partition (aux bords près) de [0, t]d
en k d cubes similaires à [0, t/k]d . Pour tous x1 , . . . , xn ∈ Rd , les k d tournées
des ensembles Si = {x1 , . . . , xn } ∩ Ci peuvent être concaténées pour former
une tournée pour {x1 , . . . , xn } ∩ [0, t]d , avec un coût supplémentaire O(k d−1 ) :
choisir un point dans chacune des k d tournées et les connecter avec une tournée
de coût O(k d−1 ) grâce à la première borne du lemme 20.5 ce qui donne une
grande tournée en chapelet. Ainsi, il existe une constante c > 0 telle que pour
tout k 1 et tout t 0,
d

k
L({x1 , . . . , xn } ∩ [0, t] )
d
L({x1 , . . . , xn } ∩ Ci ) + ctk d−1 .
i=1
Cela donne E(Zt ) k d E(Zt/k ) + ctk d−1 , d’où une première estimation :
E(Ztk ) E(Zt )
d
+ ct1−d .
(tk) td
En prenant t = 1 on obtient
E(Zk )
0 γ := lim E(Z1 ) + c < ∞.
k→∞ kd
Par définition de γ, pour tout ε > 0 on peut choisir k0 assez grand pour que
E(Zk0 )
+ ck01−d γ + ε.
k0d
Comme t → E(Zt ) est continue, on peut choisir δ > 0 tel que pour tout
k0 < t < k0 + δ,
E(Zt )
+ ct1−d γ + 2ε.
td
Grâce à notre première estimation, on voit que cette deuxième estimation
a lieu pour tout kk0 < t < k(k0 + δ). Or pour k > k0 /δ les intervalles
Ik := ]kk0 , k(k0 + δ)[ et Ik+1 se recouvrent. On en déduit qu’elle a lieu pour
tout t k02 /δ, ce qui implique en particulier
E(Zt ) E(Zt )
lim d
lim + 2ε = γ + 2ε.
t→∞ t t→∞ td
Comme ε > 0 est arbitraire, on obtient donc
E(Zt )
lim = γ.
t→∞ td
Ainsi, le développement en série de E(Zt ) donne, après le changement de
variable u = td ,
∞
uk
e−u ak ∼ γu(d−1)/d .
k! n→∞
k=0
Dépoissonisation. On commence par montrer que n → an est assez ré-

gulière. Comme il est possible de concaténer un circuit pour √ X1 , . . . , Xm et
un circuit pour Xm+1 , . . . , Xm+n avec un coût inférieur à 2 d (diamètre du
cube) on en déduit que
√
an+m an + am + 2 d
√
ce qui donne 0 an − ak an−k + 2 d pour tout 0 k n. Or le lemme
20.5 donne an = O(n(d−1)/d ) et on en déduit
√
|an − ak | |an−k + 2 d| c|n − k|(d−1)/d .
Si N est une v.a.r. de Poisson de moyenne n alors

∞
nk
E(aN ) = ak e−n
k!
k=0
et donc
∞
nk
|an − E(aN )| |an − ak |e−n
k!
k=0
∞
nk
c |n − k|(d−1)/d e−n
k!
k=0
= cE(|N − E(N )|(d−1)/d )

cE(|N − E(N )|2 )(d−1)/(2d)
= cVar(N )(d−1)/(2d)
= O(n(d−1)/(2d) ) = o(n(d−1)/d ).
Or le résultat de la poissonisation avec t = n donne

∞
nk
E(aN ) = ak e−n ∼ γn(d−1)/d
k! n→∞
k=0
et donc
E(Ln (X1 , . . . , Xn )) an
lim = lim (d−1)/d = γ.
n→∞ n(d−1)/d n→∞ n
Le fait que γ > 0 découle de la borne inférieure du lemme 20.5.

20.3 Démonstration du cas uniforme

Nous sommes en mesure à présent de démontrer le théorème 20.1 dans le
cas où μ suit la loi uniforme sur le cube [0, 1]d . Par le théorème 20.2 et le
lemme de Borel-Cantelli, p.s.
⎧
⎨On→∞ (log(n)) si d = 2,
Ln − E(Ln ) =
⎩O (d−2)/(2d)
log(n)) si d > 2
n→∞ (n
tandis que par le théorème 20.6 on a, pour un 0 < γ < ∞,
E(Ln (X1 , . . . , Xn )) ∼n→∞ γn(d−1)/d .

Lorsque d = 2 et X1 , . . . , Xn sont i.i.d. uniforme sur [0, 1]2 , on peut se
convaincre
√ intuitivement que probablement Ln (X1 , . . . , Xn ) est de l’ordre de
n lorsque n est grand en parcourant le carré par zigzags parallèles √ régulière-
ment espacés, par exemple horizontaux : il y a approximativement
√ n lignes
de longueur unité contenant chacune approximativement n points. Plus ri-
goureusement, cela conduit à aborder le problème du voyageur de commerce
en dimension d = 2 en utilisant une courbe qui «remplit l’espace».
Le contenu de ce chapitre est directement inspiré du joli livre de Michael
Steele [Ste97]. On pourra également consulter sur ce thème le livre de Jo-
seph Yukich [Yuk98] ainsi que le livre de Marc Mézard et Andrea Monta-
nari [MM09]. L’inégalité de concentration d’Azuma-Hoeffding est étudiée par
Colin McDiarmid dans [McD89, McD98]. Le théorème 20.1 a été obtenu par
John Hammersley et ses élèves Jillian Beardwood et John Halton vers 1959
et peut être démontré par réduction au cas uniforme
√ sur le cube [0, 1]d . On
sait par ailleurs que γ2 ≈ 0, 7 et que γd ∼d→∞ d2πe.
En théorie de la complexité algorithmique, la complexité d’un algorithme
est le coût d’exécution en fonction de la taille (n pour TSP) du problème.
Un algorithme polynomial est préférable à un algorithme exponentiel au-delà
d’une certaine taille. On dit qu’un problème est NP lorsqu’il est possible de
vérifier la validité d’une solution avec un algorithme polynomial. L’explosion
combinatoire fait qu’un problème NP n’est pas automatiquement résoluble
par un algorithme polynomial en testant toutes les solutions. On dit qu’un
problème est NP-complet lorsque le problème est au moins aussi difficile à
résoudre que tout autre problème NP, c’est-à-dire que tout problème NP se
réduit à celui-ci avec un algorithme polynomial. Les problèmes NP-complets
sont donc des problèmes clés. À l’heure actuelle, tous les algorithmes connus
pour résoudre les problèmes NP-complets sont exponentiels, ce qui les rend
assez rapidement inexploitables. La question ouverte la plus fameuse de l’in-
formatique consiste à trouver un algorithme polynomial pour résoudre un
problème NP complet. On sait démontrer que TSP est NP-complet, et on

ne connaît pas d’algorithme de résolution polynomial. Il est cependant pos-
sible de rechercher une solution approchée, par exemple avec un algorithme
stochastique générique comme l’algorithme du recuit simulé, comme expliqué
dans le chapitre 5. Contrairement à TSP, les deux autres problèmes phares
de l’optimisation combinatoire (arbre couvrant minimal et appariement eucli-
dien minimal) sont résolubles en temps polynomial. Pour en savoir plus, on
renvoie par exemple au livre de Alfred Aho, John Hopcroft, et Jeffrey Ullman
[AHU75], au livre de Giorgio Ausiello, Pierluigi Crescenzi, Giorgio Gambosi,
et Viggo Kann [ACG+ 99], ainsi qu’au cours de Charles Bordenave [Bor14a].
21
Matrices aléatoires
Mots-clés. Matrice aléatoire ; matrice de covariance ; spectre ; nombres de

Catalan ; théorème de Wigner ; loi du demi-cercle ; théorème de Marchenko-
Pastur ; loi du quart-de-cercle.
Outils. Méthode des moments ; fonction caractéristique ; théorème de Pro-
horov ; formule de Courant-Fischer ; inégalité de Hoffman-Wielandt ; inéga-
lité d’Azuma-Hoeffding ; distance de Wasserstein ; distance de Kolmogorov-
Smirnov ; combinatoire.
Difficulté. ***
Ce chapitre est consacré à un phénomène d’universalité concernant le com-

portement asymptotique du spectre de matrices aléatoires de grande dimen-
sion. Nous commençons par une motivation statistique, dont le dénouement
n’est abordé que dans la section 21.5. Soient X1 , . . . , Xn des vecteurs colonnes
aléatoires i.i.d. de Rd centrés et de matrice de covariance Σ. La matrice Σ
est symétrique d × d et ses valeurs propres sont positives ou nulles. On a
Σij = E(Xki Xkj ) pour tous 1 i, j d et tout 1 k n ou encore
Σ = E(X1 X1 ) = · · · = E(Xn Xn ).
n est la matrice symétrique d×d suivante

La matrice de covariance empirique Σ
n
n = 1
Σ
1
Xk Xk = (X1 · · · Xn )(X1 · · · Xn ) .
n n
k=1
On a
n ) = Σ.
E(Σ
Par la loi des grands nombres appliquée aux d × d coefficients,
n −→
Σ
p.s.
Σ.
n→∞

278 21 Matrices aléatoires
On souhaite étudier le comportement de la matrice aléatoire Σ n lorsque la

dimension des données d = dn dépend de n et tend vers ∞. Simplifions en
posant Σ = Id . Cela nous conduit au modèle suivant : on se donne une famille
(Yij )i,j1 de v.a.r. i.i.d. de moyenne 0 et de variance 1, et pour tout entier
n 1, on considère la matrice aléatoire dn × dn symétrique
1
YY
n
où Y = (Yij )1idn ,1jn . Si n → dn est constante et égale à d alors n1 Y Y
converge presque sûrement vers la matrice Σ = I. Il est naturel de cher-
cher à comprendre le comportement de la matrice aléatoire n1 Y Y lorsque dn
dépend de n, par exemple en étudiant son spectre. L’analyse de la matrice
symétrique Y Y est rendue difficile par le fait que ses coefficients sont dépen-
dants. Cela suggère d’analyser en première approche des matrices aléatoires
symétriques dont les coefficients sont indépendants dans le triangle supérieur,
ce qui conduit au théorème de Wigner, objet principal de ce chapitre. Nous
reviendrons aux matrices de covariance empiriques dans la section 21.5.
21.1 Théorème de Wigner

Soient (Mij )i1,j1 des v.a.r. indépendantes. On considère le tableau aléa-
toire symétrique infini obtenu en posant Mij := Mji pour tous i, j 1 :
⎛ ⎞
M1,1 M1,2 · · ·
⎜M2,1 M2,2 · · ·⎟
⎝ ⎠.
.. .. . .
. . .
On se donne un entier n 1 et on note M := (Mij )1i,jn la matrice réelle
symétrique aléatoire obtenue en extrayant le carré n × n situé dans le coin
supérieur gauche du tableau. Soient
λn,1 , . . . , λn,n
les valeurs propres de la matrice réelle symétrique √1n M , ordonnées de sorte
que λn,1 · · · λn,n . On s’intéresse à leur mesure de comptage, appelée
mesure spectrale empirique, définie par
1
n
μn := δλn,k .
n
k=1
Il s’agit d’une mesure de probabilité aléatoire, de même nature que la mesure

empirique dans le théorème de Glivenko-Cantelli 1 , mis à part que les atomes
1. Si (Zn )n1 sont i.i.d. de loi η alors presque sûrement, la mesure empirique
1
n
n
δ converge étroitement vers η quand n → ∞, et la convergence des fonc-
k=1 Zk
tions de répartition est uniforme. Il s’agit d’une conséquence de la loi forte des grands
nombres, et du fait que la topologie de la convergence étroite sur R est séparable.
21.1 Théorème de Wigner 279
Fig. 21.1. Illustration du théorème 21.1 de Wigner : densité de la loi du demi-cercle

μ1 et histogramme des valeurs propres d’une matrice symétrique de taille n = 1000
dont les coefficients du trianglesupérieur,
diagonale incluse, sont des v.a.r. i.i.d. de
loi uniforme sur l’intervalle [− 3/n, 3/n] (la variance vaut donc 1/n).
λn,1 , . . . , λn,n sont ici des v.a.r. dépendantes 2 . Pour tout borélien B ⊂ R,
card{1 k n : λn,k ∈ B}
μn (B) = .
n
Pour toute fonction f : R → R mesurable, on a

1
n
f dμn = f (λn,k ).
n
k=1
La fonction de répartition Fn de μn est donnée pour tout x ∈ R par

card{1 k n : λn,k x}
Fn (x) := μn (] − ∞, x]) = 1]−∞,x] dμn = .
n
Le théorème de Wigner est un analogue de la loi des grands nombres.
2. Fonctions non linéaires de M (racines du polynôme caractéristique !).

Théorème 21.1 (Wigner). Supposons que (Mij )i1,j1 soient des v.a.r. i.i.d.
centrées et de variance finie et non nulle σ 2 . Soit M = (Mi,j )1i,jn avec
n
Mj,i := Mi,j . Soit μn = n1 k=1 δλn,k la mesure empirique des valeurs propres
de √1n M . Alors presque sûrement, la suite de mesures de probabilité (μn )n1
converge étroitement vers la loi du demi-cercle μ σ de densité
√
4σ 2 − x2
x → 1[−2σ,2σ] (x).
2πσ 2
En d’autres termes, p.s. pour toute fonction f : R → R continue et bornée,

f dμn −→ f dμσ .
n→∞
Rappelons que la convergence étroite des mesures de probabilités est la

convergence pour les fonctions test continues et bornées. Elle est équivalente
à la convergence ponctuelle des fonctions caractéristiques, ainsi qu’à la conver-
gence ponctuelle des fonctions de répartition en tout point de continuité de la
limite. Pour les variables aléatoires, cela correspond à la convergence en loi.
Le nom «loi du demi-cercle» utilisé pour désigner μ σ vient du fait que la
densité est l’équation d’un demi-cercle (à une constante de normalisation près
égale à la moitié de l’aire du cercle). Comme μ σ n’a pas d’atomes, le théorème
de Wigner affirme que presque sûrement, pour tout intervalle I ⊂ R,
√
4σ 2 − x2
lim μn (I) = μσ (I) = dx.
n→∞ I∩[−2σ,2σ] 2πσ 2
Ainsi,√la proportion
√ de valeurs propres de M n’appartenant pas à l’intervalle
[−2σ n, 2σ n] tend vers zéro quand n → ∞. Le théorème de Wigner met
en lumière un phénomène d’universalité, en ce sens que la loi limite μ σ ne
dépend de la loi des coefficients de la matrice M qu’à travers leur variance σ 2 .
Le comportement de la moyenne de μn peut être compris en observant que

1
n
1 1
x dμn (x) = λn,k = Tr √ M
n n n
k=1

1 p.s.
= Mii −→ 0 = x dμ
σ (x)
n3/2 1in
n→∞
où la √
convergence p.s. provient de la loi des grands nombres. La normalisation
en 1/ n de M peut être comprise à son tour en observant tout d’abord que
2
1 2
n
1 1
2
x dμn (x) = λn,k = Tr √ M
n n n
k=1

1 2 p.s.
= 2 Mij −→ σ 2 = x2 dμ
σ (x)
n n→∞
1i,jn
21.2 Réduction à un cas plus simple 281
où la convergence p.s. provient ici encore de la loi des grands nombres. D’autre
part, par l’inégalité de Markov, p.s. pour tout r > 0,

1 σ2
μn ([−r, r]c ) 2 x2 dμn (x) −→ 2 .
r n→∞ r
Par conséquent, presque sûrement, pour tout ε > 0 il existe un compact

Kε = [−rε , rε ] tel que μn (Kε ) ε pour tout n 1. Ainsi, presque sûrement,
la suite (μn )n1 est tendue, et le théorème de Prohorov 3 affirme alors que
cette suite est relativement compacte pour la convergence étroite, en ce sens
que si elle possède une unique valeur d’adhérence pour la convergence étroite
alors elle converge étroitement. Malgré cette observation réconfortante, nous
allons utiliser une autre approche pour démontrer le théorème de Wigner.
L’idée consiste à se ramener à des fonctions test f polynomiales (section
21.3) puis à établir la convergence des moments (section 21.4) en s’inspirant
de la méthode utilisée ci-dessus pour les moments d’ordre 1 et 2. Mais cela
nécessite tout d’abord de réduire le problème à un cas plus simple !
21.2 Réduction à un cas plus simple

La mesure spectrale empirique moyenne Eμn est la mesure de probabilité
définie pour toute fonction f : R → R mesurable et positive (ou bornée) par
n
1
f dEμn := E f dμn := E f (λn,k ) .
n
k=1
Le but de cette section est de réduire le théorème de Wigner 21.1 à une

version simplifiée, le théorème 21.2 ci-dessous, qui concerne la suite de mesures
de probabilités (Eμn )n1 lorsque la matrice M a une diagonale nulle et des
coefficients hors diagonale bornés. Le théorème 21.2 est démontré plus loin,
dans la section 21.4, en utilisant la méthode des moments de la section 21.3.
Théorème 21.2 (de Wigner simplifié). Soit M = (Mij )1i,jn une matrice
réelle symétrique aléatoire, à diagonale nulle M11 = · · · = Mnn = 0, telle
que les variables aléatoires (Mij )1i<jn sont indépendantes et identiquement
distribuées, centrées, de varianceσ 2 finie et non nulle, et à support compact
n
[−C, C], C > 0. Soit μn = n1 k=1 δλn,k la mesure empirique des valeurs
propres de √n M . Alors pour toute fonction f : R → R continue et bornée,
1

lim E f dμn = f dμ σ .
n→∞
Le théorème 21.2 est démontré dans la section 21.4.

3. Un ensemble de mesures de probabilités est tendu si et seulement si il est sé-
quentiellement relativement compact pour la topologie de la convergence étroite. En
particulier, si une suite de mesures de probabilités est tendue et possède une unique
valeur d’adhérence pour la convergence étroite, alors elle converge étroitement.
Réduction au cas borné
Dans cette sous-section, nous allons montrer qu’il suffit d’établir le théo-
rème de Wigner 21.1 dans le cas particulier où les coefficients de la matrice
sont bornés. On procède par troncature. Soit C > 0 un réel et
(MC )ij := Mij 1{|Mij |C} .
Notons P2 l’ensemble des lois sur R possédant un moment d’ordre 2 fini.

La distance de Wasserstein W2 sur P2 est définie pour tous ν1 , ν2 ∈ P2 par
W2 (ν1 , ν2 )2 := inf E(|X1 − X2 |2 )

(X1 ,X2 )
X1 ∼ν1 ,X2 ∼ν2
où l’infimum porte sur l’ensemble des couples de variables aléatoires (X1 , X2 )

de lois marginales ν1 et ν2 . La convergence pour la distance de Wasserstein
W2 entraîne la convergence étroite. Dans le cas de lois discrètes de la forme
1 1
n n
ν1 = δak et ν2 = δbk
n n
k=1 k=1
avec a1 · · · an et b1 · · · bn , on trouve
1
n
W2 (ν1 , ν2 )2 = (ai − bi )2 .
n
k=1
Rappelons que Mn (C) est un espace de Hilbert pour le produit scalaire

A, B := Tr(AB ∗ ). La norme associée est appelée norme de Hilbert-Schmidt 4

n
n
n
AHS = Tr(AA∗ ) =
2
|Aij |2 = λi (A)2 .
i=1 j=1 i=1
Le lemme suivant, admis, est un résultat classique d’algèbre linéaire. Des

références sont données dans la section 21.5.
Lemme 21.3 (Inégalité de Hoffman-Wielandt). Si A, B ∈ Mn (C) sont her-
mitiennes de spectres λ1 (A) · · · λn (A) et λ1 (B) · · · λn (B) alors

n
n
n
2
nW2 (μA , μB )2 = (λk (A) − λk (B))2 |Aij − Bij |2 = A − BHS .
k=1 i=1 j=1
Par le lemme de Hoffman-Wielandt 21.3 et la loi forte des grands nombres,
2
W2 (μ √1 M , μ √1n MC )
n
4. Ou encore norme de Schur ou norme de Frobenius.

21.2 Réduction à un cas plus simple 283
1
n n
p.s.
|Mij |2 1{|Mij |>C} −→ E(|M12 |2 1{|M12 |>C} ).
n2 i=1 j=1 n→∞
Par le théorème de convergence dominée ou par le théorème de convergence

monotone, le membre de droite peut être rendu arbitrairement proche de 0
en choisissant C assez grand. Par conséquent, il suffit d’établir le théorème de
Wigner 21.1 pour MC (en lieu et place de M ) pour tout réel C > 0. Cependant
les coefficients de la matrice MC ne sont plus forcément centrés car la loi des
coefficients de M n’est pas forcément symétrique.
Réduction au cas centré
Dans cette sous-section, nous allons montrer qu’il suffit d’établir le théo-
rème de Wigner 21.1 pour MC − E(MC ) pour tout réel C > 0.
L’orthogonalité des sous-espaces propres des matrices symétriques conduit
aux formules variationnelles min-max de Courant-Fischer pour les valeurs
propres. Plus précisément, si A ∈ Mn (C) est hermitienne de valeurs propres
λ1 (A) · · · λn (A), alors pour tout 1 k n, en notant Gk l’ensemble des
sous-espaces vectoriels de Cn de dimension k, on a
λk (A) = max min Ax, x = min max Ax, x.

V ∈Gk x∈V V ∈Gn−k+1 x∈V
x2 =1 x2 =1
Les cas k = 1 et k = n sont familiers. Ces formules sont un résultat classique

d’algèbre linéaire, tout comme le lemme suivant, que nous admettons. Des
n On note FA la la fonction de
références sont données dans la section 21.5.
répartition de la mesure spectrale μA := n1 k=1 δλk (A) . Pour tout t ∈ R,

card{1 k n : λk (A) t}
FA (t) := μA (] − ∞, t]) = 1]−∞,t] dμA = .
n
Lemme 21.4 (Entrelacement pour les perturbations additives de faible rang).

Si A, B ∈ Mn (C) sont hermitiennes de valeurs propres λ1 (A) · · · λn (A)
et λ1 (B) · · · λn (B) et si r := rang(B − A) alors
λk+r (A) λk (B) λk−r (A)
pour tout 1 k n, avec la convention λk (A) = +∞ si k < 1 et λk (A) = −∞

si k > n. En particulier on a
rang(A − B)
dKS (μA , μB ) := FA − FB ∞ := sup |FA (t) − FB (t)| .
t∈R n
La notation dKS désigne la distance de Kolmogorov-Smirnov entre les lois

de probabilités discrètes μA et μB . Il est bien connu que la convergence en
distance de Kolmogorov-Smirnov entraîne la convergence étroite.
À présent, comme les variables aléatoires ((MC )ij )1i,jn sont de même
moyenne mC := E((MC )ij ), on a rang(E(MC )) = rang(mC 1n ) 1 et donc
1
dKS μ √1 MC , μ √1n (MC −E(MC )) −→ 0.
n n n→∞
Par conséquent, il suffit d’établir le théorème de Wigner 21.1 pour la matrice
MC − E(MC ) (en lieu et place de M ) pour tout réel C > 0.
Suppression de la diagonale
La méthode utilisée pour la troncature permet de la même manière de

supprimer la diagonale : si DC := diag((MC − E(MC ))ii : 1 i n) est la
matrice diagonale formée par la diagonale de la matrice MC − E(MC ), alors
1
n
p.s.
W2 (μ √1 (MC −E(MC )) ,μ √1 (MC −E(MC )−DC ) ) 2
2
|Mii |2 1{|Mii |C} −→ 0
n n n i=1 n→∞
grâce à la loi des grands nombres. Ceci montre qu’il suffit d’établir le théorème
de Wigner 21.1 pour la matrice MC − E(MC ) − DC , pour tout réel C > 0.
Réduction à la mesure spectrale empirique moyenne
Dans cette sous-section nous allons montrer qu’il suffit d’établir le théo-
rème de Wigner 21.1 pour la mesure spectrale empirique moyenne
Eμ √1 (MC −E(MC )−DC ) ,

n
et ce pour tout réel C > 0. Le lemme suivant, de même nature que l’inégalité
de Tchebychev, est une reformulation du lemme 20.3.
Lemme 21.5 (Inégalité de concentration d’Azuma-Hoeffding). Considérons
des vecteurs aléatoires X1 , . . . , Xn indépendants pas forcément de même di-
mension. Si G(X1 , . . . , Xn ) est une variable aléatoire réelle et intégrable, fonc-
tion mesurable de ces vecteurs, alors pour tout t 0,

2t2
P(|G(X1 , . . . , Xn ) − E(G(X1 , . . . , Xn ))| t) 2 exp − 2
c1 + · · · + c2n
où ck := sup(x,x )∈Dk |G(x) − G(x )| et Dk := {(x, x ) : xi = xi si i = k}.

Voyons comment utiliser ce lemme. Soit f : R → R est de classe C 1 et à
support compact, et A, B ∈ Mn (C) hermitiennes. Le lemme 21.4 donne
r
FA − FB ∞ où r := rang(A − B),
n
et par intégration par parties,
21.3 Convergence des moments et convergence étroite 285
+∞
f dμA − f dμB = f (t)(FA (t) − FB (t)) dt
−∞
+∞
r r
|f (t)| dt := f 1 .
n −∞ n
On note A(x1 , . . . , xn ) ∈ Mn (C) la matrice hermitienne dont les lignes du
triangle supérieur sont x1 , . . . , xn (vecteurs de Cn , Cn−1 , . . . , C), et on pose

G(x1 , . . . , xn ) = f dμA(x1 ,...,xn ) .
En notant y := (x1 , . . . , xn ) et y := (x1 , . . . , xk−1 , xk , xk+1 , . . . , xn ), il vient

2
rang{A(y) − A(y )} 2 et donc |G(y) − G(y )| f 1 .
n
À présent H := √1n (MC − E(MC ) − DC ) est hermitienne aléatoire à valeurs
dans Mn (C). Les lignes de son triangle supérieur (Hij )1ijn sont indépen-
dantes (vecteurs aléatoires de Cn , Cn−1 , . . . , C). Grâce au lemme 21.5, pour
toute fonction f de classe C 1 et à support compact, et pour tout réel t 0,

nt2
P f dμH − E f dμH t 2 exp − 2 .
8f 1
Cette inégalité exprime le fait que μH est très concentrée autour de son es-
pérance EμH . C’est pour cette raison que les fluctuations sont si faibles dans
les simulations, dès que la dimension dépasse quelques dizaines. On a

P
f dμH − E f dμH −→ 0.
n→∞
Pour tirer parti de la rapidité de convergence, on pose t = n−1/2+ε avec ε > 0

petit fixé, de sorte que la borne exponentielle dans le membre de droite de
l’inégalité soit sommable en n. Le lemme de Borel-Cantelli entraîne alors que

p.s.
f dμH − E f dμH −→ 0.
n→∞
Cela ramène l’étude de la convergence étroite presque sûre de μH à celle de

la convergence étroite de EμH . Ainsi, le théorème de Wigner 21.1 est une
conséquence du théorème de Wigner simplifié 21.2.
21.3 Convergence des moments et convergence étroite

Cette section est dédiée à ce qu’on appelle méthode des moments. Soit P
l’ensemble des lois de probabilité ν sur R telles
que R[X] ⊂ L (ν), muni de la
1
relation d’équivalence ν1 ∼ ν2 ssi P dν1 = P dν2 pour tout P ∈ R[X], c’est-

à-dire que ν1 et ν2 ont les mêmes moments. On dit que ν ∈ P est caractérisée
par ses moments lorsque sa classe d’équivalence est un singleton.
Théorème 21.6 (Convergence des moments et convergence étroite). Si

ν, ν1 , ν2 , . . . sont des éléments de P vérifiant, pour tout polynôme P ∈ R[X],

lim P dνn = P dν,
n→∞
et si ν est caractérisée par ses moments, alors (νn )n1 converge vers ν étroi-
tement, c’est-à-dire que pour tout f : R → R continue et bornée,

lim f dνn = f dν.
n→∞
Démonstration. Par hypothèse, pour tout P ∈ R[X],

CP := sup P dνn < ∞.
n1
Par conséquent, par l’inégalité de Markov, pour tout réel R > 0,

CX 2
νn ([−R, R]c )
R2
et donc (νn )n1 est tendue. Grâce au théorème de Prohorov, il suffit donc
d’établir que si (νnk )k1 converge étroitement vers ν alors ν = ν. Fixons
P ∈ R[X] et un réel R > 0. Soit ϕR : R → [0, 1] une fonction continue telle
que 1[−R,R] ϕR 1[−R−1,R+1] . On a la décomposition

P dνnk = ϕR P dνnk + (1 − ϕR )P dνnk .
Or ϕR P est continue et bornée et (νnk )k1 −→ ν étroitement, d’où

n→∞

lim ϕR P dνnk = ϕR P dν .
k→∞
De plus, par les inégalités de Schwarz et de Markov, on a

2
CX 2 CP 2
(1 − ϕR )P dνnk νnk ([−R, R]c ) P 2 dνnk .
R2
On obtient donc

1
lim sup P dνnk − ϕR P dν = O = oR→∞ (1).
k→∞ R2
D’un autre côté, on sait que

lim P dνnk = P dν
k→∞
21.3 Convergence des moments et convergence étroite 287
d’où enfin
lim ϕR P dν = P dν.
R→∞
En utilisant cela pour P 2 , qui est positive, on obtient d’abord par convergence
monotone que P ∈ L2 (ν ) ⊂ L1 (ν ), puis par convergence dominée que

P dν = P dν.
Comme P est arbitraire et ν est caractérisée par ses moments, on a ν = ν .

Un théorème de Weierstrass affirme que pour tout compact K ⊂ R, les
polynômes R[X] restreints à K sont denses dans C(K, R, ·∞ ). Ainsi, toute
loi de probabilité à support compact est caractérisée par ses moments parmi
l’ensemble des lois à support compact. Le théorème suivant permet d’aller plus
loin, car il implique que toute loi à support compact est caractérisée par ses
moments parmi l’ensemble des lois dont tous les moments sont finis. C’est le
cas en particulier de la loi du demi-cercle μ
σ .
Théorème 21.7 (Analycité Fourier et moments). Soit

de la transformée de
μ ∈ P. On pose ϕ(t) = eitx dμ(x) et κn = xn dμ(x). Les propositions
suivantes sont équivalentes :
1. ϕ est analytique sur un voisinage de 0,
2. ϕ est analytique sur R,
1 1
3. limn→∞ n! |κn | n < ∞.
Si ces conditions sont vérifiées alors μ est caractérisée par ses moments.
En particulier, une loi à support compact est caractérisée par ses moments.

Démonstration. Pour tout n, on a |x|n dμ < ∞ et donc ϕ est n fois dérivable
sur R. De plus, ϕ(n) est continue sur R et pour tout t ∈ R,

ϕ(n) (t) = (ix)n eitx dμ(x).
R
(n) n
En particulier, ϕ (0) = i κn , et la série de Taylor de ϕ en 0 est déterminée

par la suite (κn )n1 . Le rayon de convergence r de la série entière n an z n
associée à la suite de nombres complexes (an )n0 est donné par la formule de
1
Hadamard r−1 = limn |an | n . Ainsi, 1⇔ 3 (prendre an = in κn /n!). D’autre
part, comme pour tout n ∈ N, s, t ∈ R,
n
itx (itx)n−1 |tx|
eisx eitx − 1 − − ··· − ,
1! (n − 1)! n!
on a pour tout n ∈ N pair et tous s, t ∈ R,
n
t tn−1 |t|
ϕ(s + t) − ϕ(s) − ϕ (s) − · · · − ϕ(n−1) (s) κn ,
1! (n − 1)! n!
qui montre que 3 ⇒ 2. Comme 2 ⇒ 1, on a bien 1⇔2⇔3. Si ces propriétés

ont lieu, alors les arguments précédents donnent un r > 0 tel que ϕ est déve-
loppable en série entière en tout x ∈ R avec un rayon de convergence r. De
proche en proche, on obtient que ϕ est caractérisée par ses dérivées en zéro.
Enfin, si μ est à support compact, disons inclus dans [−C, C] pour une
constante C > 0, alors √|κn | C n pour tout n 1, et comme la for-
mule de Stirling n! ∼ 2πn(n/e)n donne (1/n!)1/n = O(1/n), il vient
limn→∞ ( n!1
|κn |)1/n = 0, et donc μ est caractérisée par ses moments.
Théorème 21.8 (Moments de la loi du demi-cercle). La loi du demi-cercle

μ
σ est caractérisée par ses moments. De plus, pour tout entier r 0,

2r+1 2r 2r 1 2r
x dμσ (r) = 0 et x dμσ (r) = σ .
r+1 r
En particulier μ 2
σ a pour moyenne 0 et variance σ , et les moments pairs de

la loi du demi-cercle standard μ1 sont les nombres de Catalan.
Démonstration. La loi μ σ est caractérisée par ses moments car son support
[−σ, σ] est compact (lemme 21.7). Les moments impairs sont nuls car μ σ est
symétrique. Pour calculer les moments pairs, par dilatation et parité,

σ 2r 2 2r
2r
x dμσ (x) = x 4 − x2 dx.
π 0
Par le changement de variable x = 2 cos(u) et une intégration par parties,

2 π π
2 4r+1 2
x2r 4 − x2 dx = 4r+1 cos2r (u) sin2 (u) du = cos2(r+1) (u) du.
0 0 2r + 1 0
Cette dernière expression est une classique intégrale de Wallis.
21.4 Preuve du théorème de Wigner simplifié
Grâce au théorème 21.6 et au théorème 21.8, la preuve du théorème de

Wigner simplifié 21.2 se ramène à établir le théorème 21.9 ci-dessous.
Théorème 21.9 (Convergence des moments). Sous les hypothèses du théo-
rème de Wigner simplifié 21.2 on a, pour tout entier r 1,

E xr dμn −→ xr dμ
σ .
n→∞
Démonstration. On se ramène au cas σ 2 = 1 par dilatation. Les moments de

la loi du demi-cercle μ
1 sont donnés par le théorème 21.8. Pour tout entier
r 1, le moment d’ordre r de Eμn s’écrit (avec ir+1 := i1 )
21.4 Preuve du théorème de Wigner simplifié 289

1 r
n
E xr dμn (x) = λn,k
n
k=1
1
= Tr(M r )
n1+r/2
1
= E(Mi1 i2 · · · Mir ir+1 ).
n1+r/21i ,...,i n
1 r
Comme les coefficients diagonaux de M sont nuls, on a

1
n
E x dμn = EMii = 0 = x dμ
1 (x)
n3/2 i=1
et comme M a des coefficient hors diagonale centrés et réduits, on a

1 n2 − n
E x2 dμn = 2 E(Mij2
)= → 1 = x2 dμ1 (x).
n n2
1i,jn
L’étude du moment d’ordre 3 est un peu plus subtile. On a

1
E x3 dμn = 1+3/2 E(Mij Mjk Mki ).
n 1i,j,kn
Si deux éléments parmi {{i, j}, {j, k}, {k, i}} sont distincts alors on a forcé-
ment E(Mij Mjk Mki ) = 0 par indépendance et centrage. Dans le cas contraire,
on a i = k ou i = j ou k = j, ce qui conduit à E(Mij Mjk Mki ) = 0 car la
diagonale de M est nulle. Ainsi, le moment d’ordre 3 de μn est égal à zéro,
tout comme le moment d’ordre 3 de μ 1 .
Pour le moment d’ordre 4, on pourrait procéder de même en utilisant

1
E x4 dμn = 1+4/2 E(Mij Mjk Mkl Mli ).
n 1i,j,k,ln
Mais un phénomène nouveau se produit cette fois-ci : le cas i = k et j = l

avec i = j donne E(Mij Mjk Mkl Mli ) = E(Mij 4
), qui n’est pas fonction des
deux premiers moments des coefficients de M . Cependant, il n’y a pas de
contradiction : ces termes n’ont pas de contribution asymptotique quand n
tend vers ∞ car leur nombre, n(n − 1), est négligeable devant n1+4/2 = n3 .
Plus généralement, pour tout entier r > 1 on a

1
E xr dμn (x) = 1+r/2 E(Mi1 i2 · · · Mir ir+1 ).
n 1i ,...,i n 1 r
On peut supposer que ik = ik+1 pour tout 1 k r −1 car la diagonale de M

est nulle. On associe à chaque r-uplet d’indices de ce type i1 , . . . , ir un multi-
graphe orienté, voir figures 21.2 et 21.3. Les sommets du multi-graphe orienté
sont les valeurs distinctes prises par ces indices, et on note t leur nombre. Les
arêtes, du multi-graphe orienté sont les liaisons (ik , ik+1 ) avec 1 k r − 1.
Elles peuvent avoir une multiplicité et sont orientées. De plus ce multi-graphe
orienté est cyclique de longueur r + 1. Si on note t le nombre de sommets
distincts, on dit qu’il s’agit d’un multi-graphe orienté G(r, t). Deux multi-
graphes orientés G(r, t) sont équivalents lorsque qu’on peut passer de l’un à
l’autre en permutant les indices. Des multi-graphes orientés G(r, t) équivalents
donnent la même valeur à E(Mi1 i2 · · · Mir ir+1 ), notée E(MG ). Il y a
n(n − 1) · · · (n − t + 1)
multi-graphes orientés G(r, t) dans chaque classe d’équivalence (nombre d’ar-
rangements de t objets parmi n). Chaque classe d’équivalence contient un
représentant pour lequel les t valeurs distinctes prises par les indices i1 , . . . , ir
sont successivement 1, . . . , t. Afin de calculer les contributions, on distingue
trois types de multi-graphes orientés G(r, t) détaillés ci-après. Le type est
constant sur chaque classe (c’est une propriété de la classe).
2 3
Fig. 21.2. Multi-graphe orienté associé à E(M12 M21 M13 M31 ). On a r = 4, t = 3,

i1 = i3 = 1, i2 = 2, i4 = 3. Les arêtes successives sont 12, 21, 13, 31. Chaque arête
présente, ainsi que l’arête de sens opposé, ne l’est qu’une fois. Le graphe non orienté
squelette est l’arbre 2 ↔ 1 ↔ 3. Ce multi-graphe orienté est donc de type 1.
— type 1 : ceux pour qui chaque arête présente, ainsi que l’arête de
sens opposé, ne l’est qu’une fois, et le graphe non orienté squelette
obtenu en effaçant les orientations et les multiplicités des arêtes est
un arbre (c’est-à-dire qu’il n’a pas de cycles). C’est le cas par exemple
de E(M12 M21 M13 M31 ) = E(M12 2
)E(M132
) = 1, voir figure 21.2. Un
exemple plus long est donné par la figure 21.3 ;
— type 2 : ceux pour qui une arête au moins n’apparaît qu’une seule
fois et l’arête de sens opposé n’apparaît pas, comme par exemple
E(M12 M23 M31 ) = E(M12 )E(M23 )E(M31 ) = 0, voir figure 21.3 ;
— type 3 : ceux qui ne sont ni de type 1 ni de type 2. C’est le cas par
exemple de E(M12 M21 M12 M21 ) = E(M12 4
) > 0 car l’arête 12 (ainsi
que l’arête 21) apparaît exactement deux fois. Un autre exemple est
donné par E(M12 M21 M13 M32 M23 M31 ) = E(M12 2
)E(M13 2
)E(M232
) = 1,
car le graphe non orienté squelette associé est le cycle 1 ↔ 2 ↔ 3 ↔ 1.
Ces deux exemples sont illustrés par la figure 21.3.
21.4 Preuve du théorème de Wigner simplifié 291
5 6
3 4
2 2 3
1 1
Fig. 21.3. En haut à gauche le multi-graphe orienté associé au long exemple

E(M12 M23 M32 M24 M45 M54 M46 M64 M42 M21 ), qui est de type 1. En haut à droite le
multi-graphe orienté associé à E(M12 M23 M31 ), qui est de type 2. En bas à gauche
le multi-graphe orienté associé à E(M12 M21 M13 M32 M23 M31 ), et en bas à droite le
multi-graphe orienté associé à E(M12 M21 M12 M21 ), tous deux de type 3.
2 3 2
1 1
Nous abordons à présent la phase finale :

— Les multi-graphes orientés de type 2 ont une contribution nulle. En
effet dans ce cas E(MG ) = 0 par indépendance et centrage ;
— Les multi-graphes orientés de type 3 ont une contribution asymptoti-
quement nulle. En effet, si G est de type 3 alors il contient au moins
trois arêtes de mêmes extrémités ou un cycle d’arêtes d’extrémités diffé-
rentes, ce qui implique dans les deux cas l’inégalité 2t r+1, qui donne
la majoration n(n − 1) · · · (n − t + 1) nt n1/2+r/2 . D’autre part,
le nombre de classes d’équivalences de multi-graphes orientés G(r, t)
est majoré par tr = O(1). Comme les coefficients de M sont bornés à
valeurs dans [−C, C], on a également E(MG ) C r = O(1), d’où enfin
n(n − 1) · · · (n − t + 1)
1+r/2
E(MG ) = O(n−1/2 ) = on→∞ (1);
cl. t. 3
n
— Contribution des multi-graphes orientés de type 1. Si G est un multi-

graphe orienté de type 1 alors E(MG ) = 1 par indépendance car les
coefficients hors diagonale de M ont une variance de 1. Cela ramène le
problème à la détermination du nombre N1 de classes d’équivalences de
multi-graphes orientés G(r, t) de type 1. Si r est impair alors N1 = 0.
Si r est pair, disons r = 2s, alors t = 1 + r/2 = 1 + s car le nombre
de sommets d’un arbre est toujours égal à 1 plus le nombre d’arêtes.
Ainsi les classes de type 1 sont en bijection avec les arbres planaires
enracinés à s arêtes 5 (et à 1 + s sommets), avec les parenthésages, avec
les excursions de la marche
2s aléatoire simple, etc, voir (théorème 2.5).
1
Il y en a donc N1 = s+1 s (nombre de Catalan), et
n(n − 1) · · · (n − t + 1)
E(MG )
cl. t. 1
n1+r/2

n n−s+1 1 2s
= ···
n n s+1 s

1 2s
−→ .
n→∞ 1+s s

Reprenons le modèle de matrice de covariance empirique du début du
chapitre avec (Yij )i,j1 des v.a.r. i.i.d. de moyenne 0 et de variance 1, et
la matrice rectangulaire Y = (Yij )1idn ,1jn . Soit λn,1 · · · λn,dn
le spectre de la matrice symétrique semi-définie positive n1 Y Y , ordonné de
manière croissante. Supposons que limn→∞ dn /n = ρ avec 0 < ρ < ∞. Alors le
théorème de Marchenko-Pastur, qui peut être démontré avec la même méthode
que le théorème de Wigner, bien que la mise en œuvre soitun peu plus lourde,
dn
affirme que p.s. la mesure spectrale empirique μn := d1n k=1 δλn,k converge
étroitement quand n → ∞ vers la loi de Marchenko-Pastur

⊕ (b − x)(x − a)
μρ := qδ0 + 1[a,b] (x)dx.
2πρx
avec
√ √
q := max(0, (1 − ρ−1 )) et a := (1 − ρ)2 et b := (1 + ρ)2 .
Une illustration du théorème de Marchenko-Pastur est donnée dans la figure

21.4. Les moments de μ⊕ ρ sont donnés pour tout r 1 par
5. On prendra garde à ne pas confondre avec les arbres binaires planaires enraci-
nés du chapitre 4, qui sont également comptés par les nombres de Catalan !

r−1
ρk r r−1
r
x dμ⊕
ρ (x) = .
k+1 k k
k=0
En particulier, la loi μ⊕ ⊕
ρ a pour moyenne 1 et variance ρ. La loi μρ est un
mélange entre une masse de Dirac en 0 et une loi à densité par rapport à
la mesure de Lebesgue. L’atome en 0 est dû au fait que la matrice n’est pas
forcément de rang plein. Il disparaît lorsque ρ 1. Lorsque ρ = 1, la matrice
Y est en quelque sorte asymptotiquement carrée. Dans ce cas, a = 0 et b = 4.
Par changement de variable, presque sûrement la mesure de comptage du
spectre 6 de ( n1 Y Y )1/2 converge étroitement quand n → ∞ vers la loi du
√
quart-de-cercle de densité x → π1 4 − x2 1[0,2] (x).
Fig. 21.4. Histogramme des valeurs propres non nulles d’une matrice de covariance
empirique avec n = 800 et d = 1000 et loi de Marchenko-Pastur.
L’étude des matrices aléatoires constitue un vaste champ de recherche. Les

travaux les plus anciens sont dus principalement à John Wishart (années 1920)
sur les matrices de covariance empiriques des échantillons gaussiens, à John
von Neumann et Herman Goldstine (années 1940) sur l’analyse numérique
matricielle, et à Eugene Wigner, Freeman Dyson, et Madan Lal Mehta (an-
nées 1950-1960) sur les niveaux d’énergie des noyaux atomiques en physique
6. C’est aussi les valeurs singulières de la matrice rectangulaire √1 Y .

n
mathématique. Le théorème de Marchenko-Pastur a été obtenu par Vladi-

mir Marchenko et Leonid Pastur dans les années 1960. La loi du demi-cercle
constitue un analogue de la loi gaussienne dans la théorie des probabilités
libres initiée par Dan-Virgil Voiculescu, en liaison avec les matrices aléatoires.
Le théorème 21.1 de Wigner a été obtenu par Wigner dans les années
1950 sous des hypothèses plus restrictives. La version la plus aboutie date
de la fin des années 1970. La convergence étroite de la mesure de comp-
tage μn n’empêche pas une fraction asymptotiquement négligeable d’atomes
d’exploser quand n → ∞. Cependant, le théorème de Bai-Yin affirme que si
E(M11 4
) < ∞ alors presque sûrement le support de μn converge vers le support
[−2σ, 2σ] de la limite μ
σ , c’est-à-dire que presque sûrement
lim λn = −2σ et lim λ1 = 2σ.

n→∞ n→∞
La partie combinatoire de la preuve du théorème de Wigner est détaillée par

exemple dans le livre de Zhidong Bai et Jack Silverstein [BS10], et dans le livre
de Greg Anderson, Alice Guionnet et Ofer Zeitouni [AGZ10]. Le théorème de
Wigner peut également être obtenu par une méthode analytique, en utilisant
la transformée de Cauchy-Stieltjes, faisant apparaître la loi du demi-cercle
comme solution d’une équation de point fixe. Le théorème de Wigner est
également présenté dans les notes de cours de Mireille Capitaine [Cap12] et
dans celles de Charles Bordenave [Bor14b]. Le contenu de la section 21.2
est inspiré de [Cha13]. Notons enfin qu’au-delà du théorème 21.7, il existe
une condition suffisante pour que μ ∈ P soit caractérisée par ses moments
(κn )n1 , connue sous le nom de condition de Torsten Carleman, et liée à la
quasi-analycité 7 de la transformée de Fourier :
−1/(2n)
κ2n = ∞.
n
Les inégalités de Courant-Fischer ainsi que les lemmes 21.4 et 21.3 (inéga-
lité de Hoffman-Wielandt) sont démontrés par exemple dans le livre de Roger
Horn et Charles Johnson [HJ13] et dans le livre de Rajendra Bhatia [Bha97].
7. Une fonction f : R → R de classe C ∞ est quasi-analytique si elle est caracté-

risée par ses dérivées successives en 0, parmi une classe de fonctions assez large.
22
Naissances et assassinats
Mots-clés. Dynamique de population.

Outils. Processus de Poisson ; processus de Galton-Watson ; théorème de
Chernoff.
Difficulté. ***
On s’intéresse à l’extinction ou à la survie d’une population organisée en

clans. Chaque individu vivant donne naissance à des enfants selon un processus
de Poisson et ne peut pas mourir tant que son père est en vie. Dès que celui-ci
disparaît tous ses enfants sont exposés et meurent après un temps aléatoire
propre de loi Q. Une configuration à un instant donné est une collection finie
d’arbres généalogiques munis d’un patriarche qui seul peut être assassiné.
(1) (2)
(1,1) (1,2)
Fig. 22.1. Patriarche et quelques-uns de ses descendants.
Le patriarche de la population entière sera noté (∅). Chacun de ses des-

cendants est identifié à un k-uplet d’entiers strictement positifs pour k 1.
Par exemple, (1) est le premier enfant de l’ancêtre, tandis que (1, 2) est le
deuxième enfant du premier enfant de l’ancêtre, voir figure 22.1. Le nombre
de coordonnées indique la génération de l’individu. Soit

296 22 Naissances et assassinats
N = ∪n0 (N∗ )n
l’ensemble des n-uplets d’entiers strictement positifs, avec la convention

(N∗ )0 = ∅. Pour n ∈ N , notons k(n) le nombre de coordonnées de n. Le
nombre d’individus qui ont dû naître pour que n naisse vaut
σ(n) := n1 + · · · + nk(n) .
On adopte les conventions k(∅) = 0 = σ(∅).

Soit (X n )n∈N une famille de processus de Poisson indépendants de même
intensité λ. On notera (Tkn )k1 les temps de saut du processus X n . Soit
(Kn )n∈N une famille de v.a.r. i.i.d. strictement positives de même loi Q. On
suppose que les familles (X n )n∈N et (Kn )n∈N sont indépendantes.
Le processus est initialisé à t = 0 avec un unique ancêtre étiqueté par ∅.
Cet individu donne naissance à des enfants aux instants de saut du proces-
sus de Poisson X ∅ qui entrent dans le système à leur tour avec les indices
(1), (2), . . . dans l’ordre de leurs naissances. Chaque nouvel individu n entrant
dans le système commence à donner des descendants aux instants de saut du
processus X n ; les descendants de n sont indicés par (n, 1), (n, 2), . . . toujours
dans l’ordre chronologique.
Le patriarche est exposé dès le temps 0. Il donne naissance à des en-
fants jusqu’au temps aléatoire Y∅ := K∅ où il disparaît. Chacun de ses
enfants devient le patriarche de son clan et est à son tour exposé. Soit
n = (n1 , . . . , nk−1 , nk ) dans N et n := (n1 , . . . , nk−1 ). Quand n est sup-
primé, au temps aléatoire Yn , n devient exposé ; il continue à avoir des des-
cendants jusqu’au temps aléatoire Yn := Yn +Kn puis est à son tour supprimé.
Exemple 22.1. Dire que l’individu (3, 2) est né, c’est dire que
— l’individu ∅ a eu au moins trois enfants avant de mourir : T3∅ inter-
vient avant la mort de ∅ à l’instant K∅ ;
— l’individu (3) a eu au moins deux enfants avant de mourir c’est-à-dire
(3)
que T2 intervient avant la mort de (3) à l’instant K∅ + K(3) .
On a donc
! "
{(3, 2) est né} = T3∅ < K∅ , T3∅ + T2 < K∅ + K(3) .
(3)
On dit que le système de naissances et d’assassinats est stable si, avec

probabilité 1, il existe un temps fini à partir duquel le système est vide. Sinon
on dit que le système est instable.
Théorème 22.2 (Conditions suffisantes de stabilité et d’instabilité). Soit B
un processus de naissances
∞ et d’assassinats d’intensité λ dont la transformée
de Laplace u → ϕ(u) = 0 eux Q(dx) de Q est finie au voisinage de 0, et soit
λϕ(u)
α := min .
u>0 u
Alors on dispose de conditions suffisantes de stabilité et d’instabilité :
22.1 Condition suffisante de stabilité 297
— le processus B est stable si α < 1 ;

— le processus B est instable si α > 1.
Les sections 22.1 et 22.2 sont consacrées à la preuve des deux conclusions
du théorème 22.2.
22.1 Condition suffisante de stabilité

Introduisons le nombre moyen de descendants de ∅,

m := P(n est né) ∈ [0, +∞].
n
Si B est instable, alors par définition, il n’existe pas de temps (aléatoire)

fini à partir duquel le système est vide, donc le nombre de descendants de
∅ est infini avec probabilité non nulle, et donc m = ∞. Par conséquent, si
m < ∞ alors B est stable. Il suffit donc d’établir que m < ∞ dès que α < 1.
À l’individu n = (n1 , . . . , nk ), on associe sa lignée ancestrale formée des
individus n(i) = (n1 , . . . , ni ) pour 0 i k (avec n(0) = ∅). L’individu n
voit le jour si, pour tout 0 i k, son ancêtre n(i − 1) à la génération i a eu
au moins ni descendants :
j
j
n(i−1)
{n est né} = T ni < Kn(i−1) , j = 1, 2, . . . , k(n) .
i=1 i=1
En particulier,
⎛ ⎞
k(n)

k(n)
P(n est né) P⎝ Tnn(i−1)
i
< Kn(i−1) ⎠.
i=1 i=1
L’inégalité de Markov assure que, pour tout u > 0,

⎛ ⎞

k(n)

k(n)
P⎝ Tnn(i−1)
i
< Kn(i−1) ⎠
i=1 i=1
⎛ ⎛ ⎞⎞

k(n)

k(n)
E⎝exp ⎝u Kn(i−1) − u Tnn(i−1)
i
⎠⎠.
i=1 i=1
L’indépendance des processus de naissances et d’assassinats permet d’écrire

⎛ ⎛ ⎞⎞
k(n) ni

k(n)

k(n)
+ λ
⎝
E exp u⎝ Kn(i−1) − u n(i−1) ⎠⎠
T ni = ϕ(u)k(n)
.
i=1 i=1 i=1
λ+u
En sommant sur n, on obtient

⎡ ⎤
∞
σ(n)
λ
P(n est né) ϕ(u)k ⎣ ⎦.
n
λ+u
k=1 n, k(n)=k
D’autre part,
σ(n)
λ
λ+u
n, k(n)=k
m
λ
= card{n : k(n) = k, σ(n) = m}
λ+u
mk
k k m−k
λ u λ
= card{n : k(n) = k, σ(n) = m} .
u u+λ u+λ
mk
L’entier card{n : k(n) = k, σ(n) = m} représente le nombre de m-uplets à

coordonnées 0 ou 1 contenant exactement k 1. Le terme général de la dernière
somme ci-dessus est donc la probabilité que dans un schéma de Bernoulli de
probabilité de succès u/(u + λ) le k e succès survienne au temps m (c’est la loi
binomiale négative). On retrouve au passage

m−1
card{n : k(n) = k, σ(n) = m} = .
k−1
On a donc σ(n) k
λ λ
= .
λ+u u
n, k(n)=k
En d’autres termes, on a donc montré que
λϕ(u) k
m .
u
k1
Si α < 1, alors le nombre moyen d’individus créés est fini, et B est stable.
22.2 Condition suffisante d’instabilité
Démontrons à présent la seconde partie du théorème 22.2. L’idée principale

est de montrer que, si α > 1, il existe k 1 tel que

P(n est né) > 1
n, k(n)=k
22.2 Condition suffisante d’instabilité 299
puis de conclure grâce à un argument de type branchement.

Soit (Ni )i1 une suite de variables aléatoires indépendantes de loi géo-
métrique de paramètre p indépendante du processus B. À la génération k,
on considère l’individu N = (N1 , . . . , Nk ) ainsi que sa lignée ancestrale for-
mée des individus N(i) = (N1 , . . . , Ni ) pour 0 i k. Exprimons de deux
manières différentes la probabilité que N naisse. D’une part,

P(N est né) = P N est né N = n P(N = n)
n, k(n)=k

= P(n est né)pk (1 − p)n1 +···+nk −k
n, k(n)=k
k
p
= P(n est né)(1 − p)σ(n) .
1−p
n, k(n)=k
D’autre part, posons

N(i−1)
Zi = KN(i−1) − TNi ,
pour tout i 1. Comme dans la première partie de la preuve,
j
N(i−1) j
P(N est né) = P T Ni < KN(i−1) , j = 1, . . . , k
i=1 i=1
j

=P Zi > 0, j = 1, . . . , k .
i=1
On estime cette probabilité avec le lemme suivant, démontré en fin de section.

Lemme 22.3 (Déviation asymptotique). Si (Xi )i1 est une suite de v.a.r.
i.i.d. avec E(X1 ) < 0, P(X1 > 0) > 0, et si la transformée de Laplace ψ de
X1 est finie au voisinage de 0, alors

1 k
lim log P min Xi > 0 log(ρ), où ρ := min ψ(u).
n→∞ n 1kn u>0
i=1
N(i−1)
La variable aléatoire TNi suit la loi exponentielle 1 Exp(λp). Les va-
riables aléatoires (Zi )i1 sont i.i.d. de transformée de Laplace et de moyenne
λp 1
E euZ1 = ϕ(u) et E(Z1 ) = ϕ (0) − .
λp + u pλ
Ainsi, l’espérance de Z1 est strictement négative pour p assez petit. De plus,
si l’on note α = 1 + ε, on peut choisir p suffisamment petit pour que
1. Le lemme 11.4 affirme que si G, E1 , E2 , . . . sont des v.a. indépendantes avec G
de loi géométrique de paramètre p et E1 , E2 , . . . de loi exponentielle de paramètre λ
alors la somme aléatoire E1 + · · · + EG suit la loi exponentielle de paramètre pλ.
λϕ(u)
min E euZ1 = p min > p(1 + ε/2).
u>0 u>0 λp + u
Le lemme 22.3 appliqué à la suite (Zn )n1 assure que, pour k assez grand,

j
P min Zi > 0 > pk (1 + ε/2)k .
1jk
i=1
On obtient donc
k
p
P(n est né)(1 − p)σ(n) > pk (1 + ε/2)k .
1−p
n, k(n)=k
On divise par pk et on fait tendre p vers 0. Par convergence monotone,

P(n est né) (1 + ε/2)k > 1,
n, k(n)=k
ce qui fournit la relation

P(n est né) > 1.
n, k(n)=k
Achevons la démonstration du théorème 22.2. On dira qu’un individu est

spécial si c’est l’ancêtre ou si c’est un individu de la génération nk qui descend
d’un individu spécial à la génération (n−1)k dont le père est mort. La relation
obtenue ci-dessus nous apprend que le nombre moyen d’individus spéciaux à la
génération k est strictement supérieur à (1+ε/2)k . De même, le nombre moyen
d’individus spéciaux à la génération nk est supérieur à (1 + ε/2)nk . Ainsi, le
processus de comptage des individus spéciaux est un processus de Galton-
Watson sur-critique. Avec une probabilité strictement positive, ce processus
ne s’éteint pas (voir le théorème 3.7 page 3.7). C’est donc également pour B.
Terminons cette section par la démonstration du lemme 22.3.
Démonstration du lemme 22.3. Sous les hypothèses du lemme 22.3, on peut

démontrer que le résultat du lemme 22.3 est vrai pour l’instant terminal en
utilisant le théorème de Chernoff :
n
1
lim log P Xi > 0 = log(ρ).
n→∞ n
i=1
Montrons à présent que

k
1
P min Sk > 0 P(Sn > 0) où Sk = Xi .
1kn n i=1
On procède comme pour le principe de rotation du lemme 3.18. Pour tout

k, notons σ(k) l’entier compris entre 1 et n égal à k modulo n. Pour tout
l = 1, . . . , n, on définit S l par
(l) (l) (l)
S0 = 0 et Sk+1 = Sk + Xσ(k+l) .
(l)
On a S = S (l) . La somme totale Sn ne dépend pas de l et vaut Sn . Comme
(X1 , . . . , Xn ) et (Xl , . . . , Xn , X1 , . . . , Xl−1 ) ont même loi, il vient
n
1
P min Sk > 0 Sn > 0 = E 1%min (l)
& | Sn > 0 .
1kn n 1kn Sk >0
l=1
À présent, la somme dans le membre de droite est minorée par 1 car sur
{Sn > 0}, il existe une valeur (aléatoire) de l pour laquelle le minimum de
S (l) est strictement positif : le plus grand indice pour lequel l → Sl atteint
son minimum. Il est utile de faire un dessin et comparer avec la figure 3.3
page 3.3. Ceci fournit la minoration annoncée.

Le modèle présenté a été introduit dans un article [AK90] de David Al-
dous et William Krebs. Le lien avec un modèle de file d’attente est abordé
dans l’article [TPH86] de John Tsitsiklis, Christos Papadimitriou, et Pierre
Humblet. Un lien avec la marche aléatoire branchante se trouve dans l’article
[Kor15] de Igor Kortchemski. Le théorème de (Herman) Chernoff, qui serait
dû à Herman Rubin, est démontré par exemple dans le livre [DZ10] de Amir
Dembo et Ofer Zeitouni.
Le théorème 22.2 laisse entière la question de la stabilité éventuelle de B
au point critique. Une réponse précise peut être apportée dans un cas par-
ticulier important. Supposons que la loi d’assassinat soit exponentielle. Par
changement d’échelle de temps, on peut supposer sans perte de généralité que
son paramètre vaut 1, ce qui donne ϕ(u) = (1 − u)−1 1[0,1[ (u) + ∞1[1,∞[ (u),
d’où minu>0 λu−1 ϕ(u) = 4λ (minimum atteint en u = 1/2). Le théorème 22.2
assure que B est stable si 0 < λ < 1/4 et instable si λ > 1/4. On note Eλ
l’espérance par rapport à la loi de Bλ et N le nombre total d’individus qui sont
nés, ancêtre compris. L’article [Bor08] de Charles Bordenave montre notam-
ment que les moments de N satisfont les propriétés d’intégrabilité suivantes :
— si 0 < λ < 1/4 alors
2
Eλ (N ) = √ ;
1+ 1 − 4λ
— si 0 < λ < 2/9 alors
2
Eλ (N 2 ) = √ ;
3 1 − 4λ − 1
— pour tout p 2, Eλ (N p ) < ∞ si et seulement si

p
0<λ< .
(p + 1)2
En particulier, si λ = 1/4, le processus B est stable puisque E1/4 N = 2. Il est

aussi montré dans [Bor08] que la loi de N a une queue polynomiale pour tout
0 < λ < 1/4. En effet, pour tout ε > 0, il existe C tel que pour tout t > 0,
√
−γ(λ)+ε 1 + 1 − 4λ
Pλ (N > t) Ct avec γ(λ) = √ .
1 − 1 − 4λ
Les processus de Galton-Watson sous-critiques étudiés au chapitre 3 ne
présentent pas ce comportement à queues lourdes : il existe une constante
c > 0 telle que Eλ exp(cN ) < ∞ pour λ < 1. D’autre part, le nombre moyen
d’individus est donné par Eλ (N ) = (1 − λ)−1 : il explose donc quand λ tend
vers la valeur critique 1.
23
Modèle du télégraphe
Mots-clés. Processus de Markov déterministe par morceaux ; équation

aux dérivées partielles ; générateur infinitésimal.
Outils. Processus de Poisson ; chaîne de Markov à temps continu ; trans-
formée de Laplace.
Difficulté. ***
On s’intéresse au mouvement d’une bactérie qui possède de quatre à six

flagelles répartis sur sa surface et se déplace en les faisant tourner à la manière
d’un tire-bouchon. Quand ils tournent dans le sens anti-horaire, les flagelles
forment un faisceau propulsif qui produit un déplacement en quasi-ligne droite.
Quand ils tournent dans le sens des aiguilles d’une montre, les flagelles sont
décorrélés et produisent une rotation de la cellule sans déplacement signifi-
catif. La cellule alterne donc les déplacements en ligne droite ou «runs» et
les rotations sur place ou «tumbles». La durée moyenne d’un run est d’en-
viron une seconde tandis que le temps moyen d’une rotation est de l’ordre
du dixième de seconde. Dans la suite, on néglige le temps de rotation et on
suppose que le mouvement s’effectue en dimension 1. Dans un milieu isotrope,
le taux d’apparition d’une rotation au cours d’un run est essentiellement in-
dépendant du temps passé depuis la dernière rotation : la longueur d’un run
peut donc être modélisée par une loi exponentielle de paramètre noté α.
Notons Xt et Vt la position et la vitesse de la bactérie à l’instant t. La
vitesse de la bactérie prend ses valeurs dans l’ensemble {−1, +1} après un
changement d’échelle adéquat. Soit (Nt )t0 un processus de Poisson d’inten-
sité α et (V0 , X0 ) une variable aléatoire à valeurs dans E = {−1, +1} × R
indépendante de (Nt )t0 . On définit le processus ((Vt , Xt ))t0 à valeurs dans
E en posant, pour tout t 0
t
Vt = (−1)Nt V0 et Xt = X0 + Vs ds.
0

304 23 Modèle du télégraphe
On souhaite savoir comment évolue la répartition des bactéries au cours du

temps connaissant la répartition à l’instant initial.
Tout d’abord, le processus des vitesses (Vt )t0 est un processus de Markov
sur {−1, +1} dont on peut déterminer la loi. Pour tout t 0, notons
p+ (t) = P(Vt = +1) et p− (t) = P(Vt = −1).
Théorème 23.1 (Loi de la vitesse). Le processus (Vt )t0 admet une unique
loi invariante, qui est la loi de Rademacher symétrique 12 δ−1 + 12 δ+1 . De plus,
pour tout t 0, loi de Vt est donnée par
1 p+ (0) − p− (0) −2αt 1 p+ (0) − p− (0) −2αt

p+ (t) = + e et p− (t) = − e ,
2 2 2 2
solutions des équations différentielles
p+ (t) = α(p− (t) − p+ (t)) et p− (t) = α(p+ (t) − p− (t)).
Démonstration. La formule
∞
∞
(αt)n
p+ (t) = P((−1)n = V0 )P(Nt = n) = P((−1)n = V0 )e−αt
n=0 n=0
n!
conduit immédiatement à l’équation différentielle
p+ (t) = −αp+ (t) + αp− (t).
Or p+ + p− = 1, d’où l’équation différentielle vérifiée par p− . De plus
(p+ − p− ) (t) = −2α(p+ − p− )(t) et (p+ + p− ) (t) = 0.
La résolution de ces équations différentielles linéaires donne le résultat.

Dans la section 23.1, on étudie les propriétés markoviennes du processus
V et du processus complet (V, X), héritées de celles du processus de Poisson.
Nous faisons ensuite le lien entre ce processus et une équation aux dérivées
partielles dite du télégraphe dans la section 23.2.
23.1 Aspects markoviens du processus complet

Nous étudions dans cette section le semi-groupe de Markov et le généra-
teur infinitésimal associés au processus (V, X). L’approche est similaire à celle
adoptée pour le processus de croissance-fragmentation dans le chapitre 17 et
pour la file d’attente M/M/∞ dans le chapitre 11. Pour tout t 0 et toute
fonction f mesurable bornée de E dans R, on note
Pt f (v, x) = E(f (Vt , Xt )|V0 = v, X0 = x)

23.1 Aspects markoviens du processus complet 305
3 t 4
= E f (−1)Nt v, x + v (−1)Ns ds .
0
Pour k ∈ N, on note CE k
l’ensemble des fonctions f : E → R mesurables,
bornées, de classe C en la deuxième variable, à dérivées successives bornées.
k
Théorème 23.2 (Semi-groupe de Markov). La famille (Pt )t0 vérifie :

— pour tout t 0, si 1 est la fonction constante égale à 1, alors Pt 1 = 1 ;
— si f est positive, alors Pt f l’est aussi ;
— pour tout f ∈ CE k
et tout t 0, Pt f ∈ CE k
;
— pour tout f ∈ CE , limt→0 Pt f = f uniformément ;
1
— pour tous t, s 0 et toute fonction f : E → R mesurable et bornée,
Pt+s f (v, x) = Pt ◦ Ps f (v, x).
On dit que (Pt )t0 est un semi-groupe de Markov.

Démonstration. Les deux premiers points n’offrent pas de difficulté. Pour éta-
blir le troisième, on écrit
|Pt f (v, x) − f (v, x)| E(|f (Vt , Xt ) − f (v, x)| | V0 = v, X0 = x)

E |f (Vt , Xt ) − f (v, x)|1{Nt =0} | V0 = v, X0 = x

+ E |f (Vt , Xt ) − f (v, x)|1{Nt 1} | V0 = v, X0 = x
Si Nt = 0, alors, pour tout s ∈ [0, t], Vs = v et Xt = x + tv. On a donc

E |f (Vt , Xt ) − f (v, x)|1{Nt =0} | V0 = v, X0 = x = |f (v, x + vt) − f (v, x)|
∂x f ∞ t,
où on a utilisé |v| = 1. D’autre part,

E |f (Vt , Xt ) − f (v, x)|1{Nt 1} | V0 = v, X0 = x 2f ∞ P(Nt 1)

= 2f ∞ 1 − e−αt .
Démontrons la dernière propriété. Pour tous s, t 0, on a
Pt+s f (v, x) = E{E{f (Vt+s , Xt+s ) | X0 , V0 , Xt , Vt } | X0 = x, V0 = v}.
Par définition de (V, X) on écrit

s
Nt+s −Nt
Vt+s = (−1) Vt et Xt+s = Xt + Vt (−1)Nt+u −Nt du.
0
On utilise ensuite le fait que le processus de Poisson est à accroissements

indépendants et stationnaires, et, en particulier, que (Nt+s − Nt )s0 est un
processus de Poisson de paramètre α indépendant de (Nu )0ut , d’où
s
Nt+s −Nt Nt+u −Nu
E f (−1) Vt , Xt + Vt (−1) du X0 , V0 , Xt , Vt
0
= Ps f (Vt , Xt ).
On retrouve alors la relation de semi-groupe Pt+s f (v, x) = Pt ◦ Ps f (v, x).

Théorème 23.3 (Générateur infinitésimal). Pour tout t 0 et tout f ∈ CE
1
,
7 7
7 Pt+h f − Pt f 7
7 − AP f 7 −→ 0,
7 h
t 7
∞ h→0
où l’opérateur A est défini par
Af (v, x) := α(f (−v, x) − f (v, x)) + v∂x f (v, x),
pour tout f ∈ CE
1
. En particulier, pour tout t 0 et pour tout f ∈ CE
1
,
∂t Pt f (v, x) = APt f (v, x) = Pt (Af )(v, x).
Démonstration. Démontrons d’abord le résultat pour t = 0. Soit f ∈ CE

1
, on
a

Ph f (v, x) =E f (Vh , Xh )1{Nh =0} | V0 = v, X0 = x

+ E f (Vh , Xh )1{Nh =1} | V0 = v, X0 = x

+ E f (Vh , Xh )1{Nh 2} | V0 = v, X0 = x .
On étudie ces trois espérances séparément. La valeur absolue de la troisième

et dernière espérance est bornée par
f ∞ P(Nh 2) = f ∞ (1 − e−αh (1 + αh)) = O(h2 ).
La première espérance vaut

E f (v, x + vh)1{Nh =0} = f (v, x + vh)e−αh
= f (v, x) + h(v∂x f (v, x) − αf (v, x)) + o(h).
Enfin, la deuxième espérance s’écrit

0 h 1
E f −v, x + v (−1) du 1{Nh =1} = αhe−αh (f (−v, x) + O(h))
Nu
0
= αhf (−v, x) + o(h)
puisque le terme intégral est borné (en valeur absolue) par h. On a ainsi obtenu
Ph f (v, x) = f (v, x) + hAf (v, x) + o(h),
ce qui achève le cas t = 0. Pour étendre le résultat à tout temps t 0, on

utilise la propriété de semi-groupe et la première partie de la preuve :
23.2 Lien entre équation et processus 307

Pt+h f − Pt f Ph − P 0 ·∞
− APt f = − A Pt f −→ 0,
h h h→0
puisque que Pt f ∈ CE
1
. De même, l’écriture alternative

Pt+h f − Pt f Ph − P 0
= Pt f;
h h
fournit la relation ∂t Pt f = Pt Af .
23.2 Lien entre équation et processus

Soit φ : R → R de classe C 2 . Définissons u+ et u− sur R+ × R par

u+ (t, x) := Pt φ(1, x) = E(φ(Xt ) | V0 = 1, X0 = x),
u− (t, x) := Pt φ(−1, x) = E(φ(Xt ) | V0 = −1, X0 = x),
avec l’abus de notation suivant : on note encore φ l’application (v, x) → φ(x).

Par définition de u+ et u− , la dernière formule du théorème 23.3 assure que
∂t u+ (t, x) = ∂t Pt φ(1, x) = APt φ(1, x)
= α(Pt φ(−1, x) − Pt φ(1, x)) + ∂x Pt φ(1, x)
= α(u− (t, x) − u+ (t, x)) + ∂x u+ (t, x).
On peut faire de même pour u− et en déduire que (u+ , u− ) est solution de

∂t u+ (t, x) = α(u− (t, x) − u+ (t, x)) + ∂x u+ (t, x)
∂t u− (t, x) = α(u+ (t, x) − u− (t, x)) − ∂x u− (t, x).
En posant
u+ (t, x) + u− (t, x) u+ (t, x) − u− (t, x)
u(t, x) := et ũ(t, x) := ,
2 2
le couple (u, ũ) est solution de

∂t u(t, x) = ∂x ũ(t, x),
∂t ũ(t, x) = −2αũ(t, x) + ∂x u(t, x).
Dériver la première équation par rapport à t et la seconde par rapport à x
permet de supprimer le terme ∂t ∂x ũ(t, x) pour obtenir
2
∂tt u(t, x) = −2α∂x ũ(t, x) + ∂xx
2
u(t, x).
Il reste alors à remplacer ∂x ũ(t, x) par ∂t u(t, x) pour obtenir que
2
∂tt u(t, x) − ∂xx
2
u(t, x) + 2α∂t u(t, x) = 0.
Or lorsque X0 = x pour un x ∈ R et V0 ∼ 12 δ−1 + 12 δ1 alors on trouve
u(t, x) = E(φ(x + Xt )), et on a donc démontré le résultat suivant.
Théorème 23.4 (Représentation probabiliste de la solution d’une ÉDP). La

fonction u définie par u(t, x) = E(φ(x + Xt )) pour tout t 0 et x ∈ R où
X0 = 0 et V0 suit la loi 12 δ−1 + 12 δ1 est solution de l’équation du télégraphe :
⎧
⎪
⎨∂tt u(t, x) − ∂xx u(t, x) + 2α∂t u(t, x) = 0
2 2
pour tous t 0, x ∈ R,
u(0, x) = φ(x) pour tout x ∈ R,
⎪
⎩
∂t u(0, x) = 0 pour tout x ∈ R.
L’équation aux dérivées partielles du théorème 23.4 est une superposition

de deux équations classiques : l’équation des ondes ou des cordes vibrantes,
et l’équation de la chaleur. La première décrit la propagation d’un signal sans
amortissement tandis que la seconde traduit un phénomène de diffusion.
23.3 Modification ergodique

Dans cette section, on modifie légèrement la dynamique du processus
(V, X). La vitesse est toujours à valeurs dans {−1, +1} et X correspond encore
à l’intégrale de V . Toutefois, on complique légèrement le mécanisme de saut
de V . Pour simplifier, on construit par récurrence les positions aux instants
de saut de V et on complète ensuite par interpolation.
Soit a > 0 et b > 0 des réels fixés. Soit (En )n1 une suite de v.a.r. i.i.d. de
loi exponentielle de paramètre 1 indépendante de (Ṽ0 , X̃0 ) ∈ {−1, +1} × R+ .
On note T0 = 0. On définit par récurrence les quantités suivantes :
⎧
⎪
⎪ En
⎨ si Ṽn−1 = 1,
b
Tn = Tn−1 +
⎪
⎪min En , X̃n−1 si Ṽn−1 = −1,
⎩
a
puis
Ṽn = −Ṽn−1 et X̃n = X̃n−1 + Ṽn−1 (Tn − Tn−1 ).
On construit alors le processus (X, V ) en posant Vt := Ṽn−1 si Tn−1 t < Tn
et X comme interpolation linéaire de X̃. Pour résumer, le taux de saut de V
est donné par
b1{v=1} + a + ∞1{x=0} 1{v=−1} .
Une excursion de (V, X) est une trajectoire issue de (+1, 0) arrêtée à l’instant
S := inf {t > 0 : Xt = 0}.

On note ψ la transformée de Laplace de S :

ψ : λ ∈ R → ψ(λ) = E(1,0) eλS .
23.3 Modification ergodique 309
Xt
X̃1
t
T1 T2 T3 T4 T5 T6
Fig. 23.1. Une trajectoire.
Lemme 23.5 (Longueur d’une excursion). Le domaine de définition de ψ est

] − ∞, λc ], où λc est donné par
√ √
a+b √ ( b − a)2
λc = − ab = .
2 2
De plus, si λ λc , alors

a + b − 2λ − (a + b − 2λ)2 − 4ab
ψ(λ) = .
2a

En particulier, ψ(λc ) = b/a et E(1,0) (S) = 2/(b − a).
Démonstration. Le premier temps de saut T1 = E pour V lorsque (V0 , X0 ) =
(1, 0) suit la loi exponentielle de paramètre b. Si V ne saute pas entre E et
2E alors S = 2E. Dans le cas contraire, (V, X) fait une excursion au-dessus
de XT2 qui a même loi que X. Après cette excursion, (V, X) se trouve en
(−1, XT2 ). Encore une fois, de deux choses l’une : X atteint 0 avant que V ne
saute ou non (dans ce cas, une autre excursion se greffe). La figure 23.2 illustre
ce découpage. Le nombre N d’excursions incluses dans la descente depuis E
suit la loi Poi(aE). On peut donc écrire
loi

N
S = 2E + Sk ,
k=1
où E, N et (Sk )k1 sont indépendantes. Ainsi on a, pour tout λ dans le

domaine de définition de ψ (qui contient ] − ∞, 0]),
N
2λE+λ Sk
ψ(λ) = E E e k=1 |E, N = e2λE E ψ(λ)N |E
b
= E e2λE eaE(ψ(λ)−1) = ,
b + a − 2λ − aψ(λ)
Xt
S1
S2
t
E S
Fig. 23.2. Décomposition d’une excursion. Les points signalent les sauts de vitesse.
d’où la formule.
Plus de précision est possible sur la structure d’une excursion issue de
(+1, 0). Ceci va permettre d’exprimer la quantité suivante en termes de va-
riables aléatoires classiques :
S
I= eλXs g(Vs ) ds
0
où g est une fonction définie sur {−1, +1}. Le premier temps de saut E suit la
loi exponentielle de paramètre b. Conditionnellement à {E = x}, le nombre N
d’excursions «greffées» sur le retour à 0 est distribué selon la loi de Poisson de
paramètre ax. Conditionnellement à {E = x, N = k} les k hauteurs auxquelles
elles ont lieu sont distribuées comme (xU(k,k) , xU(k,k−1) , . . . , xU(k,1) ) où les
v.a.r. (Ui )i1 sont i.i.d. de loi uniforme sur [0, 1] et où (U(1,k) , . . . , U(k,k) )
représente l’échantillon réordonné dans l’ordre croissant. Soient

(i) (i)
(Vt , Xt )0tS (i)
i1
des trajectoires indépendantes sur une excursion issue de (+1, 0). On a alors
E N
Si
(i)
λy
I = (g(1) + g(−1)) e dy + eλ(EU(i,N ) +Xs ) g(Vs(i) ) ds.
0 i=1 0
On a alors

Si
λ(EU(i,N ) +Xs(i) )
E e g(Vs(i) ) ds | E, N, (Ui )i1 = E(I)eλEU(i,N ) .
0
On en déduit la relation suivante

g(1) + g(−1) λE N
E(I) = E (e − 1) + E(I) eλEU(i,N )
λ i=1
N
g(1) + g(−1)
= + E(I)E eλEUi
.
b−λ i=1
Enfin, par indépendance des variables aléatoires considérées,

N

E eλEUi
|E = E N eλEU1 |E
i=1

N λE
=E (e − 1)|E
λE
a λE
= (e − 1).
λ
Ainsi, pour tout λ < b − a, on obtient
g(1) + g(−1)
E(I) = .
b−a−λ
Le théorème ergodique montre que si ν est la loi invariante de (V, X) alors

E(I) g(1) + g(−1) b − a
eλx g(v)ν(dv, dx) = = .
{−1,+1}×R+ E(S) 2 b−a−λ
Ainsi, la loi invariante ν est la loi (1/2)(δ−1 + δ+1 ) ⊗ Exp(b − a).

De nombreux modèles mathématiques pour ces problèmes de déplacement
de bactéries se trouvent par exemple dans les articles de Hans Othmer, Ste-
ven Dunbar, et Wolfgang Alt [ODA88], et de Radek Erban et Hans Oth-
mer [EO05]. Le théorème 23.4 est dû à Marc Kac [Kac74]. Dans l’article
de Kac, l’équation aux dérivées partielles du théorème 23.4 apparaît comme
une limite d’échelle de marches aléatoires persistantes, qui modélisent l’évo-
lution d’un courant électrique dans un câble coaxial, ce qui explique le nom
d’équation du télégraphe. Ce lien avec les marches aléatoires persistantes est
également au cœur d’un article de Samuel Herman et Pierre Vallois [HV10].
24
Problème de Dirichlet
Mots-clés. Diffusion ; mouvement brownien ; temps de sortie ; équation

de la chaleur ; fonction harmonique.
Outils. Chaîne de Markov ; propriété de Markov ; martingale ; méthode
de Monte-Carlo.
Difficulté. ***
Ce chapitre est consacré au problème de Dirichlet continu, en liaison avec

le mouvement brownien. La version discrète est abordée dans le chapitre 2
consacré aux marches aléatoires. La motivation est l’étude de la répartition
de la température dans un solide. Considérons donc un solide homogène iden-
tifié à l’adhérence D d’un ouvert connexe borné D de Rd dont on fixe la
température de surface non nécessairement constante égale à une fonction b.
La température à l’intérieur du solide converge vers un équilibre thermique
que l’on souhaite exprimer en fonction de D et b. Intuitivement, la tempéra-
ture en un point intérieur du solide est égale à la moyenne des températures
prises sur toute boule centrée en ce point et incluse dans le solide : la tempé-
rature ϕ vérifie la formule de la moyenne. Pour tout x ∈ Rd et tout réel r 0,
la boule et la sphère de centre x et de rayon r sont notées
B(x, r) := {y ∈ Rd : |x − y| < r} et S(x, r) := {y ∈ Rd : |x − y| = r},
tandis que la boule fermée de centre x et de rayon r est notée
B(x, r) := B(x, r) ∪ S(x, r) = {y ∈ Rd : |x − y| r}.
On notera parfois ∂B(x, r) := S(x, r). On dit que ϕ est harmonique sur D si
elle est localement intégrable et vérifie la formule de la moyenne :

1
∀x ∈ D, ∀r < dist(x, ∂D), ϕ(x) = ϕ(x + y) dy.
|B(0, r)| B(0,r)

314 24 Problème de Dirichlet
La température devrait être continue sur l’ensemble du solide si b l’est au bord

∂D de D. On peut donc formuler ainsi le problème de Dirichlet : une fonction
ϕ définie sur D à valeurs dans R est solution du problème de Dirichlet si
1. pour tout point x de ∂D, ϕ(x) = b(x),
2. ϕ est continue sur D,
3. ϕ est harmonique sur D.
Il existe de nombreux théorèmes étudiant l’existence et/ou l’unicité de la
solution du problème de Dirichlet mais bien sûr la solution n’est en général
pas explicite. Dans certains cas très particuliers, il est cependant possible
de donner une représentation intégrale relativement explicite de la solution.
Dans les autres cas, des méthodes numériques, déterministes ou probabilistes,
permettent de résoudre le problème de manière approchée.
Théorème 24.1 (Fonctions harmoniques). Pour toute fonction ϕ : D → R
les trois propriétés suivantes sont équivalentes :
1. Moyenne sur les boules : ϕ est harmonique ;
2. Moyenne sur les sphères : ϕ est localement intégrable sur D et vérifie

∀x ∈ D, ∀r < dist(x, ∂D), ϕ(x) = ϕ(x + y) σr (dy),
S(0,r)
où σr est la loi uniforme sur la sphère centrée de rayon r ;

3. Laplacien nul : ϕ est de classe C ∞ sur D et Δϕ = 0 sur D.
De plus, si ϕ est harmonique sur D alors toutes ses dérivées partielles sont
harmoniques sur D. Enfin, si |ϕ| est bornée sur D, alors il en va de même
pour toutes les dérivées partielles de ϕ.
Le théorème 24.1 permet de reformuler le problème de Dirichlet en termes
d’équations aux dérivées partielles (ÉDP).
Corollaire 24.2 (Problème de Dirichlet et ÉDP). Une fonction ϕ est solution
du problème de Dirichlet sur D avec conditions aux bords b, si et seulement
si, elle est de classe C ∞ sur D et continue sur D et vérifie

Δϕ(x) = 0 pour tout x ∈ D,
ϕ(x) = b(x) pour tout x ∈ ∂D.
Démonstration du théorème 24.1. Montrons que la seconde propriété implique

la première. Supposons sans perte de généralité que x = 0. Grâce à un chan-
gement de variables polaires, on a
r
1 1
ϕ(y) dy = d ϕ(y) σs (dy)|∂B(0, s)| ds
|B(0, r)| B(0,r) r |B(0, 1)| 0 ∂B(0,s)

d r
= d ϕ(y) σs (dy)sd−1 ds.
r 0 ∂B(0,s)
24.1 Interprétation probabiliste 315
Ainsi, si ϕ vérifie la formule de la moyenne sur les sphères, alors ϕ vérifie la

formule de la moyenne sur les boules. Réciproquement, si ϕ est harmonique,
l’expression ci-dessus donne
r
d
r ϕ(0) = d ϕ(y) σs (dy)sd−1 ds.
0 ∂B(0,s)
Une dérivation par rapport à r donne la formule de la moyenne sur les sphères.
Montrons que les deux dernières propriétés sont équivalentes. La première
étape consiste à régulariser la fonction ϕ par convolution. Soit x ∈ D, V un
voisinage de x inclus dans D, et ε < dist(V, ∂D). La fonction
Ψε : x → c(ε) exp((|x| − ε2 )−1 )1{|x|<ε}
2
est de classe C ∞ , positive, d’intégrale 1 pour c(ε) bien choisi, à support dans
la boule B(0, ε) et radiale. La fonction ϕ ∗ Ψε est donc de classe C ∞ sur V. De
plus, pour tout y ∈ V, la formule de la moyenne sur les sphères assure que

ϕ ∗ Ψε (y) = ϕ(y + u)Ψε (u)du
B(0,ε)
ε
= ϕ(y + sz) σs (dz) |S(0, s)|Ψε (s)ds
0 S(0,s)

= ϕ(y) Ψε (z) dz,
B(0,ε)
puisque Ψε est radiale. Elle est de plus d’intégrale 1 : ϕ et ϕ ∗ Ψε coïncident

sur V et ϕ est ainsi de classe C ∞ sur V. Enfin, pour |y| assez petit, on a
1 2
ϕ(x + y) = ϕ(x) + ∇ϕ(x) · y + (Hess(ϕ)(x)y) · y + o(|y| ).
2
En intégrant cette relation sur la sphère centrée de rayon r contre la mesure
uniforme et en faisant tendre r vers 0, on obtient que Δϕ(x) = 0, tandis que
la réciproque s’obtient en intégrant la relation sur une petite boule.
Il reste à établir les propriétés de régularité automatiques des dérivées. La
propagation de l’harmonicité s’obtient par récurrence en dérivant la formule
de la moyenne. De plus, pour tout multi-indice α ∈ Nd , il existe K(ε, α) tel
que, pour tout y ∈ V,
|∂α ϕ(y)| = |ϕ ∗ ∂α Ψε | K(ε, α) sup |ϕ(z)|.
z∈D
Un argument de compacité assure le résultat.
24.1 Interprétation probabiliste

La théorie des probabilités fournit les outils nécessaires à l’étude du pro-
blème de Dirichlet sous sa forme ÉDP, notamment une représentation proba-
biliste de la solution. Soit (Bt )t0 un mouvement brownien sur Rd et
τ := inf {t > 0 : Bt ∈
/ D}
le temps de sortie de D pour (Bt )t0 . On notera Px la loi de (Bt )t0 sachant
que B0 = x et Ex l’espérance par rapport à cette loi. Le mouvement brownien
est un processus de Markov fort et la formule d’Itô assure que si f est une
fonction de classe C 2 de Rd dans R à dérivées bornées, alors
t t
1
f (Bt ) = f (B0 ) + Δf (Bs ) ds + ∇f (Bs ) dBs .
0 2 0
L’intégrale stochastique (dernier terme) ci-dessus est une martingale. La clé

du lien entre probabilités et analyse est contenue dans la remarque suivante :
(f (Bt ))t0 est une martingale si f est une fonction harmonique.
Théorème 24.3 (Harmonicité de la représentation probabiliste). La fonction
v définie sur D par v(x) = Ex [b(Bτ )] est harmonique sur D.
Il est délicat d’établir la continuité sur D de la fonction v donnée par le
théorème 24.3. Cela fait intervenir les propriétés géométriques du domaine D.
Démonstration. Soit x ∈ D et r < dist(x, ∂D). Notons
τr := inf {t 0 : Bt ∈
/ B(x, r)}
le temps de sortie de la boule centrée en x de rayon r pour le mouvement

brownien issu de x. Voir la figure 24.1. La propriété de Markov forte de (Bt )t0
assure alors que
# $
v(x) = Ex [Ex (b(Bτ )|Fτr )] = Ex EXτr (b(Bτ )) = Ex (v(Bτr )).
Enfin, comme la loi du mouvement brownien est invariante par rotation, la

v.a. Bτr est distribuée selon la loi uniforme sur S(x, r). Cette propriété assure
que la fonction v vérifie la formule de la moyenne sur les sphères.
Remarque 24.4 (Noyau de Poisson). La représentation probabiliste ci-dessus

montre que la solution du problème de Dirichlet en un point x de D s’écrit
comme la moyenne des valeurs aux bords pondérées par la loi du lieu de sortie
d’un mouvement brownien issu de x. La densité de cette mesure est appelée
noyau de Poisson de D.
Une fonction h harmonique sur un domaine D atteint nécessairement son
maximum sur un compact K en un point du bord de K. Ce principe du maxi-
mum fournit l’unicité de la solution du problème de Dirichlet : la différence
de deux solutions est une fonction harmonique nulle sur ∂D et donc nulle sur
D. Le théorème suivant montre que la l’unicité de la solution du problème de
Dirichlet peut aussi se déduit de l’interprétation probabiliste.
24.2 Cas de la boule unité 317
1.0
0.8
0.6
0.4
0.2
0.0
−0.2
−0.4
−0.6
−0.8
−1.0
−1.0 −0.5 0.0 0.5 1.0
Fig. 24.1. Découpage d’une trajectoire sortant de D après être sortie de B(x, r).
Théorème 24.5 (Unicité). Si ϕ est une solution du problème de Dirichlet

sur D de condition aux bords b, alors cette solution est unique et s’écrit
∀x ∈ D, ϕ(x) = Ex [b(Bτ )].
Démonstration. La formule d’Itô fournit la décomposition suivante :

t∧τ
1
ϕ(Bt∧τ ) = ϕ(x) + Δϕ(Bs ) ds + Mt∧τ
0 2
où (Mt∧τ )t0 est une martingale bornée d’après les propriétés de régularités
automatiques des fonctions harmoniques (théorème 24.1). En effet, ϕ est har-
monique sur D et bornée sur D. Il en est alors de même pour ses dérivées. En
prenant l’espérance et en faisant t → ∞, on obtient le résultat annoncé.
24.2 Cas de la boule unité

Il existe très peu de domaines D pour lesquels une expression explicite de
la solution du problème de Dirichlet est disponible. Cette section est consacrée
au cas des boules euclidiennes.
Théorème 24.6 (Noyau de Poisson des boules). Le problème de Dirichlet sur
la boule centrée de rayon r dans Rd de condition aux bords b a pour solution
2
rd−2 (r2 − |x| )
ϕ(x) = b(y)Pr (x, y) σr (dy), où Pr (x, y) = d
.
S(0,r) |y − x|
Ici encore ϕ(x) s’écrit comme la moyenne de b sur ∂D contre la densité

Pr (x, y) par rapport à la mesure uniforme sur S(0, r). Cette mesure donne
plus de poids aux points de la sphère qui sont proches de x, ce qui correspond
bien à l’intuition en termes de température du solide.
Le problème de Dirichlet sur une boule de Rd se ramène ainsi au calcul
d’une intégrale sur la sphère de dimension d − 1. Lorsque d 1, les méthodes
de calcul approché déterministes deviennent très difficiles à mettre en place
car elles demandent de discrétiser la sphère. La méthode de Monte-Carlo reste
elle très simple à utiliser grâce au résultat suivant.
Théorème 24.7 (Simulation de la loi uniforme sur la sphère). Si X est un
vecteur aléatoire dans Rd de loi Nd (0, Id ), le vecteur aléatoire Y = X/|X| suit
la loi uniforme sur S(0, 1).
Démonstration. La v.a. Y est définie p.s. puisque l’ensemble {X = 0} est de

mesure nulle. De plus, la loi de X est invariante par toute rotation : si O est
une matrice orthogonale alors OX a même loi que X. Il en est donc de même
pour Y . Or la seule loi de probabilité sur la sphère unité munie de sa tribu
borélienne qui soit invariante par rotation est la loi uniforme.
Remarque 24.8 (Algorithme de Box-Muller). Si U et V sont deux v.a.r.

indépendantes avec U de loi uniforme sur [0, 1] et V de loi exponentielle de
paramètre 1/2 alors les v.a.r.
√ √
X = V cos(2πU ) et Y = V sin(2πU )
sont indépendantes et de même loi gaussienne centrée réduite N (0, 1). Cette
propriété a longtemps été utilisée par les logiciels de calcul scientifique avant
d’être délaissée pour des procédures plus efficaces comme l’algorithme du Zig-
gurat de Marsaglia basé sur une méthode de polygonalisation.
24.3 Approches numériques
Dans le cas d’un domaine général D, on ne dispose pas d’une expression

explicite du noyau de Poisson. Il faut donc envisager des méthodes de résolu-
tions approchées. Pour cela, on discrétise D. Soit h > 0 le pas de discrétisation.
On définit la grille Dh comme l’intersection de D et du réseau hZd :
% &
Dh := D ∩ hZd = x ∈ D, ∃(i1 , . . . , id ) ∈ Zd , x = (hi1 , . . . , hid ) .
On dit que x, y ∈ hZd sont voisins, et on note x ∼ y, si |x − y| = h. La

frontière de Dh s’écrit
∂h Dh = {y ∈ Dhc : ∃x ∈ Dh , x ∼ y}.
L’opérateur laplacien est lui remplacé par l’opérateur aux différences :

24.4 Demi-plan supérieur : du discret au continu 319
1
Δh f (x) = (f (y) − f (x)).
2d y∼x
On dit que ϕh est h-harmonique sur Dh si Δh ϕh = 0 sur Dh . Il convient

également de définir une fonction bh sur ∂h Dh qui soit une approximation
raisonnable de b définie sur ∂D. Le problème de Dirichlet discret est alors le
suivant : trouver ϕh sur Dh ∪ ∂h Dh telle que

Δh ϕh (x) = 0 pour tout x ∈ Dh ,
ϕh (x) = bh (x) pour tout x ∈ ∂h Dh .
C’est exactement le problème de Dirichlet discret étudié dans le chapitre 2, qui

possède une solution probabiliste dans le même esprit que celle du problème
de Dirichlet continu, avec la marche aléatoire simple en lieu et place du mou-
vement brownien. Cette substitution est justifiée par la remarque suivante. Si
f est une fonction de classe C 2 de Rd dans R, alors
h2
Δh f (x) = Δf (x) + o(h2 ).
2d
Ainsi, quand h est petit, Δh apparaît comme une approximation du laplacien.
D’autre part, dire que Δh ϕh (x) = 0 revient à dire que ϕh (x) est la moyenne
(avec la mesure uniforme) des valeurs de ϕh en les 2d voisins de x, ce qui est
un analogue de la propriété de la moyenne.
Remarque 24.9 (Approches déterministe et probabiliste). Comme Dh est
fini, le problème de Dirichlet discret est un système linéaire de card(Dh ) équa-
tions à card(Dh ) inconnues, qui possède une unique solution. Sa résolution est
simplifiée par le fait que la matrice associée au système est creuse : au plus
2d + 1 inconnues sont impliquées dans chaque équation. Cette méthode directe
permet, au terme des calculs, de déterminer simultanément la valeur de la
solution ϕh en tout point de la grille Dh . Cette méthode est payante lorsque
l’on veut déterminer la température du corps en tous les points du solide.
24.4 Demi-plan supérieur : du discret au continu

Le but de cette section est d’illustrer dans un cas particulier la convergence
de la solution du problème de Dirichlet discret vers la solution du problème
de Dirichlet continu formulé dans le corollaire 24.2. Même s’il n’est pas borné,
le demi-plan supérieur dans R2 possède un noyau de Poisson explicite. Il
est également possible de déterminer la loi du lieu de sortie de la marche
aléatoire sur le réseau de hZ2 . Soit N ∈ N∗ . Le pas de discrétisation est
choisi de la forme h = 1/N . On note (XnN , YnN )n la marche aléatoire sur
hZ2 issue de (X0N , Y0N ) = (0, 1) telle que les suites de variables aléatoires
N
(Xn+1 − XnN ) et (Yn+1
N
− YnN ) soient indépendantes entre elles, formées de
variables indépendantes de même loi :
P((Xn+1
N
− XnN ) = −1/N ) = P((Xn+1
N
− XnN ) = 1/N ) = 1/2,
P((Yn+1
N
− YnN ) = −1/N ) = P((Yn+1
N
− XnY ) = 1/N ) = 1/2.
√ À chaque pas, la marche choisit au hasard entre les 4 points à distance

2/N (nord-ouest, nord-est, sud-ouest et sud-est). Cette modification légère
de dynamique de la marche aléatoire permet d’assurer que (XnN )n et (YnN )n
sont deux marches aléatoires simples indépendantes, ce qui simplifiera le rai-
sonnement par la suite.
On s’intéresse à l’instant et à l’abscisse de sortie du demi-plan supérieur
pour la marche aléatoire ainsi définie. L’instant de sortie est la v.a.r.
% &
T N := inf k 0 : YkN = 0 .
L’abscisse de sortie U N est l’abscisse de la marche aléatoire à l’instant T N ,
U N := XTNN .
Théorème 24.10 (Convergence en loi du lieu de sortie). La suite (U N )N 1

converge en loi, quand N tend vers l’infini, vers la loi de Cauchy de densité :
1 1
x ∈ R → .
π 1 + x2
Démonstration. Notons Sk le temps d’atteinte de 0 pour la marche aléatoire
simple (Zn )n0 sur Z issue de k, et Gk sa fonction génératrice. La propriété
de Markov forte assure que
loi
Sk = S11 + · · · + S1k
où (S1i )1ik sont i.i.d. de même loi que S1 , d’où Gk (s) = G1 (s)k . De même,
loi
S1 = 1 + ZS2
où Z est une v.a. de loi de Bernoulli Ber(1/2) indépendante de S2 , d’où

s s
G1 (s) = + G2 (s), s ∈ [0, 1[.
2 2
Pour tout s ∈ [0, 1[, G1 (s) est solution de sx2 − 2x + s = 0 et vaut donc
√
1 − 1 − s2
G1 (s) =
s
puisque G1 (s) < 1. En conclusion, T N a même loi que SN , et sa fonction
génératrice GN est donnée par GN (s) = G1 (s)N .
Déterminons à présent la fonction caractéristique de U N . Pour tout t ∈ R,
N
1 − 1 − cos(t/N )2
itU N
ϕU N (t) = E e = ,
cos(t/N )
24.5 Récurrence, transience, et fonctions harmoniques 321
puisque la fonction caractéristique de XnN vaut cos(t/N )n . Enfin,

N N
1 − |sin(t/N )| |t|
ϕU N (t) = ∼ 1− −−−−→ e−|t| ,
cos(t/N ) N →∞ N N →∞
et la limite est la fonction caractéristique de la loi de Cauchy standard.
Remarque 24.11 (Noyau de Poisson du demi-plan). Le problème de Dirichlet

sur R × R∗+ admet la représentation suivante : pour tout (x, y) ∈ R × R∗+ ,

1 y
u(x, y) = b(z)PH (x, y, z) dz, avec P ((x, y), z) = .
R π y + (x − z)2
2
24.5 Récurrence, transience, et fonctions harmoniques

La connaissance des fonctions harmoniques radiales sur Rd permet d’ob-
tenir des propriétés de récurrence et transience pour le mouvement brownien.
Pour r < |x| < R, notons
TB(0,r) := inf {t 0 : Bt ∈ B(0, r)}
et
τB(0,R) := inf {t 0 : Bt ∈
/ B(0, R)}.
Le temps S := TB(0,r) ∧τB(0,R) est le temps de sortie de la couronne C(0, r, R).
x×
Bτ ×
Fig. 24.2. Une trajectoire brownienne issue de x arrêtée hors d’une couronne.
Théorème 24.12 (Récurrence ou transience du mouvement brownien). Soit

(Bt )t0 un mouvement brownien sur Rd .
1. Si d = 2 et r < |x| < R, alors

log(R) − log(|x|)
a) Px (TB(0,r) < τB(0,R) ) = ,
log(R) − log(r)
b) Px (T{0} < ∞) = 0,
c) Px (TB(0,r) < ∞) = 1,
d) Px (TB(0,r) < ∞ i.s.) = 1.
2. Si d 3 et r < |x| < R, alors
2−d
|x| − R2−d
a) Px (TB(0,r) < τB(0,R) ) = ,
r 2−d − R2−d
b) Px (T{0} < ∞) = 0,
2−d
|x|
c) Px (TB(0,r) < ∞) = .
r2−d
Le théorème 24.12 établit la récurrence du mouvement brownien dans R2 :
s’il n’atteint aucun point donné, il atteint presque sûrement tout voisinage de
ce point une infinité de fois ! Ceci n’est plus vrai en dimensions supérieures. Le
comportement est semblable à celui de la marche aléatoire simple symétrique
sur Zd , étudié dans le chapitre 2.
2−d
Démonstration. Soit ϕ la fonction x → log(|x|), respectivement x → |x| ,
pour d = 2, respectivement d 3. Dans les deux cas, ϕ est une fonction
harmonique radiale sur Rd privé de l’origine. Le processus (ϕ(Bt∧S ))t0 est
une martingale bornée. De plus, S est fini p.s. puisque la première coordonnée
de (Bt ) prend des valeurs arbitrairement grandes. Le théorème d’arrêt assure
donc que

ϕ(x) = Ex (ϕ(BS )) = ϕ(r)Px TB(0,r) < τB(0,R) + ϕ(R)Px TB(0,r) > τB(0,R)
que l’on écrit encore

ϕ(x) − ϕ(R)
Px TB(0,r) < τB(0,R) = .
ϕ(r) − ϕ(R)
Pour obtenir 1.(b) et 2.(b) on prend les limites successives r → 0 puis R → ∞.

Le point 1.(d) se déduit de 1.(c) et de la propriété de Markov forte.

Le problème de Dirichlet continu a été étudié au dix-neuvième siècle et
doit son nom au mathématicien Peter Gustav Lejeune Dirichlet. La solution
probabiliste du problème de Dirichlet continu, due à Shizuo Kakutani, date

du milieu du vingtième siècle. Le problème de Dirichlet continu se situe à la
confluence des probabilités (mouvement brownien), de la théorie du potentiel,
de l’analyse harmonique, et des équations aux dérivées partielles, confluence
fortement développée par Paul Lévy et Joseph Leo Doob au cours du ving-
tième siècle. Des aspects variés sont développés notamment dans le livre de
Richard Bass [Bas95], ainsi que dans celui de Peter Mörters et Yuval Peres
[MP10]. La version discrétisée constitue une ouverture vers l’analyse numé-
rique matricielle (matrices creuses) et l’analyse numérique des équations aux
dérivées partielles, ainsi que vers l’analyse numérique stochastique comme les
schémas d’Euler stochastiques (voir la section 27.6). La solution explicite du
problème de Dirichlet dans le cas de la boule se trouve par exemple dans le
livre de Walter Rudin [Rud87]. L’existence et la continuité sur D sont abor-
dées dans le livre de Richard Bass [Bas95]. Notre section 24.4 est inspirée du
livre de Bernard Ycart [Yca02]. La plupart des résultats sont généralisables à
des opérateurs différentiels bien au-delà du laplacien usuel.
25
Processus d’Ornstein-Uhlenbeck
Mots-clés. Diffusion ; mouvement brownien ; processus gaussien ; proces-

sus d’Ornstein-Uhlenbeck ; équation différentielle stochastique ; équation aux
dérivées partielles.
Outils. Vecteurs gaussiens ; semi-groupe de Markov ; formule d’Itô ; ana-
lyse hilbertienne ; transformée de Laplace ; polynômes d’Hermite ; couplage ;
entropie relative ; inégalité de Poincaré ; inégalité de Sobolev logarithmique ;
distance de Wasserstein.
Difficulté. ***
Le processus d’Ornstein-Uhlenbeck (Xt )t0 sur R est la solution de l’équa-

tion différentielle stochastique (ÉDS) linéaire suivante :
t √
X t = X0 − Xs ds + 2Bt ,
0
où (Bt )t0 est un mouvement brownien standard sur R indépendant de X0 .

√
Le facteur 2 dans l’ÉDS rend certaines formules plus belles. On utilise aussi
la version abrégée suivante de l’ÉDS :
√
dXt = −Xt dt + 2 dBt .
Le processus d’Ornstein-Uhlenbeck est le plus simple des processus de diffu-

sion gaussiens ergodiques sur R. Il possède des propriétés remarquables, qui le
rendent incontournable. Il apparaît notamment comme limite d’échelle de plu-
sieurs chaînes de Markov à espace d’états discret, comme la chaîne d’Ehrenfest
(chapitres 9 et 27), ou la file d’attente M/M/∞ (chapitre 11). Il intervient
également dans la définition du processus de Langevin du chapitre 26.

326 25 Processus d’Ornstein-Uhlenbeck
25.1 Premières propriétés

Théorème 25.1 (Changement d’échelle). Soit λ > 0 et σ > 0. Si X est un
processus d’Ornstein-Uhlenbeck alors le processus Y défini par
σ
Yt = √ Xλt
2λ
est solution de l’équation différentielle stochastique
t
Yt = Y0 − λ Ys ds + σWt
0
où (Wt )t0 est un mouvement brownien standard.

√
Démonstration. Pour tout t 0, en notant Wt = Bλt / λ,
λt
σ σ σ σ
√ Xλt = √ X0 − √ Xs ds + √ Bλt
2λ 2λ 0 2λ λ
t
= Y0 − λ Ys ds + σWt ,
0
et (Wt )t0 est un mouvement brownien standard (invariance d’échelle).
Théorème 25.2 (Processus gaussien). Si X0 = x, alors
Xt ∼ N (xe−t , 1 − e−2t ).
Plus généralement, le processus (Xt )t0 est un processus gaussien de cova-

riance donnée pour tous 0 s t par
Cov(Xs , Xt ) = (1 − e−2s )e−(t−s) .
Cette propriété vient en fait de la linéarité de l’équation différentielle stochas-

tique satisfaite par (Xt )t0 .
Démonstration. La formule d’Itô appliquée au processus (et Xt )t0 avec X0 =

x donne
−t
√ t s−t
Xt = xe + 2 e dBs .
0
−t −2t
On en déduit que Xt ∼ N (xe , 1 − e ). Pour calculer la covariance de Xs
et Xt , on écrit de même que
Xt = Xs e−(t−s) + Yt
où Yt est une variable aléatoire centrée indépendante de Xs .

25.1 Premières propriétés 327
Soit A l’ensemble des fonctions de classe C ∞ sur R dont toutes les dérivées
sont à croissance lente 1 . Le semi-groupe d’Ornstein-Uhlenbeck sur R est la
famille (Nt )t∈R+ d’opérateurs de A dans A définis pour tous t 0, f ∈ A par
Nt (f )(x) = E(f (Xt ) | X0 = x).
Ce qui précède donne la formule de Mehler : pour tout t 0 et tout f ∈ A,

Nt (f )(x) = f e−t x + 1 − e−2t y γ(dy),
R
où γ désigne la mesure gaussienne standard sur R. Cette formule montre que

Nt (f )(x) est bien défini pour tout x ∈ R et tout f ∈ L1 (N (xe−t , 1 − e−2t )).
25
20
15
10
-5
0 200 400 600 800 1000 1200
Fig. 25.1. Échantillon de trajectoires du processus d’Ornstein-Uhlenbeck partant

du même point initial éloigné de l’origine. La dérive l’emporte sur la diffusion au
départ, et ramène rapidement puis maintient la trajectoire près de l’origine, où la
diffusion provoque des fluctuations. En temps grand la loi invariante s’impose.
Théorème 25.3 (Propriété de semi-goupe). La famille (Nt )t0 vérifie les

propriétés suivantes :
1. pour toute fonction f ∈ A, N0 f = f ,
1. Une fonction f : R → R est à croissance lente si |f | P pour un polynôme P .
2. pour tous s, t 0 et f ∈ A, (Ns ◦ Nt )(f ) = Nt+s f .

Démonstration. Le premier point est évident. Pour le second, notons σt =
√
1 − e−2t . Soient X et Y deux v.a.r. indépendantes de loi γ. Par définition
de Nt ,
# $
(Ns ◦ Nt )(f )(x) = E Nt (f )(e−s x + σs X)
# $
= E f (e−t (e−s x + σs X) + σt Y )
# $
= E f (e−s−t x + e−t σs X + σt Y ) .
Il ne reste plus qu’à observer que
e−t σs X + σt Y ∼ N (0, σs+t

2
)
et à utiliser la formule de Mehler.

Examinons à présent l’évolution infinitésimale, sur un temps très court.
Théorème 25.4 (Générateur infinitésimal). Pour tout f ∈ A et tout x ∈ R,
Nt f (x) − N0 f (x)
lim+ = (Af )(x) où (Af )(x) = f (x) − xf (x).
t→0 t
Plus généralement, pour tout f ∈ A et tout t 0, les équations aux dérivées
partielles suivantes ont lieu :
∂t Nt f = A(Nt f ) = Nt (Af ).
Cette équation aux dérivées partielles (ÉDP) est parfois appelée équation
de la chaleur avec dérive. L’opérateur A est le générateur infinitésimal du
semi-groupe d’Ornstein-Uhlenbeck. Il est important de penser à la formule
formelle Nt = etA , qui fait apparaître que N0 = I et ∂t Nt = ANt .
Démonstration. Si f ∈ A, alors la formule de Taylor à l’ordre 2 avec reste
borné au voisinage de x donne
h2
f (x + h) = f (x) + hf (x) + f (x) + O(h3 ).
2
Remarquons dans un premier temps, que pour h = (e−t − 1)x + σt y, on a

h γ(dy) = (e−t − 1)x,

h2 γ(dy) = (e−t − 1)2 x2 + σt2 ,

3
|h| γ(dy) = O(t3/2 ).
Le développement limité ci-dessus assure que

25.1 Premières propriétés 329
1 −t
Nt f (x) = f (x) + (e−t − 1)xf (x) + (e − 1)2 x2 + σt2 f (x) + O(t3/2 ).
2
On a donc bien la limite annoncée :
1
lim (Nt f (x) − f (x)) = f (x) − xf (x).
t→0t
Ce résultat s’obtient aussi avec la formule d’Itô : si X0 = x et t 0, alors
t √ t
f (Xt ) = f (x) + Af (Xs ) ds + 2 f (Xs ) dBs ,
0 0
et comme l’intégrale stochastique est une martingale, l’espérance donne

t
Nt f (x) = f (x) + Ns (Af )(x) ds.
0
Il reste à utiliser que Ns (Af )(x) → Af (x) quand s → 0 pour obtenir la pre-
mière propriété du théorème. La seconde se déduit de la première en utilisant
la propriété de semi-groupe.
D’après la formule de Mehler, pour tout x ∈ R et f ∈ A,

Nt f (x) −→ f dγ.
t→∞
De plus, grâce à la formule de Mehler, pour tous t 0 et f ∈ A,

Nt f dγ = f (xe−t + 1 − e−2t y) γ(dy) γ(dx) = f dγ.
Autrement dit, la variable aléatoire Xt a la même loi que

X0 e−t + 1 − e−2t Z
où Z ∼ N (0, 1) est une variable aléatoire indépendante de X0 , et donc si

X0 ∼ γ alors Xt et X0 ont même loi N (0, 1), et pour tous t 0 et f ∈ A,

Nt f dγ = E[(Nt f )(X0 )] = E(f (Xt )) = E(f (X0 )) = f dγ.
La mesure γ est donc la loi invariante du processus d’Ornstein-Uhlenbeck. Le

résultat suivant va plus loin que l’invariance.
Théorème 25.5 (Symétrie et réversibilité). Les opérateurs (Nt )t0 et A sont
auto-adjoints dans L2 (γ). En particulier, pour toutes fonctions f, g ∈ A,

Af g dγ = f Ag dγ = − f g d γ.
La loi invariante γ est réversible : si X0 suit la loi γ, alors pour tout T 0,

le processus renversé (XT −t )t∈[0,T ] a la même loi que (Xt )t∈[0,T ] .
Démonstration. Par définition du semi-groupe d’Ornstein-Uhlenbeck,

# $
f Nt g dγ = E f (X)g e−t X + σt Y ,
où X et Y sont deux variables aléatoires indépendantes de loi γ. Le couple

(X, e−t X + σt Y ) est un vecteur gaussien centré de matrice de covariance

1 e−t
.
e−t 1
On peut donc échanger les rôles de f et g dans l’identité précédente, ce qui

assure que Nt est auto-adjoint dans L2 (γ). Enfin, une intégration par parties
fournit la formule du théorème.
Remarque 25.6 (Simulation). Le processus d’Ornstein-Uhlenbeck a des ac-
croissements gaussiens indépendants (non stationnaires). La simulation des
trajectoires est particulièrement simple. Soit (tn )n0 une suite strictement
croissante de réels positifs avec t0 := 0. Le processus à temps discret (Xtn )n1
a la même loi que le processus autorégressif (Zn )n0 défini par Z0 = X0 et

Ztn+1 = e−(tn+1 −tn ) Ztn + 1 − e−2(tn+1 −tn ) εn
pour tout n 1, où (εn )n0 sont des v.a.r. i.i.d. de loi N (0, 1), indépendantes
de Z0 . Ce processus est une chaîne de Markov à temps discret d’espace d’état
R, et de loi invariante N (0, 1). Cette observation fournit une manière de si-
muler les trajectoires du processus d’Ornstein-Uhlenbeck, illustrée par la figure
25.1. Conditionnellement à Z0 , le vecteur aléatoire (Z1 , . . . , Zn ) est gaussien,
et la décomposition de Cholesky de sa matrice de covariance fournit une autre
manière efficace de simuler la trajectoire du processus.
Les propriétés ci-dessus permettent de voir que la loi de Xt est absolument
continue avec une densité régulière dès que t > 0, quel que soit X0 .
Théorème 25.7 (Équation d’évolution de la densité de la loi). Soit νt la loi
de Xt . Quelle que soit ν0 , pour tout t > 0, la loi νt admet une densité de
classe C ∞ par rapport à la mesure de Lebesgue. De plus, si ν0 est absolument
continue de densité v0 par rapport à la mesure γ alors νt l’est aussi et sa
densité vt par rapport à γ est solution de l’équation aux dérivées partielles
∂t vt (x) = Avt (x).
Démonstration. Si g est une fonction régulière, la propriété de symétrie de Nt

donne

Eg(Xt ) = E(g(Xt )|X0 = x)v0 (x)γ(dx)

= Nt g(x)v0 (x)γ(dx)
25.2 Décomposition spectrale et inégalité de Poincaré 331

= g(x)Nt (v0 )(x)γ(dx).
Par définition vt = Nt (v0 ). Par définition de Nt , t → Nt (v0 )(x) est de classe

C ∞ (même si v0 ne l’est pas). On conclut grâce au théorème 25.4.
Remarque 25.8 (ÉDP de Fokker-Planck). On peut montrer par un change-
ment de variables que la densité ut de la loi de Xt par rapport à la mesure de
Lebesgue est solution de l’équation aux dérivées partielles suivante
2
∂t ut (x) = ∂xx ut (x) + ∂x (xut (x)).
Cette équation aux dérivées partielles est parfois appelée équation de Fokker-
Planck. Elle exprime l’évolution temporelle d’une densité spatiale, tout comme
l’équation d’Euler en mécanique des fluides, et l’équation de Boltzmann en
théorie cinétique des gaz.
25.2 Décomposition spectrale et inégalité de Poincaré

On étudie dans cette section l’action du semi-groupe (Nt )t0 sur les poly-
nômes. Les polynômes forment un sous-espace dense de L2 (γ). En effet, soit
f ∈ L2 (γ). La transformée de Laplace de la mesure signée ν(dx) = f (x)γ(dx)
est finie sur R puisque, pour λ ∈ R, on a
2
eλx ν(dx) f 2 dγ e2λx γ(dx) < +∞.
La transformée de Laplace de ν est donc en particulier analytique au voisinage

de 0. Si f est orthogonale à tous les polynômes, toutes les dérivées de cette
transformée sont nulles en 0 et par suite elle est également nulle. Ceci implique
que f est nulle γ-p.s. On peut donc trouver une base hilbertienne de L2 (γ)
formée de polynômes. On lira avec profit le théorème 21.7.
Les polynômes d’Hermite (Hn )n0 sont définis par leur série génératrice :
∞
sx− 12 s2 sn
G(s, x) = e = Hn (x),
n=0
n!
c’est-à-dire Hn (x) = ∂1n G(0, x). On a
H0 (x) = 1, H1 (x) = x, H2 (x) = x2 − 1, etc.
Ils vérifient l’équation de récurrence à trois termes
Hn+1 (x) = xHn (x) − nHn−1 (x),
l’équation de récurrence différentielle

Hn (x) = nHn−1 (x),

et l’équation différentielle
Hn (x) − xHn (x) + nHn (x) = 0.
L’équation de récurrence et le fait que H0 = 1 et H1 (x) = x font que le
coefficient du terme de plus haut degré de Hn vaut 1, pour tout n 0.
Les polynômes d’Hermite sont orthogonaux pour la loi gaussienne standard
γ, et diagonalisent les opérateurs Nt et A du processus d’Ornstein-Uhlenbeck.
Théorème 25.9 √ (Polynômes d’Hermite et processus d’Ornstein-Uhlenbeck).
La suite (Hn / n!)n0 est une base hilbertienne de L2 (γ). De plus pour tout
entier n 0 et tout réel t 0, le polynôme Hn est vecteur propre de Nt
(respectivement de A) associé à la valeur propre e−nt (respectivement −n).
Démonstration. Soit s, t ∈ R fixés. Appliquons Nt à la fonction x → G(s, x) :
Nt (G(s, ·))(x) = exp(se−t x − s2 /2)E[exp(sσt Y )]
où Y suit la loi γ. La transformée de Laplace de Y vaut
1
E(exp(λY )) = exp λ2
2
donc
Nt (G(s, ·))(x) = G(se−t , x).
Par définition des polynômes d’Hermite, on obtient
Nt (Hn )(x) = Nt (∂1n G(0, ·))(x) = ∂sn Nt (G(s, ·))(x)|s=0
= ∂sn G(se−t , x)|s=0 = e−nt ∂1n G(se−t , x)|s=0 = e−nt Hn (x).
Le polynôme d’Hermite Hn est donc vecteur propre de Nt , de valeur propre
e−nt . En appliquant le théorème 25.4 à la fonction Hn , on obtient que Hn
est vecteur propre de A associé à la valeur propre −n. La symétrie de Nt par
rapport à γ assure que, pour tous entiers m et n et tout t > 0,

−mt −nt
e Hm Hn dγ = Nt (Hm )Hn dγ = Hm Nt (Hn ) dγ = e Hm Hn dγ.
2
En particulier, Hn et √ Hm sont orthogonaux dans L (γ) dès que 2n = m. Pour
voir enfin que (Hn / n!)n0 est bien une base orthonormée de L (γ), on peut
utiliser la formule de Plancherel
∞
s2n 2
2
H n 2
L (γ) = G(s, x) 2
γ(dx) = exp(−s2
) e2sx γ(dx)
n=0
n!
∞
s2n
= exp(s2 ) = ,
n=0
n!
2
qui donne la valeur de Hn L2 (γ) = n! en identifiant les deux séries.
25.2 Décomposition spectrale et inégalité de Poincaré 333
Le théorème 25.9 permet d’obtenir la décomposition de Nt f sur la base

hilbertienne des polynômes d’Hermite à partir de celle de f , et fournit en
particulier une estimation pour la convergence de Nt (f ) vers une fonction
constante dans L2 (γ).
Théorème 25.10 (Décomposition spectrale et convergence dans L2 (γ)).
Pour tout f ∈ L2 (γ), si

f= an Hn où n!an = f Hn dγ avec n!a2n < +∞,
n0 n
alors, pour tout t 0,

Nt f = e−nt an Hn .
n0
De plus, pour tout f ∈ L2 (γ), la convergence exponentielle suivante a lieu :

Nt f − γ(f )L2 (γ) e−t f − γ(f )L2 (γ) où γ(f ) = f dγ.
Démonstration. La première partie découle du théorème 25.9. Pour la seconde

partie, on remarque tout d’abord que H0 (x) = 1. Ensuite, pour tout t 0,
puisque γ est la mesure invariante de (Nt )t0 ,

a0 = f dγ = Nt f dγ.
Ainsi, pour tout t 0,

a2n e−2nt n!
2 2
Nt f − γ(f )L2 (γ) = (Nt f − a0 ) dγ =
n1

−2t −2t 2
e a2n n! =e f − γ(f )L2 (γ) .
n1
Remarque 25.11 (Mind the gap!). Le taux de convergence exponentiel (égal

à 1) du théorème 25.10 correspond à l’écart entre les deux premières valeurs
propres de A, à savoir 0 et −1. Cette propriété se généralise à tous les proces-
sus de Markov réversibles dont le générateur infinitésimal possède la propriété
dite de trou spectral : 0 est valeur propre simple et isolée du reste du spectre.
Remarque 25.12 (Lois de conservation et vitesse de convergence). Le semi-
groupe préserve la décomposition spectrale. Si f ⊥ Vect{H1 , . . . , Hk−1 } dans
L2 (γ) alors Nt (f ) ⊥ Vect{H1 , . . . , Hk−1 } pour tout t 0 et

−kt
Nt f − γ(f )L2 (γ) e f − γ(f )L2 (γ) où γ(f ) = f dγ.
On dit qu’une mesure de probabilité μ sur R vérifie une inégalité de Poin-

caré de constante c > 0 si, pour toute fonction f : R → R de classe C 1 à
support compact,
2
Varμ (f ) := f dμ −
2
f dμ c f 2 dμ.
La constante c optimale est la plus petite constante possible. Notons que

2
Varμ (f ) = f − Eμ (f )L2 (μ) .
Corollaire 25.13 (Inégalité de Poincaré). La mesure gaussienne γ satisfait

une inégalité de Poincaré de constante optimale 1 : pour toute fonction f de
R dans R de classe C 1 à support compact,

Varγ (f ) f 2 dγ.
Démonstration. Pour tout t 0, on a

2
2
α(t) := Varγ (Nt f ) = Nt f − γ(f )L2 (γ) = (Nt f )2 dγ − f dγ ,
où la seconde égalité s’obtient par invariance. Du théorème 25.10 on a l’in-

égalité α(t) e−2t α(0). Le théorème 25.5 (symétrie et réversibilité) donne

α (t) = 2Nt f At Nt f dγ = −2 (Nt f )2 dγ.
La fonction t ∈ R+ → e−2t α(0) − α(t) est positive et nulle en zéro. Sa dérivée

à droite en zéro est donc positive :
d
0 (e−2t α(0) − α(t))
dt t=0

= −2α(0) − 2 f 2 dγ

= −2Varγ (f ) − 2 f 2 dγ.
L’inégalité de Poincaré de constante 1 est donc établie. L’optimalité de la

constante peut se vérifier sur la fonction propre f (x) = H1 (x) = x. Notons que
réciproquement, on peut obtenir la convergence exponentielle α(t) e−2t α(0)
du théorème 25.10 à partir de cette inégalité de Poincaré, en écrivant

α (t) = −2 (Nt f )2 dγ −2Var(Nt ) = −2α(t).
Donnons enfin une preuve alternative de l’inégalité de Poincaré. Soit t 0

et f régulière. On définit la fonction β sur [0, t] en posant
25.3 Entropie, couplage, et temps long 335
β(s) = Ns (Ψ (Nt−s f )) où Ψ (x) = x2 .
Dans la suite, on notera g = Nt−s f . Remarquons que
β(t) − β(0) = Nt (Ψ (f )) − Ψ (Nt f ) = VarNt (·) (f ).
D’autre part, grâce au théorème 25.4, on a, par un calcul,
β (s) = Ns (A(Ψ (g)) − AgΨ (g)).
Or un calcul direct montre que
A(Ψ (g)) − AgΨ (g) = Ψ (g)g 2 = 2g 2 .
On a donc
β (s) = 2Ns (Nt−s f )2 .
Par la formule de Mehler, le semi-groupe vérifie la relation de commutation
(Nt f ) = e−t Nt (f ),
qui fournit l’expression suivante pour β (s) :

β (s) = 2e−2(t−s) Ns (Nt−s (f 2 ) .
L’inégalité de Jensen (ou de Cauchy-Schwarz) assure que

(Nt |f |)2 Nt f 2 .
Ainsi, on obtient, grâce à la relation de semi-groupe, la majoration suivante

β (s) 2e−2(t−s) Nt f 2 .
Une intégration entre 0 et t assure que, pour tout t 0 et tout x ∈ R,

la mesure de probabilité Nt (·)(x) = N (xe−t , 1 − e−2t ) vérifie une inégalité
de Poincaré de constante (1 − e−2t )/2. Pour conclure, on remarque que si ν
vérifie une inégalité de Poincaré de constante c alors la mesure image de ν par
x → ax + b vérifie une inégalité de Poincaré de constante a2 c.
25.3 Entropie, couplage, et temps long

On souhaite à présent étudier la convergence de la loi de Xt vers sa loi
invariante quand t → +∞ en termes d’entropie relative et de distance de
Wasserstein. Soit μ1 et μ2 deux mesures de probabilité sur R. L’entropie
relative de μ1 par rapport à μ2 est définie par 2
2. En physique Ent(μ | γ) est une énergie libre si μ et γ sont des mesures de Gibbs.
⎧
⎨ dμ1 log dμ1 dμ si μ1 ) μ2 ,
2
Ent(μ1 | μ2 ) = dμ2 dμ2
⎩
+∞ sinon.
Bien qu’il ne s’agisse pas d’une distance, elle est positive, et nulle si et seule-
ment si μ = ν (ceci découle de l’inégalité de Jensen pour la fonction stricte-
ment convexe x ∈ R+ → u log(u) avec 0 log(0) = 0). La distance de Wasser-
stein d’ordre 2 entre μ1 et μ2 est donnée par
8
2
W2 (μ1 , μ2 ) = inf E |X1 − X2 | ,
X1 ∼μ1
X2 ∼μ2
où l’infimum porte sur les couples (X1 , X2 ) de variables aléatoires dont les
lois marginales sont μ1 et μ2 . Les distances de Wasserstein de tous ordres sont
définies dans le chapitre 17. Ces deux quantités Ent(μ1 | μ2 ) et W2 (μ1 | μ2 ) ont
une expression explicite si μ1 et μ2 sont deux mesures gaussiennes.
Théorème 25.14 (Distances entre lois gaussiennes). Si μ1 = N (m1 , σ1 ) et
μ2 = N (m2 , σ2 ) sur R alors
W2 (μ1 , μ2 )2 = (m1 − m2 )2 + (σ1 − σ2 )2 .
D’autre part, si σ1 > 0 et σ2 > 0 alors

σ2 σ 2 − σ22 + (m1 − m2 )2
Ent(μ1 | μ2 ) = log + 1 .
σ1 2σ22
Démonstration. Commençons par la formule pour la distance de Wasserstein.
Soit (X1 , X2 ) un couple de v.a.r. tel que Xi ∼ μi = N (mi , σi2 ) pour i = 1, 2.
On a
2
E(|X1 − X2 | ) = E(X12 ) + E(X2 )2 − 2E(X1 X2 )
= (m1 − m2 )2 + σ12 + σ22 − 2Cov(X1 , X2 ).
Cette formule ne dépend que de la moyenne et de la matrice de covariance du

vecteur aléatoire (X1 , X2 ). On a
W2 (μ1 , μ2 )2 = (m1 − m2 )2 + σ12 + σ22 − 2 sup C12

C∈C
où C désigne l’ensemble des matrices de covariance 2 × 2 dont la diagonale

est prescrite par C11 = σ12 et C22 = σ22 . Comme l’ensemble des matrices
de covariance coïncide avec l’ensemble des matrices symétriques à spectre
positif ou nul, l’appartenance à C se traduit par la contrainte supplémentaire
det(C) = σ12 σ22 − C122
0, d’où C12 = σ1 σ2 , ce qui conduit au résultat.
Pour la formule pour l’entropie, on écrit

dμ1
Ent(μ1 | μ2 ) = log dμ1
dμ2
25.3 Entropie, couplage, et temps long 337

σ2 (x − m1 )2 (x − m2 )2
= log − + μ1 (dx)
σ1 2σ12 2σ22

σ2 1 σ12 + m21 − 2m1 m2 + m22
= log − +
σ1 2 2σ22

σ2 σ12 − σ22 + (m1 − m2 )2
= log + .
σ1 2σ22
Puisque le processus d’Ornstein-Uhlenbeck est gaussien, le théorème pré-

cédent fournit une expression explicite de la distance entre les deux lois
au temps t issues de deux lois gaussiennes différentes. Plus précisément,
pour tous x1 , x2 et t 0, on obtient, en utilisant le théorème 25.14 avec
μ1 = Nt (·)(x1 ) = N (x1 e−t , 1 − e−2t ) et μ2 = Nt (·)(x2 ) = N (x2 e−t , 1 − e−2t ),
W2 (Nt (·)(x1 ), Nt (·)(x2 ))2 = e−2t (x1 − x2 )2 0
t→∞
et
e−2t (x1 − x2 )2
Ent(Nt (·)(x1 ), Nt (·)(x2 )) = 0.
2(1 − e−2t ) t→∞
Ces résultats s’étendent à des lois initiales plus générales. Le cas de la distance
de Wasserstein est simple, celui de l’entropie fait l’objet de la section suivante.
Théorème 25.15 (Convergence en distance de Wasserstein). Si μ0 et μ0 sont

deux mesures de probabilité de moment d’ordre 2 fini, et si μt (resp. μt ) est la
loi de Xt (resp. Xt ) lorsque X0 ∼ μ0 (resp. X0 ∼ μ0 ), alors pour tout t 0,
W2 (μt , μt ) e−t W2 (μ0 , μ0 ).
En particulier, si μ0 = γ alors pour tout t 0,
W2 (μt , γ) e−t W2 (μ0 , γ).
Démonstration. Soit (X0 , X0 ) un couplage des lois μ0 et μ0 indépendant du
mouvement brownien (Bt )t0 . On construit deux processus (Xt )t0 et (Xt )t0
issus respectivement de X0 et X0 et dirigés par le même mouvement brownien
B. On dit que les processus sont couplés. On a alors
t
Xt − Xt = X0 − X0 − (Xs − Xs ) ds.
0
On en déduit que
|Xt − Xt | = e−2t |X0 − X0 | .
2 2
Par définition de W2 (μt , μt ), on obtient

W2 (μt , μt )2 e−2t E |X0 − X0 |
2
.
Reste à prendre l’infimum sur tous les couplages de μ0 et μ0 .

25.4 Inégalité de Sobolev logarithmique

On dit qu’une mesure de probabilité μ sur R vérifie une inégalité de So-
bolev logarithmique de constante c > 0 si, pour toute fonction f : R → R de
classe C 1 positive et à support compact,
2
f
Entμ (f ) := f log(f ) dμ − f dμ log f dμ c dμ.
f
La constante c optimale est la plus petite constante possible. Notons que

f
Eμ (f )Entμ (f ) = Ent(ν | μ) où dν = dμ.
Eμ (f )
Théorème 25.16 (Inégalité de Sobolev logarithmique gaussienne). La me-

sure gaussienne standard γ vérifie une inégalité de Sobolev logarithmique de
constante optimale 1/2.
Démonstration. On procède comme dans la seconde preuve de l’inégalité de
Poincaré du corollaire 25.13. Soit t 0 et f régulière. On définit β : [0, t] → R
par
β(s) = Ns (Φ(Nt−s f )) où Φ(x) = x log(x).
Dans la suite, on notera g = Nt−s f . Remarquons que
β(t) − β(0) = Nt (Φ(f )) − Φ(Nt f ) = EntNt (·) (f ).
D’autre part, grâce au théorème 25.4, on a, par un calcul,
β (s) = Ns (A(Φ(g)) − AgΦ (g)).
Un calcul direct montre que
g 2
A(Φ(g)) − AgΦ (g) = Φ (g)g 2 = .
g
On a donc
(Nt−s f )2
β (s) = Ns .
Nt−s f
Par la formule de Mehler, le semi-groupe vérifie la relation de commutation
(Nt f ) = e−t Nt (f ),
qui fournit l’expression suivante pour β (s) :

(Nt−s (|f |))2
β (s) = e−2(t−s) Ns .
Nt−s f
L’inégalité de Schwarz assure que

25.4 Inégalité de Sobolev logarithmique 339
3 42 2
|f | f
(Nt |f |)2 = Nt √ f Nt Nt (f ).
f f
Ainsi, on obtient, grâce à la relation de semi-groupe, la majoration suivante
2
f
β (s) e−2(t−s) Nt .
f
Une intégration entre 0 et t assure que, pour tout t 0 et tout x ∈ R, la
mesure de probabilité Nt (·)(x) = N (xe−t , 1 − e−2t ) vérifie une inégalité de
Sobolev logarithmique de constante (1 − e−2t )/2. Pour conclure, on remarque
que si ν vérifie une inégalité de Sobolev logarithmique de constante c alors la
mesure image de ν par x → ax + b vérifie une inégalité de Sobolev logarith-
mique de constance a2 c. On remarque enfin que les fonctions x → eλx saturent
l’inégalité de Sobolev logarithmique : la constante 1/2 est optimale.
Remarque 25.17 (Preuve alternative). Voici une preuve alternative unifiée
de l’inégalité de Poincaré du corollaire 25.13 et de l’inégalité de Sobolev lo-
garithmiques du théorème 25.16. Elle utilise la convexité remarquable de la
fonction (u, v) → Ψ (u, v) = Φ (u)v 2 , avec Φ(u) = u2 pour l’inégalité de Poin-
caré, et Φ(u) = u log(u) pour l’inégalité de Sobolev logarithmique.
t
d
Nt (Φ(f )) − Φ(Nt f ) = Ns (Φ(Nt−s f )) ds
0 ds
t
= Ns (A(Φ(Nt−s f )) − ANt−s (Φ (Nt−s f ))) ds
0
t
= Ns (Φ (Nt−s f )(Nt−s f )2 ) ds
0
t
= e−2s Ns (Φ (Nt−s f )(Nt−s (f ))2 ) ds
0
t
= e−2s Ns (Ψ (Nt−s f, Nt−s (f )) ds
0
t
e−2s Ns (Nt−s (Ψ (f, f ))) ds
0
t

= Nt (Ψ (f, f )) e−2s ds
0
1
= Nt (Ψ (f, f )).
2
Voici enfin encore une autre preuve, dont les commutations sont à justifier :

Φ(f ) dγ − Φ f dγ = − lim (Φ(Nt ) − Φ(N0 f )) dγ
t→∞
t
d
=− lim Φ(Ns f ) ds dγ
t→∞ 0 ds
t
=− lim Φ (Ns f )Ns Af ds dγ
t→∞ 0
t
= − lim Φ (Ns f )Ns Af dγ ds
t→∞ 0
t
2
= lim Φ (Ns f )(Ns f ) dγ ds
t→∞ 0
t
−2s 2
= lim e Φ (Ns f )(Ns (f )) dγ ds
t→∞ 0
t
−2s
= lim e Ψ (Ns f, Ns (f )) dγ ds
t→∞ 0
t
lim e−2s Ns (Ψ (f, f )) dγ ds
t→∞ 0
t
= lim e−2s ds Ψ (f, f ) dγ
t→∞ 0

1
= Ψ (f, f ) dγ.
2
Dans les deux cas on a utilisé l’inégalité de Jensen pour la mesure de proba-
bilité Ns et la fonction convexe Ψ .
Remarque 25.18 (Forme L2 de l’inégalité de Sobolev logarithmique). On
préfère parfois définir l’inégalité de Sobolev logarithmique sous forme L2 : pour
toute fonction f régulière,

f 2 log(f 2 ) dμ − f 2 dμ log f 2 dμ 4c f 2 dμ.
L’inégalité de Sobolev logarithmique du théorème 25.16 permet d’obtenir

une vitesse de convergence exponentielle de l’entropie relative de la loi de Xt
par rapport à la loi invariante γ.
Théorème 25.19 (Convergence exponentielle de l’entropie). Supposons que
la loi μ0 de X0 soit d’entropie relative finie par rapport à γ. Alors, en notant
μt la loi de Xt , la fonction t ∈ R+ → Ent(μt | γ) décroît et pour tout t 0,
Ent(μt | γ) e−2t Ent(μ0 | γ).
Notons que réciproquement, tout comme nous l’avons fait pour l’inégalité
de Poincaré (preuve du corollaire 25.13), on peut déduire l’inégalité de So-
bolev logarithmique de la convergence exponentielle de l’entropie relative, en
considérant la dérivée en t = 0 de la différence des deux membres.
Démonstration. Notons vt la densité de μt par rapport à γ. On a alors

Ent(μt | γ) = vt log(vt )dγ.
D’après le théorème 25.7 et le théorème 25.5, on a

d
vt log(vt )dγ = ∂t vt (1 + log(vt ))dγ
dt

= Avt (1 + log(vt ))dγ

= vt A(1 + log(vt ))dγ.
Or, pour toute fonction régulière g, un calcul direct montre que
Ag g 2
A(1 + log(g)) = − 2.
g g

D’après la propriété d’invariance de γ, on a Ag dγ = 0. On a donc

d (∂x vt )2
Ent(μt | γ) = − dγ,
dt vt
ce qui prouve la décroissante de t → Ent(μt | γ). De plus, l’inégalité de Sobolev

logarithmique appliquée à la fonction vt assure que
d
Ent(μt | γ) −2Ent(μt | γ).
dt
Le lemme de Grönwall 3 fournit enfin la relation souhaitée.
Remarque 25.20 (Effet régularisant). Le théorème 25.7 assure que même
si la loi de X0 n’a pas de densité, la loi de Xt a toujours une densité dès que
t > 0. On peut donc appliquer le théorème 25.19 entre les instants t0 > 0 et t
pour obtenir la convergence exponentielle de l’entropie relative vers 0.
Tout ce qui concerne le processus d’Ornstein-Uhlenbeck se trouve dans les

premières pages du cours de Dominique Bakry [Bak94]. L’expression de la dis-
tance de Wasserstein entre deux mesures gaussiennes dans le théorème 25.14
est établie notamment dans un article [GS84] de Clark Givens et Rae Shortt.
Le processus d’Ornstein-Uhlenbeck est l’illustre représentant d’une impor-
tante classe de processus stochastiques : les diffusions de Kolmogorov. Soit
3. Si t ∈ [a, b] → α(t) ∈ R+ est une fonction continue et dérivable sur ]a, b[ et

si t ∈ [a, b] → β(t) ∈ R+ est une fonctioncontinue et si α (t) β(t)α(t) pour tout
t
t ∈ ]a, b[ alors α(t) α(a) exp a
β(s) ds pour tout t ∈ [a, b].
U une fonction sur Rd à valeurs réelles de classe C 2 et (Bt )t0 un mouve-

ment brownien standard à valeurs dans Rd . On appelle équation de Langevin
l’équation différentielle stochastique suivante :
√
dXt = 2dBt − ∇U (Xt )dt.
La solution (Xt )t0 de cette équation différentielle stochastique est appe-
lée processus de diffusion de Kolmogorov associée au potentiel U . Comme
le processus d’Ornstein-Uhlenbeck, c’est un processus de Markov. La version
intégrale de l’équation différentielle stochastique s’écrit
√ t
Xt = X0 + 2Bt − ∇U (Xs ) ds.
0
Son générateur infinitésimal L est donné pour une fonction f de classe C 2 par
Lf = Δf − ∇U, ∇f .
−U
Si e est intégrable alors la mesure de probabilité

1
μ(dx) = e−U (x) dx avec Z = e−U (x) dx,
Z
est la loi invariante associée à X. L’opérateur L est même auto-adjoint dans
L2 (μ). La décomposition spectrale du semi-groupe associé n’est pas explicite
au-delà du cas gaussien, mais il est encore possible d’obtenir des analogues
des théorèmes 25.10 ou 25.19 en procédant par comparaison au cas gaussien.
On peut par exemple montrer que s’il existe λ > 0 tel que
∀x ∈ Rd , Hess U (x) λI,
ce qui revient à dire que μ a une densité log-concave par rapport à la mesure
de probabilité gaussienne centrée de covariance λ−1 Id , alors pour tout t 0,
Ent(μt | μ) e−2λt Ent(μ0 | μ)
où μt est la loi de Xt . C’est un cas particulier du critère dit de Γ2 établi par
Dominique Bakry et Michel Émery [BÉ85]. Les processus de Kolmogorov sont
étudiés en détail dans les livres de Gilles Royer [Roy99], de Dominique Bakry,
Ivan Gentil, et Michel Ledoux [BGL14], et dans l’ouvrage collectif [ABC+ 00].
Signalons que le théorème 25.14 possède une extension au cas multivarié.
Plus précisément, si μ1 = Nd (m1 , Σ1 ) et μ2 = Nd (m2 , Σ2 ) sur Rd alors
1/2 1/2
W2 (μ1 , μ2 )2 = m1 − m2 22 + Tr(Σ1 + Σ2 − 2(Σ1 Σ2 Σ1 )1/2 ).
Lorsque Σ1√et Σ2 √ commutent le dernier membre de la formule ci-dessus se
résume à k Σ1 − Σ2 k2HS , ce qui ressemble bien à la formule de dimen-
sion 1. D’autre part, si les matrices de covariance Σ1 et Σ2 sont inversibles
alors

1 det Σ2
Ent(μ1 | μ2 ) = log
2 det Σ1

+ Tr (Σ2−1 Σ1 ) − d + (m1 − m2 )T Σ2−1 (m1 − m2 ) .
26
Modèles de diffusion cinétique
Mots-clés. Diffusion ; mouvement brownien ; équation cinétique ; équation

aux dérivées partielles ; équation différentielle stochastique linéaire.
Outils. Vecteur gaussien ; distance de Wasserstein ; entropie relative.
Difficulté. ***
26.1 Modèle de Langevin

On considère une particule de poussière dans un fluide comme l’eau. La
particule est énorme par rapport aux molécules du fluide. L’échelle de taille de
la particule est dite macroscopique : ses mouvements peuvent être observés,
au moins à l’aide d’une bonne loupe, et mesurés. Les molécules qui composent
le fluide sont quant à elles beaucoup trop petites et surtout beaucoup trop
nombreuses pour être observées une à une. Elles se situent à une échelle dite
microscopique. À chaque instant, d’innombrables chocs ont lieu entre la parti-
cule et les molécules qui l’entourent. Ces chocs se répartissent en moyenne de
manière uniforme sur la surface de la particule. Pourtant à un instant donné
il peut y avoir des déviations par rapport à cette répartition uniforme. On
recherche un modèle pour l’évolution du couple position/vitesse (Xt , Vt ) de la
particule au temps t qui découle du principe fondamental de la dynamique.
Les forces qui s’exercent sur la particule sont les suivantes :
— le poids de la particule ;
— la poussée d’Archimède ;
— la force de frottement qui s’oppose au déplacement de la particule ;
— la résultante des chocs de molécules d’eau.
Le poids de la particule et la poussée d’Archimède se compensent et nous
négligerons leur résultante en considérant l’évolution horizontale seulement.
On suppose que l’intensité de la force de frottement est proportionnelle à la

344 26 Modèles de diffusion cinétique
vitesse de la particule. Elle s’écrit donc −λVt puisqu’elle s’oppose au mouve-

ment. La modélisation de l’effet des chocs des molécules d’eau demande un
peu plus d’attention. Entre les instants t et t + α avec α grand dans l’échelle
de temps microscopique, la particule subit un nombre de chocs N α où N , le
nombre de chocs par unité de temps, est supposé très grand. On adopte une
approche «statistique» ou «stochastique» et on modélise les chocs par des va-
riables aléatoires (εi )i1 indépendantes et identiquement distribuées centrées
de variance τ 2 . On pose σ 2 = N τ 2 . La force exercée pendant la durée α vaut

Nα √ 1
Nα
εi = σ2 α √ εi .
i=1 τ 2N α i=1

Y
Si N α est grand, le théorème limite central suggère que la loi de Y est proche
d’une loi gaussienne centrée réduite. De plus, les forces aléatoires exercées sur
les intervalles de temps disjoints sont dues à des molécules d’eau différentes car
elles se déplacent beaucoup moins que la particule. On peut donc les supposer
indépendantes. En conclusion, il paraît naturel de modéliser l’action des chocs
par un processus à accroissements indépendants et stationnaires dont la loi
d’un accroissement entre deux instants t et t + α est gaussienne centrée de
variance σ 2 α. Ce processus est le mouvement brownien (σBt )t0 . On retrouve
ici l’idée du théorème de Donsker (voir le théorème 27.6). Comme la vitesse
est la dérivée de la position, on obtient le système :

dXt = Vt dt
dVt = −λVt dt + σdBt .
On dit qu’il s’agit d’une équation cinétique car elle fait intervenir simultané-
ment la position et la vitesse de la particule. Dans tout le chapitre, on notera
(Zt )t0 le processus complet défini par Zt = (Xt , Vt ) pour t 0.
Théorème 26.1 (Processus de Langevin). Conditionnellement à l’événement
{(X0 , V0 ) = (x0 , v0 )}, le processus (Zt )t0 est un processus gaussien tel que
1 − e−λt
E(Xt ) = x0 + v0
λ
σ2 s σ2
Cov(Xt , Xs ) = 2 + 3 −2 + 2e−λt + 2e−λs − e−λ|t−s| − e−λ(t+s) .
λ 2λ
En particulier, la variance de Xt est donnée par
σ2 t σ2
Var(Xt ) = + −3 + 4e−λt − e−2λt .
λ2 2λ3
L’évolution de la vitesse ne dépend pas de la position.
26.2 Processus de Langevin confiné 345
Démonstration. Le processus (Vt )t0 est un processus d’Ornstein-Uhlenbeck,

étudié dans le chapitre 25. Le processus (Vt )t0 est donc gaussien, de moyenne
E(Vt ) = e−λt v0 et de covariance
σ 2 −λ|t−s|
Cov(Vt , Vs ) = e − e−λ(t+s) .
2λ
À présent le processus X est gaussien

t car image du processus V par une
application linéaire : Xt = x0 + 0 Vs ds.
Remarque 26.2 (Ordres de grandeur). La constante 1/λ, homogène à un
temps, est appelée temps de relaxation. Elle est en pratique de l’ordre de 10−8
seconde. Ceci suggère qu’il est impossible de distinguer en pratique le processus
(Xt )t0 d’un mouvement brownien de variance σ 2 /λ2 .
26.2 Processus de Langevin confiné
On modifie à présent légèrement le modèle de la section précédente. On

ajoute une force −μx qui provient de l’énergie potentielle x → 21 μx2 . L’évo-
lution du couple vitesse/position est alors donnée par le système suivant :

dXt = Vt dt
dVt = −λVt dt − μXt dt + σdBt .
On dit que Z = (X, V ) est un processus de Langevin confiné 1 . On peut

réécrire le système sous la forme matricielle suivante :
t
0 1 0
Zt = Z0 + M Zs ds + σWt où M = et Wt = .
0 −μ −λ Bt
La solution de cette équation linéaire est de la forme

t
Zt = etM Z0 + σ e(t−s)M dWs .
0
Lemme 26.3 (Loi au temps t). Si (X0 , V0 ) est un vecteur gaussien, alors il
en est de même pour (Xt , Vt ) pour tout t 0. De plus, si on note, pour t 0,
xt = E(Xt ), vt = E(Vt ), at = E(Xt2 ), bt = E(Xt Vt ) et ct = E(Vt2 ).
alors
(xt )t0 , (vt )t0 , (at )t0 , (bt )t0 , et (ct )t0
sont solutions des équations différentielles linéaires :
1. «Damped Langevin process» en anglais.

⎛
⎞ ⎛ ⎞ ⎛ ⎞
at at 0
d xt xt d ⎝ ⎠
=M et bt = N ⎝ b t ⎠ + ⎝ 0 ⎠
dt vt vt dt
ct ct σ2
où ⎛ ⎞
0 2 0
0 1
M= et N = ⎝ −μ −λ 1 ⎠ .
−μ −λ
0 −2μ −2λ
Démonstration. Il s’agit d’une conséquence immédiate de la formule d’Itô.
Remarque 26.4 (Formules explicites). Lamatrice etM peut être explicitée :
— si λ > 4μ, alors, en notant ω = λ2 − 4μ, α1 = (−λ + ω)/2, et
2
α2 = (−λ − ω)/2,

eα2 t −α1 1 eα1 t α2 −1
etM = + ;
ω −μ α2 ω μ −α1
— si λ2 = 4μ, alors

tM 1 − λt/2
−λt/2 t
e =e ;
−λ2 t/4 1 + λt/2

— si λ2 − 4μ < 0, alors, en notant ω = μ − λ2 /4,

λ sin(ωt) sin(ωt)
tM −λt/2 cos(ωt) + 2ω ω
e =e .
− μ sin(ωt)
ω cos(ωt) − λ sin(ωt)
2ω
L’expression explicite de etN est beaucoup plus pénible à obtenir. On peut

toutefois remarquer que les valeurs propres de N ont toutes une partie réelle
strictement négative.
Les équations différentielles linéaires du lemme 26.3 sont simples à résoudre
numériquement (illustration donnée par la figure 26.1).
Lemme 26.5 (Densité de la loi à tout instant). Pour toute loi initiale et
tout instant t > 0, la loi du processus de Langevin confiné (Xt , Vt ) admet une
densité strictement positive sur R2 .
Démonstration. Il suffit d’établir le résultat lorsque la loi initiale est une masse
de Dirac en un point (x, v), le cas général s’obtenant en conditionnant par la
valeur initiale. Si la loi initiale est une masse de Dirac, le couple (Xt , Vt ) est un
vecteur gaussien. Par suite, sa loi admet une densité strictement positive sur
R2 si et seulement si le déterminant de sa matrice de covariance est strictement
positif. Pour simplifier, on suppose que (X0 , V0 ) = (0, 0). Le déterminant de
la matrice de covariance est alors donné par dt = at ct − b2t avec les notations
du lemme 26.3. Donc
dt = −2λ(at ct − b2t ) + σ 2 at = −2λdt + σ 2 at .

26.2 Processus de Langevin confiné 347

Fig. 26.1. Évolution des vecteurs moyenne (xt , vt ) (en haut) et covariance (at , bt , ct )
(en bas) pour σ = 1, λ = 1 et μ = 10.
Comme d0 = a0 = 0, la dérivée de t → dt est nulle en 0. En itérant, on obtient
dt = −2λdt + 2σ 2 bt
= −2λdt + 2σ 2 (−μat − λbt + ct )
(3)
dt
(4) (3)
dt = −2λdt + 2σ 2 (λμat + (λ2 − 4μ)bt − 3λct ) + 2σ 4 .
En particulier, les trois premières dérivées de t → dt sont nulles en 0 et

(4)
d0 = 2σ 4 . Donc le déterminant devient strictement positif pour t > 0 s’il est
nul à l’instant initial.
Remarque 26.6 (Hypoellipticité). Dans la preuve du lemme 26.5, on a
2σ 4 4
dt ∼ t .
t∼0 4!
Pour une diffusion sur R2 avec un bruit brownien non dégénéré, le détermi-
nant serait de l’ordre de t2 . Ce décalage est dû au fait que seule la composante
des vitesses est perturbée par un mouvement brownien. Cependant, la struc-
ture subtile du coefficient de dérive dans l’équation du processus de Langevin
confiné assure que ce bruit se propage sur les deux composantes et que la loi
du couple (Xt , Vt ) a une densité dès que t > 0. Il s’agit d’un cas particulier
du phénomène d’hypoellipticité, étudié dans un cadre général par Hörmander
puis par Malliavin notamment.
La figure 26.2 illustre l’apparition de densité lorsque la loi initiale est une
mesure de Dirac sur R2 au travers de l’évolution temporelle du déterminant de
la matrice de covariance. Il converge notamment vers celui de la loi invariante
qui vaut σ 4 /(4λ2 μ).
26.3 Comportement en temps long du processus confiné

Comme pour le processus d’Ornstein-Uhlenbeck, on associe au processus
de Langevin confiné Z = (X, V ) un semi-groupe (Qt )t0 , donné pour t 0,
z ∈ R2 , et f régulière par
Qt f (z) = E(f (Zt )|Z0 = z).
Lemme 26.7 (Générateur infinitésimal). Si f est une fonction de classe C ∞

sur R2 et à support compact, alors pour tout t 0 et z ∈ R2 ,
∂t Qt f (z) = Qt (Af )(z)
où, avec la notation z = (x, v),
σ2
Af (x, v) = v · ∇x f (x, v) − (μx + λv) · ∇v f (x, v) + Δv f (x, v).
2
Démonstration. On applique la formule d’Itô à f avec Z0 = z :
t
f (Zt ) = f (z) + Af (Zs ) ds + Mt ,
0
où (Mt )t0 est une martingale. Ainsi,
Qt f (z) − f (z)
lim = Af (z).
t→0 t
La propriété de Markov fournit la relation à tout temps t 0.
Théorème 26.8 (Loi invariante). La mesure de probabilité gaussienne produit

σ2 σ2
π = N 0, ⊗ N 0,
2λμ 2λ
26.3 Comportement en temps long du processus confiné 349
0.25
0.20
0.15
0.10
0.05
0.00
0 1 2 3 4 5 6

Fig. 26.2. Évolution en fonction du temps du déterminant de la matrice de co-

variance issu de (x0 , v0 , a0 , b0 , c0 ) = (0, 0, 1, 1, 1) (en haut) et (0, 0, 0, 0, 0) (en bas)
lorsque σ = 1, λ = 1 et μ = 10.
est la loi invariante du processus (X, V ). Elle vérifie, pour toute fonction f
de classe C 2 et à support compact,

Af dπ = 0.
Démonstration. Puisque (X, V ) est un processus gaussien, toute loi invariante

est une loi gaussienne. De plus, le point σ 2 /(2λμ)(0, 0, 1, 0, μ) est l’unique
point fixe des équations différentielles du lemme 26.3. On remarque enfin que
σ2
(xt , vt , at , bt , ct ) −−−→ (0, 0, 1, 0, μ)
t→∞ 2λμ
pour toutes conditions initiales finies puisque les parties réelles des valeurs
propres de M et N sont strictement positives.
Remarque 26.9 (Irréversibilité). Contrairement au cas du processus d’Orn-

stein-Uhlenbeck, on peut vérifier que le générateur A du processus n’est pas
auto-adjoint dans L2 (π). En d’autres termes, le semi-groupe (Qt )t0 n’est pas
réversible pour la loi invariante π.
Dans la suite, on cherche à quantifier la convergence de la loi de Xt vers la
loi invariante π lorsque t tend vers +∞ en termes de distance de Wasserstein
ou d’entropie relative comme cela a été fait pour le processus d’Ornstein-
Uhlenbeck dans le chapitre 25.
Grâce à la formule explicite pour la distance W2 entre deux lois gaus-
siennes donnée dans la section 25.5 (version multivariée de celle du théorème
25.14), on peut estimer la distance de Wasserstein entre la loi de (Xt , Vt ) et
la loi invariante lorsque la loi initiale est gaussienne. La figure 26.3 représente
l’évolution de l’entropie relative et du carré de la distance de Wasserstein de
la loi au temps t par rapport à la loi invariante π. La figure 26.3 suggère que
l’entropie relative de la loi au temps t par rapport à la loi invariante décroît
par paliers. Contrairement à l’entropie relative, la distance W2 n’est pas du
tout une fonction décroissante du temps !
Théorème 26.10 (Décroissance de l’entropie). Si πt est la loi de (Xt , Vt ) et
ht est sa densité par rapport à la mesure π, alors
2
d |∇v ht |
Ent(πt |π) = − dπ.
dt ht
Démonstration. √ Pour alléger les calculs, on suppose sans perte de généralité
que σ est égal à 2. En vertu du lemme 26.5, la loi πt de (Xt , Vt ) admet une
densité ut par rapport à la mesure de Lebesgue. Elle est solution de l’équation
aux dérivées partielles suivante (équation de Fokker-Planck cinétique)
∂t ut + v · ∇x ut − μx · ∇v ut = Δv ut + ∇v · (λvut ),
50
45
40
35
30
25
20
15
10
0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0
150
100
50
0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0
Fig. 26.3. Évolutions comparées de l’entropie relative et de la distance de Wasser-

stein d’ordre 2 entre la loi au temps t et la loi invariante, σ = 1, λ = 1, μ = 10,
(x0 , v0 , a0 , b0 , c0 ) = (1, 0, 0, 0, 0) (en haut) et μ = 60 (en bas).
qui peut s’obtenir à partir du générateur infinitésimal (lemme 26.7) en ef-

fectuant une intégration par parties. La structure de cette équation est inté-
ressante : le membre de gauche est conservatif et décrit les trajectoires d’un
système dynamique dans R2 associé à l’hamiltonien
2 2
|x| |v|
(x, v) → μ +λ ,
2 2
tandis que le membre de droite est dissipatif mais n’agit que sur la variable
de vitesse. Notons ht (x, v) = ut (x, v)/π(x, v) où π(x, v) désigne par abus
de notation la densité de la loi invariante π au point (x, v) donnée par le
théorème 26.8. On vérifie que la fonction h est alors solution de l’équation
aux dérivées partielles (ÉDP) suivante :
∂t ht + v · ∇x ht − μx · ∇v ht = Δv ht − λv · ∇v ht .
La variation d’entropie relative est donnée par

d d
Ent(πt |π) = ht log(ht )dπ = ∂t ht (1 + log(ht )) dπ.
dt dt
L’expression de π du théorème 26.8 et les intégrations par parties (IPP)

− (v · ∇x ht )(1 + log(ht )) dπ = − v · ∇x (ht log(ht )) dπ

IPP
= −λμ (x · v)ht log(ht ) dπ

(μx · ∇v ht )(1 + log(ht )) dπ = μx · ∇v (ht log(ht )) dπ

IPP
= λμ (x · v)ht log(ht )dπ

IPP ∇ v ht · ∇ v ht
(Δv ht )(1 + log(ht )) dπ = − dπ
h
t
+ λ (1 + log(ht ))∇v ht · v dπ
fournissent le résultat annoncé.

L’obtention de bornes explicites pour la convergence exponentielle de
l’entropie relative demande beaucoup plus de travail que pour le processus
d’Ornstein-Uhlenbeck étudié au chapitre 25. Il est plus facile d’obtenir un ré-
sultat de convergence pour la distance de Wasserstein d’ordre 2 même si cette
quantité n’est pas une fonction décroissante du temps.
Théorème 26.11 (Convergence en distance de Wasserstein). Soit ν0 et ν0
deux mesures de probabilité sur R2 possédant un moment d’ordre 2 fini. Notons
νt (respectivement νt ) la loi de Zt lorsque Z0 suit la loi ν0 (respectivement ν0 ).
Alors il existe des constantes c et d telles que
W2 (νt , νt ) (c + dt)e−ρt W2 (ν0 , ν0 ),
avec ⎧
⎨ρ = λ − λ − 4μ
⎪ √
2
et d=0 si λ > 2 μ,
2
⎪
⎩ρ = λ √
si λ 2 μ.
2
Démonstration. On procède par couplage. Soit (Z0 , Z0 ) un couplage des lois
ν0 et ν0 indépendant du mouvement brownien (Bt )t0 . Notons
Z := (Xt , Vt )t0 et Z := (Xt , Vt )t0
les processus de Langevin confinés issus respectivement de Z0 et Z0 , et dirigés

par le même mouvement brownien (Bt )t0 . Notons
zt := Zt − Zt .
Par linéarité de l’équation différentielle stochastique, la fonction t → zt dé-

pend de (Z0 , Z0 ) mais pas de (Bt )t0 . En effet, elle est solution de l’équation
différentielle
⎧
⎨d
zt = M z t 0 1
dt avec M = .
⎩z = Z − Z −μ −λ
0 0 0
Ainsi, zt = etM z0 . Les valeurs propres de la matrice M sont données par :

λ ± λ2 − 4μ √ λ 4μ − λ2 √
− si λ 2 μ et − ± i si λ < 2 μ.
2 2 2
Une décomposition de Dunford de M assure qu’il existe deux constantes c et
d telles que, pour tout t 0
|zt | (c + dt)e−ρt |z0 |
où −ρ est la plus grande partie réelle des valeurs propres de M . En particulier,

W2 (νt , νt )2 E |Zt − Zt | (c + dt)2 e−2ρt E |Z0 − Z0 | .
2 2
On conclut en considérant l’infimum sur tous les couplages de ν0 et ν0 :
E(|Z0 − Z0 | ) =: W2 (ν0 , ν0 ).

2
inf
(Z0 ,Z0 )
Z0 ∼ν0
Z0 ∼ν0

En 1828, un botaniste du nom de Robert Brown 2 rend compte de ses ob-
servations : une particule de pollen, observable au microscope, plongée dans
l’eau, contient des grains animés de mouvements aussi rapides qu’irréguliers.
La thèse qui s’est imposée au fil du temps est la suivante : le mouvement
serait lié aux chocs de la particule de pollen avec les molécules d’eau. Les tra-
vaux de Albert Einstein, en 1905, sont souvent présentés comme les premiers
pas mathématiques vers ce qui va devenir la théorie du mouvement brownien,
développée notamment par Norbert Wiener 3 et par Paul Lévy. Cependant,
un peu avant les travaux d’Einstein, et dans un tout autre contexte, Louis
Bachelier avait déjà obtenu, en 1900, la loi du mouvement brownien dans sa
thèse intitulée «Théorie de la spéculation», qui n’a eu que peu d’impact à
l’époque. Citons également les travaux de Marian Smoluchowski, contempo-
rains de ceux d’Einstein. Le modèle étudié dans ce chapitre a été introduit
par Paul Langevin et perfectionné par Leonard Ornstein et George Uhlen-
beck dans les années 1930. On trouvera dans l’ouvrage de Edward Nelson
[Nel67] la modélisation du début du chapitre, des perspectives historiques et
des prolongements mathématiques.
On peut généraliser le processus de Langevin, en sortant du monde confor-
table des processus gaussiens, en considérant la solution de l’équation diffé-
rentielle stochastique suivante :

dXt = Vt dt
dVt = −λVt dt − ∇U (Xt )dt + σdBt ,
où la fonction U joue le rôle d’un potentiel de confinement (penser à une fonc-

tion convexe). Dans ce cas, la loi invariante s’écrit comme le produit de deux
mesures sur les espaces de position et de vitesse. Lorsque le mouvement brow-
nien agit sur toutes les coordonnées, on parle de processus de diffusion non
dégénéré, l’équation aux dérivées partielles de Kolmogorov décrivant l’évolu-
tion de la loi du processus au temps t est dite elliptique et admet une solution
de classe C ∞ . Cependant, beaucoup d’équations d’évolution, comme les équa-
tions cinétiques décrivant la vitesse et la position d’une particule, sortent de
ce cadre. Lars Hörmander dans [Hör67] classifie les diffusions dégénérées dont
la loi au temps t est absolument continue de densité régulière.
Les résultats précis de convergence à l’équilibre pour ces processus sont
assez récents. L’article de Denis Talay [Tal02] fournit des estimations pour la
convergence de la densité de la loi au temps vers la densité de la loi invariante
dans des espaces Lp à poids. Les travaux de Cédric Villani [Vil06, Vil09]
proposent une autre approche via les inégalités fonctionnelles (inégalité de
Poincaré, inégalité de Sobolev logarithmique) et la théorie de Lars Hörmander
sur l’hypoellipticité.
2. Resté dans l’histoire pour cette découverte (anecdotique dans son œuvre).
3. On parle d’ailleurs également de processus de Wiener.
La décroissance au cours du temps de l’entropie relative par rapport à la loi

invariante (théorème 26.10) a lieu en général pour les modèles markoviens, et
peut devenir très difficile à établir au-delà de ce cadre. Pour la célèbre équation
de Ludwig Boltzmann qui régit l’évolution de la densité d’un gaz de particules
en interaction, cette décroissance est connue sous le nom de Théorème-H, et
constitue encore aujourd’hui un objet d’étude en physique mathématique. On
pourra lire à ce sujet l’article de vulgarisation de Villani [Vil08].
27
Des chaînes de Markov aux processus de
diffusion
Mots-clés. Convergence de processus ; approximation par une diffusion ;

schéma d’Euler.
Outils. Martingale ; temps d’arrêt ; chaîne d’Ehrenfest ; chaîne de Wright-
Fisher ; file d’attente M/M/∞ ; processus de Yule ; processus d’Ornstein-
Uhlenbeck ; mouvement brownien.
Difficulté. ***
Les résultats de convergence de processus sont très utiles et assez intuitifs

mais demandent un arsenal mathématique important qui dépasse le cadre
de ce livre. Ce chapitre présente un petit panorama, pour ne pas dire un
catalogue, des liens, résumées par le graphique 27.1, entre processus à espace
discret ou continu et à temps discret ou temps continu. Certains résultats ne
sont que partiellement démontrés ou même seulement énoncés mais la dernière
section renvoie à des ouvrages proposant d’aller plus loin.
27.1 Paresse et échantillonnage

Soit P une matrice de transition sur un espace d’états fini E et I la matrice
identité sur E. Pour tout N 1,

1 1 P−I
PN = 1 − I+ P=I+
N N N
est une matrice de transition. La chaîne (XnN )n∈N associée à PN reste en

un état i ∈ E pendant un temps aléatoire de loi géométrique de paramètre
(1 − P(i, i))/N puis, si cette probabilité n’est pas nulle, saute sur E\{i} avec
la mesure de probabilité proportionnelle à (PN (i, j))j∈E\{i} . On dit que X N
pour N 2 est une chaîne paresseuse associée à P. Une chaîne de ce type est
étudiée dans le chapitre 9 consacré au modèle d’Ehrenfest.

358 27 Des chaînes de Markov aux processus de diffusion
échantillonnage
Espace continu Espace discret

temps discret Section 27.1 temps continu
paresse
lim
es
ite
uid
d
sfl
iffu
Théorème 27.3 Section 27.7
file
siv
Section 27.4 Espace continu

e
Exemple 27.8 temps continu

schéma d’Euler
Section 27.6
Espace continu
temps discret
Fig. 27.1. Diverses connexions entre processus à espace et temps discrets ou conti-
nus présentées dans ce chapitre.
Posons YtN = X N t pour t ∈ R+ . La suite de processus (Y N )N 1 converge

vers le processus de Markov à temps continu (Yt )t0 sur E de générateur
A = P − I et de semi-groupe (Pt )t0 . La convergence pour un temps donné t
s’écrit simplement :
N t
tA N t A
Pt = e = lim PN = lim I+ .
N →∞ N →∞ N
La propriété de Markov permet d’étendre cela à toutes les lois marginales.

Réciproquement, si (Yt )t∈R+ est une chaîne de Markov à temps continu
sur E de générateur A alors
(Ynδ )n∈N = (Yδn )n∈N
est une chaîne de Markov à temps discret sur E de matrice de transition eδA ,
appelée chaîne échantillonnée.
27.2 Convergence d’une chaîne vers une diffusion 359
Les processus de Markov (Xn1 )n∈N , (Yt )t∈R+ et (Ynδ )n∈N sont très liés :
les propriétés de récurrence et transience coïncident et ces processus ont les
mêmes lois invariantes. Cependant même si la chaîne (Xn1 )n∈N est périodique,
ce n’est pas le cas pour (Yt )t∈R+ et (Ytδ )t∈R+ . En effet, on montre facilement
s’il existe n ∈ N tel que Px0 (Xn1 = x) > 0 alors Px0 (Yt = x) > 0 pour tout
t ∈ R+ et Px0 (Ymδ = x) > 0 pour tout m ∈ N.
Remarque 27.1 (Bernoulli vers Poisson). Un processus de Bernoulli rendu
de plus en plus paresseux convenablement renormalisé en temps converge vers
un processus de Poisson. Ceci permet notamment de retrouver la loi des petits
nombres déjà croisée au chapitre 1.
Remarque 27.2 (Généalogie et paresse). Dans le chapitre 13, la chaîne à
temps discret décrivant le nombre de générations à remonter pour trouver
l’ancêtre commun le plus récent dans une population de taille N converge,
quand N → ∞, vers un processus de mort pur à temps continu de manière
semblable à la convergence des chaînes paresseuses.
27.2 Convergence d’une chaîne vers une diffusion

L’objet de cette section est d’énoncer un théorème assurant la convergence
en loi d’une suite de chaînes de Markov convenablement renormalisées en
temps et en espace vers un processus de diffusion dont les coefficients de
diffusion et de dérive sont explicites.
Théorème 27.3 (Approximation diffusive). Soit (PN )N 1 une suite de
noyaux de transition sur R et posons

bN (x) = N (y − x)PN (x, dy)
|y−x|1
et
aN (x) = N (y − x)2 PN (x, dy).
|y−x|1
Supposons qu’il existe deux fonctions a et b à valeurs dans ]0, +∞[ et R res-
pectivement, bornées et de classe C 1 , et telles que pour tous r > 0 et ε > 0,
lim sup |bN (x) − b(x)| = 0, et lim sup |aN (x) − a(x)| = 0
N →∞ |x|r N →∞ |x|r
et
lim sup N PN (x, [x − ε, x + ε]) = 0.
N →∞ |x|r
Soit (YnN )n∈N la chaîne de Markov de noyau de transition PN et (ZtN )t∈R+

le processus défini par ZtN = Y NN t . Si (Y0N )N 1 converge en loi vers ν alors,
pour tout T > 0,
loi
(ZtN )t∈[0,T ] −→ (Xt )t∈[0,T ]
N →∞
où (Xt )t∈[0,T ] est un processus de diffusion de loi initiale ν et de générateur A

donné par
1
Af (x) = a(x)f (x) + b(x)f (x),
2
pour toute fonction f de classe C 2 à support compact.
Idée de preuve. Le semi-groupe (Pt )t∈R+ associé au générateur infinitésimal

A vérifie, pour toute fonction f de R dans R et classe C 2 à support compact
et tout t ∈ R+ ,
t
Pt f = f + Ps Af ds.
0
Pour tout N 1, notons AN = PN − I. Soit t > 0. Alors
(N −1)t (N −1)t
N t
1
PN f =f+ PiN AN f = f + PiN (N AN )f
i=0
N i=0
(N −1)t (i+1)/N

=f+ PiN (N AN )f ds.
i=0 i/N
On obtient ainsi que, pour tout t ∈ R+ ,

t
N t N s
PN f =f+ PN (N AN )f ds.
0
N t
Ainsi, la famille de mesures de probabilité (PN )t∈R+ est-elle liée à N AN
comme (Pt )t∈R+ l’est à A. De plus, si f est de classe C 2 à support compact,

N AN f (x) = N (f (y) − f (x))PN (x, dy)
1
= bN (x)f (x) + aN (x)f (x) + O(N PN (x, [x − 1, x + 1])).
2
Les hypothèses du théorème assurent que N AN f converge vers Af . Reste à
en déduire la convergence en loi des processus associés. Cette étape dépasse
le cadre de cet ouvrage. On trouvera dans la section 27.7 des références pour
la preuve complète de ce résultat.
Remarque 27.4 (Rien n’est simple). En pratique, la chaîne de Markov Y N

est en général à valeurs dans un sous-ensemble IN discret et souvent fini de
R. Ainsi, son noyau de transition PN n’est-il pas défini sur tout R. Il faut
alors étendre sa définition à l’extérieur de IN de manière un peu artificielle.
27.2 Convergence d’une chaîne vers une diffusion 361
Exemple 27.5 (Marche aléatoire et mouvement brownien). Soit S N la

marche aléatoire sur Z définie par

n
SnN = εi
i=1
i )i1 est une suite de v.a. i.i.d. de loi pN δ1 + (1 − pN )δ−1 . Dans ce cas,
où (εN
√
— si pN = 1/2 alors (S NN · / N ) converge en loi vers le mouvement
N 1
brownien issu de 0 ;
— si pN = p = 1/2 alors (S N · /N )N 1 converge en loi vers le processus
déterministe t → (2p√− 1)t ;
— si pN = 1/2 + α/(2 N ) alors (S N · /N )N 1 converge en loi vers le
mouvement brownien avec dérive α issu de 0.
Le premier cas de l’exemple ci-dessous est une instance du théorème de
Donsker, analogue du théorème limite central pour les lois de processus.
Théorème 27.6 (Principe d’invariance de Donsker). Soit (Yn )n1 une suite
de variables aléatoires i.i.d. centrées et de variance 1. Notons
⎛ ⎞
1 N t
XtN = √ ⎝ Yk − (N t − N t)Y N t+1 ⎠.
N k=1
La suite de processus (X N )N 1 converge en loi vers le mouvement brownien.

Remarque 27.7 (Interpolation linéaire). Dans l’énoncé du théorème de
Donsker, les trajectoires de X N sont construites par interpolation linéaire
entre les points d’abscisses multiples de 1/N . Cette précaution permet de
considérer la convergence de (XtN )0tT comme une variable aléatoire à va-
leurs dans C([0, T ]) muni de la norme infinie et de la tribu borélienne.
Exemple 27.8 (Chaîne d’Ehrenfest et processus d’Ornstein-Uhlenbeck).
Pour N 1, soit Z N la chaîne d’Ehrenfest (voir chapitre 9) à valeurs dans
{0, . . . , N } dont la matrice de transition est donnée par
⎧
⎪
⎨i/N si j = i − 1,
P(Z1 = j|Z0 = i) = 1 − i/N si j = i + 1,
N N
⎪
⎩
0 sinon.
On définit la chaîne (YnN )n0 à valeurs dans

! √ √ "
EN = −(1/2) N + k/ N : 0 k N
en posant
√ ZnN 1
YnN = N − .
N 2
Son noyau de transition est donné par

1 x 1 x
PN (x, ·) = +√ δ √ (·) + −√ δ √ (·),
2 N x−1/ N 2 N x+1/ N
pour x ∈ EN . Après avoir étendu PN raisonnablement sur R, on obtient
3 43 4 3 43 4
1 x 1 1 x 1
bN (x) = N +√ x− √ + −√ x+ √ − x = −2x.
2 N N 2 N N
De même, aN (x) = 1. L’hypothèse de concentration du noyau PN (x, ·)
est clairement satisfaite puisque son support converge vers {x}. Ainsi, si
(Y0N )N 1 converge en loi vers ν, alors la suite de processus (Y NN · )
N 1
converge en loi vers le processus d’Ornstein-Uhlenbeck de loi initiale ν so-
lution de l’équation différentielle stochastique
dXt = dBt − 2Xt dt.
27.3 Diffusion sur un intervalle

Avant de détailler de nouveaux exemples importants, nous rassemblons
dans cette section des résultats classiques sur les processus de diffusion à
valeurs dans R. Considérons le processus (Xt )t0 solution de l’équation diffé-
rentielle stochastique
dXt = σ(Xt ) dBt + b(Xt ) dt,
où σ et b sont des fonctions régulières sur l’intervalle I = ]l, r[ à valeurs dans
]0, ∞[ et R respectivement. Le générateur infinitésimal de X est l’opérateur
agissant sur les fonctions f de classe C 2 sur I donné par
1 2
Lf (x) = σ (x)f (x) + b(x)f (x).
2
Soit c ∈ I. Introduisons
— la fonction d’échelle p :
x y
b(z) dz
p(x) = exp −2 dy,
c c σ 2 (z)
— la mesure de vitesse m est définie par

x
2 2 b(z) dz
m(dx) = 1I (x) dx = 1 I (x) exp 2 dx,
p (x)σ 2 (x) σ 2 (x) c σ 2 (z)
— et pour l < a < b < r la fonction sur ]a, b[,
x
p(x) − p(a) b
Ma,b (x) = − (p(x)−p(y))m(dy)+ (p(b)−p(y))m(dy).
a p(b) − p(a) a
27.3 Diffusion sur un intervalle 363
Les fonctions p et Ma,b vérifient les relations cruciales suivantes :

⎧ ⎧
⎪
⎨Lp(x) = 0 pour x ∈ I, ⎪
⎨LMa,b (x) = −1 pour x ∈ ]a, b[,
p(c) = 0, et Ma,b (a) = 0,
⎪
⎩ ⎪
⎩
p (c) = 1, Ma,b (b) = 0.
Théorème 27.9 (Sortie d’un intervalle). Soit l < a < b < r et
Ta,b = inf {t 0 : Xt ∈
/ [a, b]}
le temps de sortie de l’intervalle [a, b] pour X. Alors

p(b) − p(x)
Px XTa,b = a = 1 − Px XTa,b = b = ,
p(b) − p(a)
et
Ex (Ta,b ) = Ma,b (x).
Remarque 27.10 (Mouvement brownien). Ce résultat généralise le cas bien
connu du mouvement brownien pour lequel la probabilité de sortir de l’inter-
valle [a, b] en a partant de x vaut (b − x)/(b − a).
Démonstration. La fonction p est croissante par définition. Ceci assure que,
pour a < y < b, les fonctions
x
p(x) − p(y) p(x) − p(y)
x ∈ [y, b] → et x ∈ [a, b] → m(dy)
p(x) − p(a) a p(x) − p(a)
sont croissantes. En conséquence, la fonction Ma,b est positive sur [a, b]. Po-
sons, pour n ∈ N∗ ,
t
τn = inf t 0 ; σ (Xs ) ds n .
2
0
Puisque LMa,b (x) = −1 pour x ∈ ]a, b[, la formule d’Itô pour Ma,b (Xt ) donne
Ma,b (Xt∧τn ∧Ta,b ) = Ma,b (X0 ) − (t ∧ τn ∧ Ta,b )

t∧τn ∧Ta,b

+ Ma,b (Xs )σ(Xs )dBs .
0
Grâce à l’arrêt au temps τn ∧ Ta,b l’intégrale stochastique ci-dessus est une

martingale. En prenant l’espérance avec X0 = x, on obtient grâce à la positi-
vité de Ma,b ,
# $
Ex (t ∧ τn ∧ Ta,b ) = Ma,b (x) − Ex Ma,b (Xt∧τn ∧Ta,b ) Ma,b (x) < ∞.
Il reste à faire tendre n puis t vers +∞ pour obtenir, par convergence mono-
tone, que Ex (Ta,b ) est fini. Le temps Ta,b est donc fini p.s. et, par convergence
dominée, on obtient
# $ # $
lim E Ma,b (Xt∧Ta,b ) = E Ma,b (XTa,b ) = 0,
t→∞
puisque Ma,b est continue bornée sur [a, b] et nulle en a et b. On obtient ainsi
l’expression de Ex (Ta,b ).
De même, la formule d’Itô appliquée à p(Xt ) donne
# $
p(x) = Ex p(XTa,b ) = p(a)Px XTa,b = a + p(b)Px XTa,b = b .

On conclut en utilisant la relation Px XTa,b = a + Px XTa,b = b = 1.
27.4 Application aux processus de Wright-Fisher
Considérons le modèle de Wright-Fisher avec mutations et sélection intro-

duit au chapitre 12. Il s’agit de la chaîne de Markov (XnN )n∈N sur {0, . . . , N }
de transition
N
Loi(Xn+1 |XnN = x) = Bin(N, ηx )
avec
(1 + s)x
ηx = ψx (1 − uA ) + (1 − ψx )uB et ψx = .
(1 + s)x + N − x
Le réel s représente l’avantage sélectif de A sur B et uA est la probabilité de

mutation d’un allèle A vers un allèle B. La proportion d’allèles A dans une
population de taille N à la génération n est
XnN
YnN := .
N
Pour tout t ∈ R+ , posons
ZtN := Y NN t .
Théorème 27.11 (Limite diffusive de Wright-Fisher). Supposons que les taux
de sélection s et de mutation uA et uB (qui dépendent de N ) soient tels que
(N s, N uA , N uB ) −→ (α, βA , βB ).
N →∞
Alors la suite de processus (Z·N )N 1 converge en loi vers le processus de diffu-

sion (Zt )t∈R+ solution de l’équation différentielle stochastique à valeurs dans
[0, 1] suivante :
dZt = σ(Zt ) dBt + b(Zt ) dt,
où
σ 2 (z) = z(1 − z) et b(z) = αz(1 − z) − βA z + βB (1 − z).
27.4 Application aux processus de Wright-Fisher 365
Démonstration. Soit z ∈ EN = {0, 1/N, . . . , 1}. Alors
ηN z = ψN z (1 − uA ) + (1 − ψN z )uB
−βA z + βB (1 − z) + αz(1 − z)
=z+ + O(1/N ).
N
Puisque la loi de N Z1N sachant que Z0N = z est la loi Bin(N, ηN z ), on a
# $
N E Z1N − z|Z0N = z = N (ηN z − z)
= −βA z + βB (1 − z) + αz(1 − z) + O(1/N ).
De même
) 2 *
N E Z1N − z |Z0N = z = ηN z (1 − ηN z )
= z(1 − z) + O(1/N ).
Enfin, grâce à l’inégalité de Markov, on obtient

) 4 *
N E Z1N − z |Z0N = z
N P(Z1N ∈ [z − ε, z + ε]|Z0N = z) .
ε4
Or ) 4 *
N E Z1N − z |Z0N = z = O N −1 ,
car le moment centré d’ordre 4 d’une v.a. X de loi Bin(N, p) est donné par
) *
4
E (X − N p) = (3N p(1 − p) + 1 − 6p(1 − p))N p(1 − p) = O(N 2 ).
Ces estimations sont uniformes en z ∈ EN . Reste à prendre une dernière

précaution. Le coefficient de diffusion σ n’est en effet pas lipschitzien en 0 et
1. Il faut donc utiliser le théorème 27.3 pour des processus arrêtés lorsqu’ils
passent sous ε ou au-dessus de 1−ε pour un certain paramètre ε > 0 petit.
Remarque 27.12 (Échelles de temps). Pour transférer les estimations de
temps d’absorption de la diffusion à la chaîne de Markov, il faudra prendre
garde à les multiplier par N . Les probabilités d’atteinte ou les profils de lois
invariantes sont pour leur part insensibles à ce changement d’échelle temporel.
Exprimons la fonction d’échelle : pour c, x ∈ ]0, 1[

x
S(x) = y −2βB (1 − y)−2βA e2αy dy,
c
et la mesure de vitesse :
m(dx) = 2x2βB −1 (1 − x)2βA −1 e−2αx dx.
On peut alors décliner les exemples en fonction des paramètres du modèle.

Exemple 27.13 (Ni mutation, ni sélection). Si α = βA = βB = 0 alors

la dérive de la diffusion est nulle : la diffusion est une martingale, on a
Px (ZT0,1 = 1) = x, et l’espérance du temps de fixation est donnée par
Ex (T0,1 ) = −2[x log(x) + (1 − x) log(1 − x)].
Ceci est illustré par la figure 27.2.
Espérance du temps de sortie
90
80
70
60
50
40
30
20
10
0 Estimation
Theorie
−10
0 10 20 30 40 50 60
Fig. 27.2. Estimation du temps de fixation pour N = 40 en l’absence de sélection

et de mutation.
Exemple 27.14 (Sélection sans mutation). On choisit α > 0 et βA = βB = 0.

Alors T0,1 est fini p.s. et la probabilité de disparition de l’allèle B vaut
1 − e−2αx
Px (ZT0,1 = 1) = .
1 − e−2α
La figure 27.3 propose une illustration de l’estimation de la probabilité de
fixation de l’allèle A. Si N = 105 , s = 10−4 et x = 0, 5, alors α = 20 et
la probabilité de fixation de l’allèle A vaut environ 0, 999955. Ce faible avan-
tage sélectif s, inobservable en laboratoire ou par des mesures statistiques,
est pourtant suffisant pour avoir un effet déterminant sur la fixation des al-
lèles. Le calcul de l’espérance du temps de fixation est plus délicat. L’équation
différentielle suivante :
27.4 Application aux processus de Wright-Fisher 367
Probabilité de sortir à droite
1.2
1.0
0.8
0.6
0.4
0.2
Estimation
IdC
Theorie
0.0
0 5 10 15 20 25 30
Fig. 27.3. Probabilité de fixation de A pour N = 30 et α = 2.
1
z (x) + 2αz (x) = − , avec z(0) = 0 et z(1) = 0,
x(1 − x)
n’a pas de solution explicite. La figure 27.4 propose une estimation du temps
d’absorption pour N = 30 et α = 10.
Exemple 27.15 (Mutation sans sélection). On suppose ici que α = 0. La
diffusion est solution de

dXt = Xt (1 − Xt ) dBt + (−βA Xt + βB (1 − Xt )) dt.
Cette diffusion reste dans l’intervalle ]0, 1[, c’est-à-dire que T0,1 est infini p.s.
De plus, elle admet pour loi invariante ν la loi Beta(2βB , 2βA ), c’est-à-dire
que
Γ (2βA + 2βB ) 2βB −1
ν(dy) = y (1 − y)2βA −1 dy.
Γ (2βA )Γ (2βB )
En particulier, si Y suit la loi ν,
βB βA βB
E(Y ) = et Var(Y ) = 2
.
βA + βB (βA + βB ) (2(βA + βB ) + 1)
Remarque 27.16 (Modèle multi-allèles). Dans le modèle à k allèles distincts

avec un taux de mutation total θ/2 et des probabilités respectives de mutation
Espérance du temps de sortie
20
Estimation
18 IdC
16
14
12
10
0
0 5 10 15 20 25 30
Fig. 27.4. Espérance du temps de fixation pour N = 30 et α = 10.
(πi )1ik , le processus des proportions des allèles est à valeurs dans le sim-
plexe Δ de Rk , de dimension k − 1, et la densité de sa loi invariante par
rapport à la mesure de Lebesgue sur Δ est
Γ (θ) Γ (θπ1 )−1 Γ (θπ )−1
ν(y1 , . . . , yK ) = y · · · yK K 1Δ (y1 , . . . , yk ).
Γ (θπ1 ) · · · Γ (θπK ) 1
27.5 Fonction de répartition empirique

Soit (Un )n1 une suite de v.a. i.i.d. de loi uniforme sur [0, 1]. La fonction
de répartition empirique F N de U1 , . . . , UN est définie par
1
N
F N (x) = 1{Uk x} pour x ∈ R.
N
k=1
√
Introduisons le processus (HxN )x∈[0,1] défini par HxN = N (F N (x) − x)) pour
x ∈ [0, 1]. La loi forte des grands nombres et le théorème limite central assurent
que, pour tout x ∈ [0, 1],
p.s. loi
F N (x) −→ x et HxN −→ N (0, x(1 − x)).
N →∞ N →∞
27.6 Schéma d’Euler 369
Notons que H0N = H1N = 0. De plus, pour tous 0 y x 1,
Cov(HyN , HxN ) = y(1 − x)
puisque Cov(1{Uk y} , 1{Uk x} ) = y(1 − x). Ce calcul s’étend aisément à la
convergence d’une marginale quelconque (HxN1 , . . . , HxNk ). On obtient alors le
résultat suivant.
Théorème 27.17 (Pont brownien). La suite de processus (H N )N 1 converge
vers le processus gaussien (Mx )x∈[0,1] qui est centré et de covariance
Cov(My , Mx ) = y(1 − x)
pour 0 y x 1. Ce processus est appelé le pont brownien.

Ce résultat de convergence en loi du processus empirique, couplé avec
des propriétés de continuité des normes du supremum et L2 sur un espace
de processus permet de retrouver les théorèmes de Kolmogorov-Smirnov et
Cramér-Von Mises.
Corollaire 27.18 (Kolmogorov-Smirnov et Cramér-Von Mises).
1 1
loi loi
sup HxN −→ sup |Mx | et (HxN )2 dx −→ Mx2 dx.
x∈[0,1] N →∞ x∈[0,1] 0 N →∞ 0
Les propriétés remarquables du mouvement brownien permettent de déter-

miner les lois des variables aléatoires intervenant dans le corollaire ci-dessus.
Remarque 27.19 (Définitions alternatives). Le pont brownien peut être dé-
fini de plusieurs autres façons :
— le mouvement brownien standard sur l’intervalle de temps [0, 1] condi-
tionné à être nul aux instants 0 et 1 ;
— le processus (Mt )t∈[0,1] donné par Mt = Bt − tB1 où (Bt )t0 est un
mouvement brownien standard ;
— la solution de l’équation différentielle stochastique inhomogène
Mt
dMt = dBt − dt.
1−t
La dernière formulation, contrairement à la deuxième, montre que le pont
brownien est un processus de Markov.
27.6 Schéma d’Euler

Considérons le processus de diffusion (Xt )t≥0 solution de l’équation diffé-
rentielle stochastique suivante :
dXt = σ(Xt ) dBt + b(Xt )dt.

Sauf cas particulier, cette équation n’admet pas de solution explicite. On

cherche donc à l’approcher par une chaîne de Markov facile à simuler. L’idée
la plus simple, et la plus robuste en pratique, est de procéder comme pour les
équations différentielles ordinaires en introduisant le schéma d’Euler associé
à une discrétisation du temps. Soit α > 0, le schéma d’Euler de pas α est la
chaîne de Markov (Ynα )n0 à valeurs dans R associée au noyau

σ(x)2
Pα (x, ·) = N x + αb(x), α .
2
On peut l’étendre à un processus de diffusion (Xtα )t∈R+ dont les coefficients

sont constants entre des temps multiples de α : pour t ∈ [αn, α(n + 1)[,
t t
Xtα = Xnαα
+ α
b(Xnα ) ds + α
σ(Xnα )dBs
nα tα
α
= Xnα + (t − nα)b(Xnα
α α
) + σ(Xnα )(Bt − Bnα ).
On a alors Ynα = Xnα

α
pour tout n ∈ N.
Théorème 27.20 (Erreur faible). Si les coefficients b et σ sont des fonctions
de classe C 4 à dérivées bornées, alors, pour toute fonction f mesurable bornée
et tout t > 0, il existe C > 0 tel que
|Ex f (Xt ) − Ex f (Xtα )| Cα.
Démonstration. Esquissons ici une idée de la preuve. Notons (Pt )t0 le semi-
groupe associé à (Xt )t0 et L son générateur infinitésimal. On écrit

n
Pnα f − Pαn f = α (Pα − Pα )Pα(n−k) f.
Pk−1
k=1
Or les développements limités des deux noyaux de probabilité Pα et Pα coïn-

cident jusqu’à l’ordre 2. En effet, puisque ∂t Pt = LPt ,
Pα g(x) = g(x) + αLg(x) + O(α2 )

√
Soit Y de loi N (0, 1). En posant δ(x) = ασ(x)Y + αb(x), on a
√
Pα g(x) = Eg(x + αb(x) + ασ(x)Y )

δ(x)2 δ(x)3
= E g(x) + δ(x)g (x) + g (x) + g (x) + O(δ(x) )
3
2 6
= g(x) + αLg(x) + O(α2 )
puisque les moments d’ordres 1 et 3 de Y sont nuls. L’erreur entre diffusion

et schéma d’Euler sur un pas de temps α est donc de l’ordre de α2 . Au bout
de n itérations, l’erreur sera donc d’ordre α (puisque αn est de l’ordre de
t). Reste une difficulté de taille : montrer que l’on contrôle les dérivées de
Pα(n−k) f pour que le développement limité ci-dessus soit valide. Ceci découle
de propriétés de régularité de la solution de l’équation aux dérivées partielles
parabolique ∂t u = Lu.
Il est également possible de contrôler l’écart trajectoriel entre les processus
X et X α supposés être construits avec le même mouvement brownien.
Théorème 27.21 (Erreur forte). S’il existe C > 0 tel que pour tous x, y ∈ R,
|b(x) − b(y)| + |σ(x) − σ(y)| C|x − y|,
alors, pour tout p 1 et tout T > 0, il existe Kp (T ) tel que

p
E sup |Xt − Xtα | Kp (T )αp/2 .
0tT
La démonstration de ce résultat est technique mais assez directe. Elle

repose essentiellement sur la formule d’Itô, le lemme de Grönwall et l’inégalité
de Burkholder-Davis-Gundy.

De nombreux ouvrages sont consacrés au calcul stochastique et aux pro-
cessus de diffusion. On trouvera notamment dans le livre d’Iosif Gikhman
et Anatoliy Skorokhod [GS72] l’étude des diffusions sur un intervalle de R
et leurs comportements aux bords du domaine. Les différentes variantes et
subtilités des résultats de convergence de processus sont rassemblées dans le
livre [EK86] de Stewart Ethier et Thomas Kurtz. La section 7.4 de cet ou-
vrage très dense concerne notamment l’approximation diffusive et propose une
démonstration du théorème 27.3.
Citons encore deux exemples classiques de convergence pour des processus
de Markov à temps continu et espaces d’états discrets vers une diffusion.
Pour N ∈ N∗ , soit Z N λ,μ la file d’attente M/M/∞, étudiée dans le cha-
pitre 11, de taux d’arrivée N λ et de taux de service μ. Pour tous N 1 et
t 0, posons

√ Z N λ,μ
λ √
XtN = N t
− avec Z0N λ,μ = N λ/μ + N x.
N μ
La suite (X NN · ) converge en loi vers le processus d’Ornstein-Uhlenbeck

N 1
solution de √
dXt = 2λ dBt − μXt dt avec X0 = x,
Cette approximation d’une file d’attente par une diffusion est très utilisée en
pratique. On nomme ce modèle une file fluide. On pourra consulter à ce propos
le livre de Philippe Robert [Rob00].
De même, soit une suite (Y N )N 1 de processus de naissance et mort de

taux respectifs (λN n)n∈N et (μN n)n∈N . On suppose que
N (λN − μN ) = b + O(1/N ) et λN + μN = 2a + O(1/N ).
Alors la suite de processus (Y NN · /N ) converge vers la diffusion X solution

N 1
de l’équation différentielle suivante :

dXt = 2aXt dBt + bXt dt.
Les schémas d’Euler associés à des processus de diffusion ont été très lar-
gement étudiés. Citons les ouvrages de synthèse de Peter Kloeden et Eckhard
Platen [KP95], Nicolas Bouleau et Dominique Lépingle [BL94] pour la preuve
du théorème 27.21. Ajoutons également le livre de Carl Graham et Denis Talay
[GT13]. Il est possible d’améliorer le théorème 27.20 en obtenant un dévelop-
pement limité de l’erreur faible en puissances de α. Ceci permet d’accélérer la
convergence : en combinant des schémas de pas 2α et α on obtient une erreur
de l’ordre de α2 ! Cette méthode, appelée extrapolation de Romberg, est éga-
lement utilisée en analyse numérique des équations différentielles ordinaires.
Les deux travaux fondateurs dans cette direction sont dus à Denis Talay et
Luciano Tubaro [TT90], qui supposent que la fonction test est très régulière,
puis à Vlad Bally et Denis Talay [BT95] qui, grâce au calcul de Malliavin, ob-
tiennent le résultat pour des fonctions mesurables bornées si les coefficients σ
et b sont réguliers. La contribution de Denis Talay [Tal96] propose également
une synthèse sur les estimations de l’erreur faible.
Suggestions bibliographiques
Ce bref chapitre fournit quelques suggestions de lecture, nécessairement in-

complètes et subjectives, concernant les probabilités de niveau master. Parmi
les ouvrages les plus accessibles, on peut citer notamment le livre classique
et incontournable de William Feller [Fel68, Fel71], celui plus récent d’Alan
Gut [Gut13], ainsi que les livres de Philippe Barbe et Michel Ledoux [BL98],
Jean Jacod et Philip Protter [JP02, JP03], Daniel Revuz [Rev97], Vivek Bor-
kar [Bor95], Paul Toulouse [Tou99], David Williams [Wil91], Rick Durrett
[Dur10a], Pierre Brémaud [Bré99], et Albert Shiryaev [Shi96]. Signalons enfin
le traité monumental de Claude Dellacherie et Paul-André Meyer [DM80].
Les martingales à temps discret constituent le sujet principal des livres de
Jacques Neveu [Nev72, Nev75], Peter Hall et Christopher Heyde [HH80] ou
encore David Williams [Wil91].
Les chaînes de Markov à temps et espace discrets constituent le sujet prin-
cipal des livres de Paoli Baldi, Laurent Mazliak, et Pierre Priouret [BMP08],
Olle Häggström [Häg02], et David Levin, Yuval Peres, et Elizabeth Wilmer
[LPW09]. Celui de James Norris [Nor98b] aborde également les processus de
Markov à temps continu et espace d’états dénombrable ainsi que les mar-
tingales. Citons aussi les ouvrages de Michel Benaïm et Nicole El Karoui
[BEK05], Jean-François Delmas et Benjamin Jourdain [DJ06], Étienne Par-
doux [Par07], et Thierry Bodineau [Bod14] qui présentent également des ap-
plications importantes ou classiques (physique, biologie, mathématiques fi-
nancières, etc). Dans cette veine, avec également un pont vers l’épreuve de
modélisation de l’agrégation de mathématiques, on pourra consulter [BC07].
L’ouvrage de Christiane Cocozza-Thivent [CT97] présente des applications
des probabilités à la fiabilité. La théorie des valeurs extrêmes est abordée par
exemple dans le livre de Paul Embrechts, Claudia Klüppelberg, et Thomas
Mikosch [EKM97], tandis que la théorie des principes de grandes déviations
est abordée par exemple dans le livre de Amir Dembo et Ofer Zeitouni [DZ10].
Le calcul stochastique est abordé par exemple dans les livres de Jean-
François Le Gall [LG13], Bert Øksendal [Øks03], Daniel Revuz et Marc Yor
[RY99], Kai Lai Chung et David Williams [CW14], David Williams et Chris

Mathématiques et Applications 78, DOI 10.1007/978-3-662-49768-5
374 28 Suggestions bibliographiques
Rogers [RW00], et Ioannis Karatzas et Steven Shreve [KS91]. Citons enfin

le livre de Carl Graham et Denis Talay [GT13] qui présente également des
résultats d’approximation des diffusions par les schémas d’Euler.
Littérature
AB99. R. Albert et A.-L. Barabási – « Emergence of scaling in random

networks », Science (1999), no. 286, p. 509–512. 212
AB02. — , « Statistical mechanics of complex networks », Rev. Modern Phys.
74 (2002), no. 1, p. 47–97. 212
ABC+ 00. C. Ané, S. Blachère, D. Chafaï, P. Fougères, I. Gentil, F. Mal-
rieu, C. Roberto et G. Scheffer – Sur les inégalités de Sobolev
logarithmiques, Panoramas et Synthèses [Panoramas and Syntheses],
vol. 10, Société Mathématique de France, Paris, 2000, With a preface
by Dominique Bakry and Michel Ledoux. 342
ABR08. L. Addario-Berry et B. A. Reed – « Ballot theorems, old and new »,
Horizons of combinatorics, Bolyai Soc. Math. Stud., vol. 17, Springer,
Berlin, 2008, p. 9–35. 55
ABT03. R. Arratia, A. D. Barbour et S. Tavaré – Logarithmic combinato-
rial structures : a probabilistic approach, EMS Monographs in Mathe-
matics, European Mathematical Society (EMS), Zürich, 2003. 197
ACG+ 99. G. Ausiello, P. Crescenzi, G. Gambosi, V. Kann, A. Marchetti-
Spaccamela et M. Protasi – Complexity and approximation,
Springer-Verlag, Berlin, 1999, Combinatorial optimization problems
and their approximability properties, With 1 CD-ROM (Windows and
UNIX). 276
AF01. D. J. Aldous et J. A. Fill – « Reversible Markov Chains and Random
Walks on Graphs », cours non publié disponible sous forme électronique
sur Internet, 1994-2001. 17, 38
AG13a. A. Asselah et A. Gaudillière – « From logarithmic to subdiffusive
polynomial fluctuations for internal dla and related growth models »,
The Annals of Probability 41 (2013), no. 3A, p. 1115–1159. 91
AG13b. — , « Sublogarithmic fluctuations for internal dla », The Annals of
Probability 41 (2013), no. 3A, p. 1160–1179. 91
AGZ10. G. W. Anderson, A. Guionnet et O. Zeitouni – An introduction to
random matrices, Cambridge Studies in Advanced Mathematics, vol.
118, Cambridge University Press, Cambridge, 2010. 294

376 Littérature
AHU75. A. V. Aho, J. E. Hopcroft et J. D. Ullman – The design and ana-

lysis of computer algorithms, Addison-Wesley Publishing Co., Reading,
Mass.-London-Amsterdam, 1975, Second printing, Addison-Wesley Se-
ries in Computer Science and Information Processing. 276
AK90. D. Aldous et W. B. Krebs – « The “birth-and-assassination” pro-
cess », Statist. Probab. Lett. 10 (1990), no. 5, p. 427–430. 301
Ald85. D. J. Aldous – « Exchangeability and related topics », École d’été de
probabilités de Saint-Flour, XIII—1983, Lecture Notes in Math., vol.
1117, Springer, Berlin, 1985, p. 1–198. 197
Ald91. — , « Threshold limits for cover times », J. Theoret. Probab. 4 (1991),
no. 1, p. 197–211. 16
AN04. K. B. Athreya et P. E. Ney – Branching processes, Dover Publica-
tions Inc., Mineola, NY, 2004, Reprint of the 1972 original [Springer,
New York ; MR0373040]. 54, 241
And87. D. André – « Solution directe du problème résolu par M. Bertrand »,
Comptes Rendus Acad. Sci. Paris 105 (1887), p. 436–437. 37
AS80. D. B. Arnold et M. R. Sleep – « Uniform random generation of
balanced parenthesis strings », ACM Trans. Program. Lang. Syst. 2
(1980), p. 122–128. 68
Asm00. S. Asmussen – Ruin probabilities, Advanced Series on Statistical
Science & Applied Probability, vol. 2, World Scientific Publishing Co.
Inc., River Edge, NJ, 2000. 250
Bak94. D. Bakry – « L’hypercontractivité et son utilisation en théorie des se-
migroupes », Lectures on probability theory (Saint-Flour, 1992), Lec-
ture Notes in Math., vol. 1581, Springer, Berlin, 1994, p. 1–114. 341
Bas95. R. F. Bass – Probabilistic techniques in analysis, Probability and its
Applications (New York), Springer-Verlag, New York, 1995. 323
Bax82. R. J. Baxter – Exactly solved models in statistical mechanics, Acade-
mic Press, Inc. [Harcourt Brace Jovanovich, Publishers], London, 1982.
81
BB03. F. Baccelli et P. Brémaud – Elements of queueing theory, second
éd., Applications of Mathematics (New York), vol. 26, Springer-Verlag,
Berlin, 2003, Palm martingale calculus and stochastic recurrences, Sto-
chastic Modelling and Applied Probability. 153
BC07. B. Bercu et D. Chafaï – Modélisation stochastique et simulation,
cours et applications, Collection Sciences Sup, Dunod, 2007, Mathé-
matiques appliquées/SMAI. 81, 91, 103, 373
BD02. P. J. Brockwell et R. A. Davis – Introduction to time series and
forecasting, second éd., Springer Texts in Statistics, Springer-Verlag,
New York, 2002, With 1 CD-ROM (Windows). 103
BDMT11. V. Bansaye, J.-F. Delmas, L. Marsalle et V. C. Tran – « Limit
theorems for Markov processes indexed by continuous time Galton-
Watson trees », Ann. Appl. Probab. 21 (2011), no. 6, p. 2263–2314.
241
Littérature 377
BÉ85. D. Bakry et M. Émery – « Diffusions hypercontractives », Séminaire

de probabilités, XIX, 1983/84, Lecture Notes in Math., vol. 1123, Sprin-
ger, Berlin, 1985, p. 177–206. 342
BEK05. M. Benaïm et N. El Karoui – Promenade aléatoire : chaînes de
markov et simulations ; martingales et stratégies, Mathématiques ap-
pliquées, Les éd. de l’École polytechnique, 2005. 213, 373
Ber76. C. Berge – Graphs and hypergraphs, revised éd., North-Holland Pu-
blishing Co., Amsterdam-London ; American Elsevier Publishing Co.,
Inc., New York., 1976, Translated from the French by Edward Minieka,
North-Holland Mathematical Library, Vol. 6. 67
Ber06. J. Bertoin – Random fragmentation and coagulation processes, Cam-
bridge Studies in Advanced Mathematics, vol. 102, Cambridge Univer-
sity Press, Cambridge, 2006. 183, 197, 241
Ber09. N. Berestycki – Recent progress in coalescent theory, Ensaios Ma-
temáticos [Mathematical Surveys], vol. 16, Sociedade Brasileira de Ma-
temática, Rio de Janeiro, 2009. 183, 197
BGL14. D. Bakry, I. Gentil et M. Ledoux – Analysis and geometry of
Markov diffusion operators, Grundlehren der Mathematischen Wissen-
schaften [Fundamental Principles of Mathematical Sciences], vol. 348,
Springer, Cham, 2014. 342
Bha97. R. Bhatia – Matrix analysis, Graduate Texts in Mathematics, vol.
169, Springer-Verlag, New York, 1997. 294
BHJ92. A. D. Barbour, L. Holst et S. Janson – Poisson approximation,
Oxford Studies in Probability, vol. 2, The Clarendon Press Oxford
University Press, New York, 1992, Oxford Science Publications. 15
BL94. N. Bouleau et D. Lépingle – Numerical methods for stochastic pro-
cesses, Wiley Series in Probability and Mathematical Statistics : Ap-
plied Probability and Statistics, John Wiley & Sons, Inc., New York,
1994, A Wiley-Interscience Publication. 372
BL98. P. Barbe et M. Ledoux – Probabilités, De la licence à l’agrégation,
Belin, 1998. 373
BMP08. P. Baldi, L. Mazliak et P. Priouret – Martingales et chaînes de
Markov. Théorie élémentaire et exercices corrigés, Hermann, 2008. 373
BMR14. S. Bubeck, E. Mossel et M. Z. Rácz – « On the influence of the
seed graph in the preferential attachment model », arXiv :1401.4849,
2014. 213
Bod14. T. Bodineau – « Promenade aléatoire : chaînes de Markov et martin-
gales », Cours de l’École Polytechnique, Palaiseau, France, 2014. 81,
213, 373
Bol80. B. Bollobás – « A probabilistic proof of an asymptotic formula for
the number of labelled regular graphs », European J. Combin. 1 (1980),
no. 4, p. 311–316. 67
Bol89. E. Bolthausen – « A note on the diffusion of directed polymers in a
random environment », Comm. Math. Phys. 123 (1989), no. 4, p. 529–
534. 263
378 Littérature
Bor95. V. S. Borkar – Probability theory, Universitext, Springer-Verlag, New

York, 1995, An advanced course. 373
Bor08. C. Bordenave – « On the birth-and-assassination process, with an
application to scotching a rumor in a network », Electron. J. Probab.
13 (2008), p. no. 66, 2014–2030. 301, 302
Bor14a. C. Bordenave – « Lecture notes on random graphs and probabilis-
tic combinatorial optimization », Disponible sur la page Internet de
l’auteur, 2014. 67, 227, 276
Bor14b. — , « A short course on random matrices », Disponible sur la page
Internet de l’auteur, 2014. 294
BPPC99. C. Bouzitat, G. Pagès, F. Petit et F. Carrance – En passant par
hasard. . . les probabilités de tous les jours, Vuibert, 1999. 16
BR11. M. Benaïm et O. Raimond – « Self-interacting diffusions IV : Rate
of convergence », Electron. J. Probab. 16 (2011), p. no. 66, 1815–1843.
213
Bré99. P. Brémaud – Markov chains, Texts in Applied Mathematics, vol. 31,
Springer-Verlag, New York, 1999, Gibbs fields, Monte Carlo simulation,
and queues. 373
BRST01. B. Bollobás, O. Riordan, J. Spencer et G. Tusnády – « The de-
gree sequence of a scale-free random graph process », Random Struc-
tures Algorithms 18 (2001), no. 3, p. 279–290. 213
BS10. Z. Bai et J. W. Silverstein – Spectral analysis of large dimensional
random matrices, second éd., Springer Series in Statistics, Springer,
New York, 2010. 294
BSZ11. N. Berestycki, O. Schramm et O. Zeitouni – « Mixing times for
random k-cycles and coalescence-fragmentation chains », Ann. Probab.
39 (2011), no. 5, p. 1815–1843. 67
BT95. V. Bally et D. Talay – « The Euler scheme for stochastic differential
equations : error analysis with Malliavin calculus », Math. Comput. Si-
mulation 38 (1995), no. 1-3, p. 35–41, Probabilités numériques (Paris,
1992). 372
Cap12. M. Capitaine – « Introduction aux grandes matrices aléatoires », Dis-
ponible sur la page Internet de l’auteur, 2012. 294
Cat99. O. Catoni – « Simulated annealing algorithms and Markov chains with
rare transitions », Séminaire de Probabilités, XXXIII, Lecture Notes
in Math., vol. 1709, Springer, Berlin, 1999, p. 69–119. 81
CD04. A. Charpentier et M. Denuit – Mathématiques de l’assurance non-
vie - concepts fondamentaux de théorie du risque, tome 1, Economica,
2004. 250
CDKM14. N. Curien, T. Duquesne, I. Kortchemski et I. Manolescu – « Sca-
ling limits and influence of the seed graph in preferential attachment
trees », prépublication arXiv:1406.1758, 2014. 213
CDM13. D. Chafaï, Y. Doumerc et F. Malrieu – « Processus des restaurants
chinois et loi d’ewens », RMS 123 (2013), no. 3, p. 56–74. 196
Littérature 379
CDPP09. P. Caputo, P. Dai Pra et G. Posta – « Convex entropy decay via the
Bochner-Bakry-Emery approach », Ann. Inst. Henri Poincaré Probab.
Stat. 45 (2009), no. 3, p. 734–753. 153
CF51. K. L. Chung et W. H. J. Fuchs – « On the distribution of values
of sums of random variables », Mem. Amer. Math. Soc. 1951 (1951),
no. 6, p. 12. 37
CH02. P. Carmona et Y. Hu – « On the partition function of a directed
polymer in a Gaussian random environment », Probab. Theory Related
Fields 124 (2002), no. 3, p. 431–457. 263
Cha06. D. Chafaï – « Binomial-Poisson entropic inequalities and the M/M/∞
queue », ESAIM Probab. Stat. 10 (2006), p. 317–339 (electronic). 153
Cha13. — , « Introduction aux matrices aléatoires », Aléatoire, Ed. Éc. Poly-
tech., Palaiseau, 2013, p. 87–122. 294
Clo13. B. Cloez – « Comportement asymptotique de processus avec sauts et
applications pour des modèles avec branchement », Thèse, Université
Paris-Est, 2013. 241
CMP10. D. Chafaï, F. Malrieu et K. Paroux – « On the long time beha-
vior of the TCP window size process », Stochastic Processes and their
Applications 8 (2010), no. 120, p. 1518–1534. 241
CSY03. F. Comets, T. Shiga et N. Yoshida – « Directed polymers in a ran-
dom environment : path localization and strong disorder », Bernoulli
9 (2003), no. 4, p. 705–723. 263
CT97. C. Cocozza-Thivent – Processus stochastiques et fiabilité des sys-
tèmes, Mathématiques et Applications, Springer, 1997. 250, 373
CV06. F. Comets et V. Vargas – « Majorizing multiplicative cascades for di-
rected polymers in random media », ALEA Lat. Am. J. Probab. Math.
Stat. 2 (2006), p. 267–277. 263
CW14. K. L. Chung et R. J. Williams – Introduction to stochastic inte-
gration, second éd., Modern Birkhäuser Classics, Birkhäuser/Springer,
New York, 2014. 373
CY06. F. Comets et N. Yoshida – « Directed polymers in random environ-
ment are diffusive at weak disorder », Ann. Probab. 34 (2006), no. 5,
p. 1746–1770. 263
Dav90. B. Davis – « Reinforced random walk », Probab. Theory Related Fields
84 (1990), no. 2, p. 203–229. 213
DCD83. D. Dacunha-Castelle et M. Duflo – Probabilités et statistiques.
Tome 2, Collection Mathématiques Appliquées pour la Maîtrise. [Col-
lection of Applied Mathematics for the Master’s Degree], Masson, Pa-
ris, 1983, Problèmes à temps mobile. [Movable-time problems]. 102
DCS12.
H. Duminil-Copin et S. Smirnov
√ – « The connective constant of the
honeycomb lattice equals 2 + 2 », Ann. of Math. (2) 175 (2012),
no. 3, p. 1653–1665. 227
Dem05. A. Dembo – « Favorite points, cover times and fractals », Lectures on
probability theory and statistics, Lecture Notes in Math., vol. 1869,
Springer, Berlin, 2005, p. 1–101. 17
380 Littérature
Dev12. L. Devroye – « Simulating size-constrained Galton-Watson trees »,

SIAM J. Comput. 41 (2012), no. 1, p. 1–11. 68
DF91. P. Diaconis et W. Fulton – « A growth model, a game, an alge-
bra, Lagrange inversion, and characteristic classes », Rend. Sem. Mat.
Univ. Politec. Torino 49 (1991), no. 1, p. 95–119 (1993), Commutative
algebra and algebraic geometry, II (Italian) (Turin, 1990). 91
DGR02. V. Dumas, F. Guillemin et P. Robert – « A Markovian analysis
of additive-increase multiplicative-decrease algorithms », Adv. in Appl.
Probab. 34 (2002), no. 1, p. 85–111. 241
DJ06. J.-F. Delmas et B. Jourdain – Modèles aléatoires, Mathématiques &
Applications (Berlin) [Mathematics & Applications], vol. 57, Springer-
Verlag, Berlin, 2006, Applications aux sciences de l’ingénieur et du
vivant. [Applications to engineering and the life sciences]. 54, 102, 170,
183, 373
DLM99. B. Delyon, M. Lavielle et E. Moulines – « Convergence of a sto-
chastic approximation version of the EM algorithm », Ann. Statist. 27
(1999), no. 1, p. 94–128. 112
DLR77. A. P. Dempster, N. M. Laird et D. B. Rubin – « Maximum like-
lihood from incomplete data via the EM algorithm », J. Roy. Statist.
Soc. Ser. B 39 (1977), no. 1, p. 1–38, With discussion. 112
DM47. A. Dvoretzky et T. Motzkin – « A problem of arrangements », Duke
Math. J. 14 (1947), p. 305–313. 54
DM80. C. Dellacherie et P.-A. Meyer – Probabilités et potentiel. Cha-
pitres V à VIII, revised éd., Actualités Scientifiques et Industrielles
[Current Scientific and Industrial Topics], vol. 1385, Hermann, Paris,
1980, Théorie des martingales. [Martingale theory]. 373
DMWZZ04. P. Diaconis, E. Mayer-Wolf, O. Zeitouni et M. P. W. Zerner
– « The Poisson-Dirichlet law is the unique invariant distribution for
uniform split-merge transformations », Ann. Probab. 32 (2004), no. 1B,
p. 915–938. 67
DP13. A. V. Doumas et V. G. Papanicolaou – « Asymptotics of the rising
moments for the coupon collector’s problem », Electron. J. Probab. 18
(2013), p. no. 41, 15. 16
Drm09. M. Drmota – Random trees, SpringerWienNewYork, Vienna, 2009,
An interplay between combinatorics and probability. 68
DS81. P. Diaconis et M. Shahshahani – « Generating a random permu-
tation with random transpositions », Z. Wahrsch. Verw. Gebiete 57
(1981), no. 2, p. 159–179. 67
DS84. P. G. Doyle et J. L. Snell – Random walks and electric networks,
Carus Mathematical Monographs, vol. 22, Mathematical Association
of America, Washington, DC, 1984. 37
DS87. P. Diaconis et M. Shahshahani – « Time to reach stationarity in the
Bernoulli-Laplace diffusion model », SIAM J. Math. Anal. 18 (1987),
no. 1, p. 208–218. 127
DST14. M. Disertori, C. Sabot et P. Tarrès – « Transience of Edge-
Reinforced Random Walk », arXiv :1403.6079, 2014. 213
Littérature 381
Duf97. M. Duflo – Random iterative models, Applications of Mathematics

(New York), vol. 34, Springer-Verlag, Berlin, 1997, Translated from the
1990 French original by Stephen S. Wilson and revised by the author.
112
Dur64. R. Durstenfeld – « Algorithm 235 : Random permutation », Com-
munications of the ACM 7 (1964), no. 7, p. 420. 66
Dur08. R. Durrett – Probability models for DNA sequence evolution, second
éd., Probability and its Applications (New York), Springer, New York,
2008. 170, 183, 197
Dur10a. R. Durrett – Probability : theory and examples, fourth éd., Cam-
bridge Series in Statistical and Probabilistic Mathematics, Cambridge
University Press, Cambridge, 2010. 373
Dur10b. — , Random graph dynamics, Cambridge Series in Statistical and Pro-
babilistic Mathematics, Cambridge University Press, Cambridge, 2010.
213
Dwa69. M. Dwass – « The total progeny in a branching process and a related
random walk. », J. Appl. Probability 6 (1969), p. 682–686. 54
DZ10. A. Dembo et O. Zeitouni – Large deviations techniques and applica-
tions, Stochastic Modelling and Applied Probability, vol. 38, Springer-
Verlag, Berlin, 2010, Corrected reprint of the second (1998) edition.
301, 373
EG60. P. Erdős et T. Gallai – « Gráfok előírt fokszámú pontokkal », Ma-
tematikai Lapok (1960), no. 11, p. 264–274. 67
EK86. S. N. Ethier et T. G. Kurtz – Markov processes, Wiley Series in Pro-
bability and Mathematical Statistics : Probability and Mathematical
Statistics, John Wiley & Sons Inc., New York, 1986, Characterization
and convergence. 371
EKM97. P. Embrechts, C. Klüppelberg et T. Mikosch – Modelling extre-
mal events, Applications of Mathematics (New York), vol. 33, Springer-
Verlag, Berlin, 1997, For insurance and finance. 373
EO05. R. Erban et H. G. Othmer – « From individual to collective behavior
in bacterial chemotaxis », SIAM J. Appl. Math. 65 (2004/05), no. 2,
p. 361–391 (electronic). 311
ER59. P. Erdős et A. Rényi – « On random graphs. I », Publ. Math. De-
brecen 6 (1959), p. 290–297. 227
ER61a. — , « On a classical problem of probability theory », Magyar Tud.
Akad. Mat. Kutató Int. Közl. 6 (1961), p. 215–220. 16
ER61b. — , « On the evolution of random graphs », Bull. Inst. Internat. Statist.
38 (1961), p. 343–347. 227
Ewe04. W. J. Ewens – Mathematical population genetics. I, second éd., Inter-
disciplinary Applied Mathematics, vol. 27, Springer-Verlag, New York,
2004, Theoretical introduction. 170, 183, 197
Fel68. W. Feller – An introduction to probability theory and its applications.
Vol. I, Third edition, John Wiley & Sons Inc., New York, 1968. 15,
16, 37, 137, 373
382 Littérature
Fel71. — , An introduction to probability theory and its applications. Vol. II.,

Second edition, John Wiley & Sons Inc., New York, 1971. 15, 16, 373
Fer89. T. S. Ferguson – « Who solved the secretary problem ? », Statist.
Sci. 4 (1989), no. 3, p. 282–296, With comments and a rejoinder by
the author. 137
FF04. D. Foata et A. Fuchs – Processus stochastiques : processus de poisson,
chaînes de markov et martingales, Collection Sciences Sup, Dunod,
2004. 250
Fil98. J. A. Fill – « An interruptible algorithm for perfect sampling via
Markov chains », Ann. Appl. Probab. 8 (1998), no. 1, p. 131–162. 81
FKG71. C. M. Fortuin, P. W. Kasteleyn et J. Ginibre – « Correlation
inequalities on some partially ordered sets », Comm. Math. Phys. 22
(1971), p. 89–103. 263
Fre65. D. A. Freedman – « Bernard Friedman’s urn », Ann. Math. Statist
36 (1965), p. 956–970. 91
FY48. R. A. Fisher et F. Yates – Statistical Tables for Biological, Agri-
cultural and Medical Research, Oliver and Boyd, London, 1948, 3d ed.
66
Gil59. E. N. Gilbert – « Random graphs », Ann. Math. Statist. 30 (1959),
p. 1141–1144. 227
GJ87. J. Glimm et A. Jaffe – Quantum physics, second éd., Springer-Verlag,
New York, 1987, A functional integral point of view. 37
GR10. C. Graham et P. Robert – « A multi-class mean-field model with
graph structure for TCP flows », Progress in industrial mathematics at
ECMI 2008, Math. Ind., vol. 15, Springer, Heidelberg, 2010, p. 125–131.
241
Gri99. G. Grimmett – Percolation, second éd., Grundlehren der Mathe-
matischen Wissenschaften [Fundamental Principles of Mathematical
Sciences], vol. 321, Springer-Verlag, Berlin, 1999. 227
Gri10. — , Probability on graphs, Institute of Mathematical Statistics Text-
books, vol. 1, Cambridge University Press, Cambridge, 2010, Random
processes on graphs and lattices. 227
GRZ04. F. Guillemin, P. Robert et B. Zwart – « AIMD algorithms and
exponential functionals », Ann. Appl. Probab. 14 (2004), no. 1, p. 90–
117. 241
GS72. Ĭ. Ī. Gı̄hman et A. V. Skorohod – Stochastic differential equations,
Springer-Verlag, New York, 1972, Translated from the Russian by Ken-
neth Wickwire, Ergebnisse der Mathematik und ihrer Grenzgebiete,
Band 72. 371
GS84. C. R. Givens et R. M. Shortt – « A class of Wasserstein metrics
for probability distributions », Michigan Math. J. 31 (1984), no. 2,
p. 231–240. 341
GS01. G. R. Grimmett et D. R. Stirzaker – Probability and random pro-
cesses, third éd., Oxford University Press, New York, 2001. 153
Littérature 383
GT13. C. Graham et D. Talay – Stochastic simulation and Monte Carlo me-

thods, Stochastic Modelling and Applied Probability, vol. 68, Springer,
Heidelberg, 2013, Mathematical foundations of stochastic simulation.
372, 374
Gut13. A. Gut – Probability : a graduate course, second éd., Springer Texts
in Statistics, Springer, New York, 2013. 373
Häg02. O. Häggström – Finite markov chains and algorithmic applications,
London Mathematical Society student texts, Cambridge University
Press, 2002. 81, 373
Har60. T. E. Harris – « A lower bound for the critical probability in a certain
percolation process », Proc. Cambridge Philos. Soc. 56 (1960), p. 13–
20. 227
Har02. — , The theory of branching processes, Dover Phoenix Editions, Dover
Publications Inc., Mineola, NY, 2002, Corrected reprint of the 1963
original [Springer, Berlin ; MR0163361 (29 #664)]. 54, 241
Has70. W. K. Hastings – « Monte Carlo sampling methods using Markov
chains and their applications », Biometrika (1970), no. 57, p. 97–109.
81
HH80. P. Hall et C. C. Heyde – Martingale limit theory and its application,
Academic Press, Inc. [Harcourt Brace Jovanovich, Publishers], New
York-London, 1980, Probability and Mathematical Statistics. 91, 373
HJ06. O. Häggström et J. Jonasson – « Uniqueness and non-uniqueness
in percolation theory », Probab. Surv. 3 (2006), p. 289–344. 227
HJ13. R. A. Horn et C. R. Johnson – Matrix analysis, second éd., Cam-
bridge University Press, Cambridge, 2013. 294
HJV07. P. Haccou, P. Jagers et V. A. Vatutin – Branching processes :
variation, growth, and extinction of populations, Cambridge Studies in
Adaptive Dynamics, Cambridge University Press, Cambridge, 2007. 54
Hol01. L. Holst – « Extreme value distributions for random coupon collector
and birthday problems », Extremes 4 (2001), no. 2, p. 129–145 (2002).
16
Hop84. F. M. Hoppe – « Pólya-like urns and the Ewens’ sampling formula »,
J. Math. Biol. 20 (1984), no. 1, p. 91–94. 197
Hör67. L. Hörmander – « Hypoelliptic second order differential equations »,
Acta Math. 119 (1967), p. 147–171. 354
HV10. S. Herrmann et P. Vallois – « From persistent random walk to the
telegraph noise », Stoch. Dyn. 10 (2010), no. 2, p. 161–196. 311
IS88. J. Z. Imbrie et T. Spencer – « Diffusion of directed polymers in a
random environment », J. Statist. Phys. 52 (1988), no. 3-4, p. 609–626.
263
JK77. N. L. Johnson et S. Kotz – Urn models and their application, John
Wiley & Sons, New York-London-Sydney, 1977, An approach to mo-
dern discrete probability theory, Wiley Series in Probability and Ma-
thematical Statistics. 212
384 Littérature
JKB97. N. L. Johnson, S. Kotz et N. Balakrishnan – Discrete multiva-

riate distributions, Wiley Series in Probability and Statistics : Applied
Probability and Statistics, John Wiley & Sons Inc., New York, 1997,
A Wiley-Interscience Publication. 197
JLS12. D. Jerison, L. Levine et S. Sheffield – « Logarithmic fluctuations
for internal DLA », J. Amer. Math. Soc. 25 (2012), no. 1, p. 271–301.
91
JLS13. D. Jerison, L. Levine et S. Sheffield – « Internal dla in higher
dimensions », Electron. J. Probab. 18 (2013), p. no. 98, 1–14. 91
JP02. J. Jacod et P. Protter – L’essentiel en théorie des probabilités,
Enseignement des mathématiques, Cassini, 2002. 373
JP03. — , Probability essentials, second éd., Universitext, Springer-Verlag,
Berlin, 2003. 373
Kac47. M. Kac – « Random walk and the theory of Brownian motion », Amer.
Math. Monthly 54 (1947), p. 369–391. 127
Kac74. — , « A stochastic model related to the telegrapher’s equation », Ro-
cky Mountain J. Math. 4 (1974), p. 497–509, Reprinting of an article
published in 1956, Papers arising from a Conference on Stochastic Dif-
ferential Equations (Univ. Alberta, Edmonton, Alta., 1972). 311
KB97. S. Kotz et N. Balakrishnan – « Advances in urn models during
the past two decades », Advances in combinatorial methods and ap-
plications to probability and statistics, Stat. Ind. Technol., Birkhäuser
Boston, Boston, MA, 1997, p. 203–257. 212
Kes80. H. Kesten – « The critical probability of bond percolation on the
square lattice equals 12 », Comm. Math. Phys. 74 (1980), no. 1, p. 41–
59. 227
Kin80. J. F. C. Kingman – Mathematics of genetic diversity, CBMS-NSF
Regional Conference Series in Applied Mathematics, vol. 34, Society
for Industrial and Applied Mathematics (SIAM), Philadelphia, Pa.,
1980. 197
Kin93. — , Poisson processes, Oxford Studies in Probability, vol. 3, The Cla-
rendon Press Oxford University Press, New York, 1993, Oxford Science
Publications. 183, 197
KL04. E. Kuhn et M. Lavielle – « Coupling a stochastic approximation
version of EM with an MCMC procedure », ESAIM Probab. Stat. 8
(2004), p. 115–131 (electronic). 112
Knu05. D. E. Knuth – The art of computer programming. Vol. 1–4, Addison-
Wesley, 2005. 66, 67, 68
Kor15. I. Kortchemski – « Predator-Prey Dynamics on Infinite
Trees : A Branching Random Walk Approach », Prépublication
arXiv:1312.4933 à paraître dans Journal of Theoretical Probability,
DOI 10.1007/s10959-015-0603-2, 2015. 301
KP95. P. E. Kloeden et E. Platen – « Numerical methods for stochastic
differential equations », Nonlinear dynamics and stochastic mechanics,
CRC Math. Model. Ser., CRC, Boca Raton, FL, 1995, p. 437–461. 372
Littérature 385
KPSC08. A. M. Krieger, M. Pollak et E. Samuel-Cahn – « Beat the mean :

sequential selection by better than average rules », J. Appl. Probab. 45
(2008), no. 1, p. 244–259. 137
KS66. H. Kesten et B. P. Stigum – « A limit theorem for multidimensional
Galton-Watson processes », Ann. Math. Statist. 37 (1966), p. 1211–
1223. 54
KS76. J. G. Kemeny et J. L. Snell – Finite Markov chains, Springer-Verlag,
New York, 1976, Reprinting of the 1960 original, Undergraduate Texts
in Mathematics. 127
KS91. I. Karatzas et S. E. Shreve – Brownian motion and stochastic cal-
culus, second éd., Graduate Texts in Mathematics, vol. 113, Springer-
Verlag, New York, 1991. 374
Lac10. H. Lacoin – « New bounds for the free energy of directed polymers in
dimension 1 + 1 and 1 + 2 », Comm. Math. Phys. 294 (2010), no. 2,
p. 471–503. 263
Law13. G. F. Lawler – Intersections of random walks, Modern Birkhäuser
Classics, Birkhäuser/Springer, New York, 2013, Reprint of the 1996
edition. 37
LBG92. G. F. Lawler, M. Bramson et D. Griffeath – « Internal diffusion
limited aggregation », Ann. Probab. 20 (1992), no. 4, p. 2117–2140. 91
LG13. J.-F. Le Gall – Mouvement brownien, martingales et calcul stochas-
tique, Mathématiques & Applications (Berlin) [Mathematics & Appli-
cations], vol. 71, Springer, Heidelberg, 2013. 373
Lig85. T. M. Liggett – Interacting particle systems, Grundlehren der Ma-
thematischen Wissenschaften [Fundamental Principles of Mathemati-
cal Sciences], vol. 276, Springer-Verlag, New York, 1985. 263
LL10. G. F. Lawler et V. Limic – Random walk : a modern introduction,
Cambridge Studies in Advanced Mathematics, vol. 123, Cambridge
University Press, Cambridge, 2010. 37
LP15. R. Lyons et Y. Peres – Probability on trees and networks, Cambridge
University Press, 2015. 68
LPW09. D. A. Levin, Y. Peres et E. L. Wilmer – Markov chains and mixing
times, American Mathematical Society, Providence, RI, 2009, With a
chapter by James G. Propp and David B. Wilson. 17, 38, 81, 127, 373
LW09. Q. Liu et F. Watbled – « Exponential inequalities for martingales
and asymptotic properties of the free energy of directed polymers in a
random environment », Stochastic Process. Appl. 119 (2009), no. 10,
p. 3101–3132. 263
Lé08. T. Lévy – « Probabilistic methods in statistical physics », Lecture
notes - Tsinghua University, October 2008. 227
Mah09. H. M. Mahmoud – Pólya urn models, Texts in Statistical Science
Series, CRC Press, Boca Raton, FL, 2009. 212
Mar04. J.-F. Marckert – « Structures arborescentes, algorithmes », Habili-
tation à diriger des recherches, 2004. 54
386 Littérature
Mau03. A. Maurer – « A bound on the deviation probability for sums of non-

negative random variables », JIPAM. J. Inequal. Pure Appl. Math. 4
(2003), no. 1, p. Article 15, 6 pp. (electronic). 137
McD89. C. McDiarmid – « On the method of bounded differences », Surveys in
combinatorics, 1989 (Norwich, 1989), London Math. Soc. Lecture Note
Ser., vol. 141, Cambridge Univ. Press, Cambridge, 1989, p. 148–188.
275
McD98. — , « Concentration », Probabilistic methods for algorithmic discrete
mathematics, Algorithms Combin., vol. 16, Springer, Berlin, 1998,
p. 195–248. 275
Mik09. T. Mikosch – Non-life insurance mathematics, second éd., Universi-
text, Springer-Verlag, Berlin, 2009, An introduction with the Poisson
process. 250
MM09. M. Mézard et A. Montanari – Information, physics, and computa-
tion, Oxford Graduate Texts, Oxford University Press, Oxford, 2009.
275
MP10. P. Mörters et Y. Peres – Brownian motion, Cambridge Series in Sta-
tistical and Probabilistic Mathematics, Cambridge University Press,
Cambridge, 2010, With an appendix by Oded Schramm and Wendelin
Werner. 323
MR95. R. Motwani et P. Raghavan – Randomized algorithms, Cambridge
University Press, Cambridge, 1995. 16, 66
MRR+ 53. N. Metropolis, A. Rosenbluth, M. Rosenbluth, A. Teller et
E. Teller – « Equations of State Calculations by Fast Computing
Machines », Journal of Chemical Physics (1953), no. 21, p. 1087–1092.
81
MV12. S. Méléard et D. Villemonais – « Quasi-stationary distributions
and population processes », Probab. Surv. 9 (2012), p. 340–410. 54
MW90. B. D. McKay et N. C. Wormald – « Uniform generation of random
regular graphs of moderate degree », J. Algorithms 11 (1990), no. 1,
p. 52–67. 67
Mé13. S. Méléard – « Modèles aléatoires en ecologie et evolution », Cours
de l’École Polytechnique, 2013. 170, 183, 197
Nel67. E. Nelson – Dynamical theories of Brownian motion, Princeton Uni-
versity Press, Princeton, N.J., 1967. 354
Nev72. J. Neveu – Martingales à temps discret, Masson et Cie, éditeurs, Paris,
1972. 373
Nev75. J. Neveu – Discrete-parameter martingales, revised éd., North-Holland
Publishing Co., Amsterdam-Oxford ; American Elsevier Publishing
Co., Inc., New York, 1975, Translated from the French by T. P. Speed,
North-Holland Mathematical Library, Vol. 10. 373
Nor98a. J. R. Norris – Markov chains, Cambridge Series in Statistical and
Probabilistic Mathematics, vol. 2, Cambridge University Press, Cam-
bridge, 1998, Reprint of 1997 original. 37, 127, 153, 250
Nor98b. J. R. Norris – Markov chains, Cambridge University Press, 1998. 373
Littérature 387
NS60. D. J. Newman et L. Shepp – « The double dixie cup problem », Amer.

Math. Monthly 67 (1960), p. 58–61. 16
ODA88. H. G. Othmer, S. R. Dunbar et W. Alt – « Models of dispersal in
biological systems », J. Math. Biol. 26 (1988), no. 3, p. 263–298. 311
OK08. T. J. Ott et J. H. B. Kemperman – « Transient behavior of processes
in the TCP paradigm », Probab. Engrg. Inform. Sci. 22 (2008), no. 3,
p. 431–471. 241
Øks03. B. Øksendal – Stochastic differential equations, sixth éd., Universi-
text, Springer-Verlag, Berlin, 2003, An introduction with applications.
373
Par07. E. Pardoux – Processus de Markov et applications, Collection Sciences
Sup, Dunod, 2007, Mathématiques appliquées/SMAI. 81, 102, 373
Pem07. R. Pemantle – « A survey of random processes with reinforcement »,
Probab. Surv. 4 (2007), p. 1–79. 212, 213
Per07. B. Perthame – Transport equations in biology, Frontiers in Mathema-
tics, Birkhäuser Verlag, Basel, 2007. 241
Pit06. J. Pitman – Combinatorial stochastic processes, Lecture Notes in Ma-
thematics, vol. 1875, Springer-Verlag, Berlin, 2006, Lectures from the
32nd Summer School on Probability Theory held in Saint-Flour, July
7–24, 2002, With a foreword by Jean Picard. 183, 197
Pre00. J. Preater – « Sequential selection with a better-than-average rule »,
Statist. Probab. Lett. 50 (2000), no. 2, p. 187–191. 137
PW96. J. D. Propp et D. B. Wilson – « Exact sampling with coupled Mar-
kov chains and applications to statistical mechanics », Random Struc-
tures Algorithms 9 (1996), no. 1-2, p. 223–252. 81
PW98. — , « Coupling from the past : a user’s guide », Microsurveys in discrete
probability (Princeton, NJ, 1997), DIMACS Ser. Discrete Math. Theo-
ret. Comput. Sci., vol. 41, Amer. Math. Soc., Providence, RI, 1998,
p. 181–192. 81
RC04. C. P. Robert et G. Casella – Monte Carlo statistical methods, se-
cond éd., Springer Texts in Statistics, Springer-Verlag, New York, 2004.
81
Rev97. D. Revuz – Probabilités, Hermann, 1997. 373
Rob00. P. Robert – Réseaux et files d’attente : méthodes probabilistes, Ma-
thématiques & Applications (Berlin) [Mathematics & Applications],
vol. 35, Springer-Verlag, Berlin, 2000. 153, 371
Rob05. — , « Réseaux de communication, algorithmes et probabilités », Cours
de l’École Polytechnique, Palaiseau, France, 2005. 241
Rob10. — , « Mathématiques et réseau de communication », Dossiers pour la
science (2010) hal:inria-00472217, 2010. 241
Roy99. G. Royer – Une initiation aux inégalités de Sobolev logarithmiques,
Cours Spécialisés [Specialized Courses], vol. 5, Société Mathématique
de France, Paris, 1999. 342
RRS05. S. Robin, F. Rodolphe et S. Schbath – DNA, words and models,
Cambridge University Press, Cambridge, 2005, Translated from the
2003 French original. 102
388 Littérature
Rud87. W. Rudin – Real and complex analysis, third éd., McGraw-Hill Book
Co., New York, 1987. 323
Rug01. C. Ruget (éd.) – Mathématiques en situation, SCOPOS, vol. 11,
Springer-Verlag, Berlin, 2001, Issues de l’épreuve de modélisation de
l’agrégation. [From the Examination in Modelling for the Agrégation].
54
RW00. L. C. G. Rogers et D. Williams – Diffusions, Markov processes,
and martingales. Vol. 1, Cambridge Mathematical Library, Cambridge
University Press, Cambridge, 2000, Foundations, Reprint of the second
(1994) edition. 374
RY99. D. Revuz et M. Yor – Continuous martingales and Brownian motion,
third éd., Grundlehren der Mathematischen Wissenschaften [Funda-
mental Principles of Mathematical Sciences], vol. 293, Springer-Verlag,
Berlin, 1999. 373
Ré85. J.-L. Rémy – « Un procédé itératif de dénombrement d’arbres binaires
et son application à leur génération aléatoire », R.A.I.R.O. Informa-
tique Théorique 19 (1985), no. 2, p. 179–195. 68
She07. S. Sheffield – « Gaussian free fields for mathematicians », Probab.
Theory Related Fields 139 (2007), no. 3-4, p. 521–541. 37
Shi96. A. N. Shiryaev – Probability, second éd., Graduate Texts in Mathe-
matics, vol. 95, Springer-Verlag, New York, 1996, Translated from the
first (1980) Russian edition by R. P. Boas. 373
SM02. J. Siltaneva et E. Mäkinen – « A comparison of random binary tree
generators », The Computer Journal 45 (2002), no. 6, p. 653–660. 68
Spi70. F. Spitzer – Principes des cheminements aléatoires, Traduit de l’an-
glais par E. Baverez et J.-L. Guignard. Centre Interarmés de Recherche
Opérationnelle, vol. 2, Dunod, Paris, 1970. 37
Sta83. A. J. Stam – « Generation of a random partition of a finite set by an
urn model », J. Combin. Theory Ser. A 35 (1983), no. 2, p. 231–240.
67
Ste94. J. M. Steele – « Le Cam’s inequality and Poisson approximations »,
Amer. Math. Monthly 101 (1994), no. 1, p. 48–54. 15
Ste97. — , Probability theory and combinatorial optimization, CBMS-NSF Re-
gional Conference Series in Applied Mathematics, vol. 69, Society for
Industrial and Applied Mathematics (SIAM), Philadelphia, PA, 1997.
15, 275
Tal96. D. Talay – « Probabilistic numerical methods for partial differential
equations : elements of analysis », Probabilistic models for nonlinear
partial differential equations (Montecatini Terme, 1995), Lecture Notes
in Math., vol. 1627, Springer, Berlin, 1996, p. 148–196. 372
Tal02. — , « Stochastic Hamiltonian systems : exponential convergence to the
invariant measure, and discretization by the implicit Euler scheme »,
Markov Process. Related Fields 8 (2002), no. 2, p. 163–198, Inhomoge-
neous random systems (Cergy-Pontoise, 2001). 354
Tar11. P. Tarrès – « Localization of reinforced random walks »,
arXiv:1103.5536, 2011. 213
Littérature 389
Tav04. S. Tavaré – « Ancestral inference in population genetics », Lectures

on probability theory and statistics, Lecture Notes in Math., vol. 1837,
Springer, Berlin, 2004, p. 1–188. 170, 183, 197
Tou99. P. Toulouse – Thèmes de probabilités et statistique, Dunod, 1999.
373
TPH86. J. N. Tsitsiklis, C. H. Papadimitriou et P. Humblet – « The per-
formance of a precedence-based queueing discipline », J. Assoc. Com-
put. Mach. 33 (1986), no. 3, p. 593–602. 301
TT90. D. Talay et L. Tubaro – « Expansion of the global error for numeri-
cal schemes solving stochastic differential equations », Stochastic Anal.
Appl. 8 (1990), no. 4, p. 483–509 (1991). 372
TVW10. A. Tripathi, S. Venugopalan et D. B. West – « A short construc-
tive proof of the Erdős-Gallai characterization of graphic lists », Dis-
crete Math. 310 (2010), no. 4, p. 843–844. 67
vdH14. R. van der Hofstad – « Random Graphs and Complex Networks »,
Lecture notes available on Internet, 2014. 67, 213, 227
Vil03. C. Villani – Topics in optimal transportation, Graduate Studies in
Mathematics, vol. 58, American Mathematical Society, Providence, RI,
2003. 241
Vil06. — , « Hypocoercive diffusion operators », International Congress of
Mathematicians. Vol. III, Eur. Math. Soc., Zürich, 2006, p. 473–498.
354
Vil08. — , « H-theorem and beyond : Boltzmann’s entropy in today’s mathe-
matics », Boltzmann’s legacy, ESI Lect. Math. Phys., Eur. Math. Soc.,
Zürich, 2008, p. 129–143. 355
Vil09. — , « Hypocoercivity », Mem. Amer. Math. Soc. 202 (2009), no. 950,
p. iv+141. 354
Wil91. D. Williams – Probability with martingales, Cambridge Mathematical
Textbooks, Cambridge University Press, Cambridge, 1991. 102, 373
Wil96. D. B. Wilson – « Generating random spanning trees more quickly
than the cover time », In Proceedings of the 28’th annual ACM sym-
posium on Theory of computing pages 296–303, 1996. 68
WL01. F. Wang et D. P. Landau – « Efficient, Multiple-Range Random
Walk Algorithm to Calculate the Density of States », Physical Review
Letters 86 (2001), p. 2050. 81
Yca02. B. Ycart – Modèles et algorithmes markoviens, Mathématiques &
Applications (Berlin) [Mathematics & Applications], vol. 39, Springer-
Verlag, Berlin, 2002. 323
Yuk98. J. E. Yukich – Probability theory of classical Euclidean optimization
problems, Lecture Notes in Mathematics, vol. 1675, Springer-Verlag,
Berlin, 1998. 275
Index
A conditionné à taille fixe, 68

absence de mémoire, 141, 180, 212, 238 enraciné, 64
actuariat, 250 planaire, 64
ADN, 93, 178 régulier, 218
agrégation limitée par diffusion interne, attachement préférentiel, 203
84, 91
algorithme B
BFS, 225 battage de cartes, 34
d’Arnold-Sleep, 65 bits, 3
de Fisher-Yates-Knuth, 59, 188 boucle auto-évitante, 222
de Kiefer–Wolfowitz, 112
C
de Metropolis-Hastings, 72, 112
champ libre gaussien, 33, 70
de Propp-Wilson, 77
chaîne de Markov
de Rémy, 68
apériodique, 34, 35, 72, 94, 115, 164
de segmentation, 102
cachée, 93
de Stam, 62
échantillonnée, 358
de tri rapide, 58
incluse, 235
de tri rapide randomisé, 66 paresseuse, 115, 357
des configurations, 64 chemin auto-évitant, 216
du parcours en largeur, 225 circuit hamiltonien, 265
du recuit simulé, 75, 266, 267 coalescence des trajectoires, 78
du rejet, 60 coalescent de Kingman, 181
EM, 109 collectionneur de coupons, 1, 9, 27, 35,
progressif-rétrograde, 95 115
Robbins–Monro, 112 comparaison série-intégrale, 89, 133,
ancêtre commun le plus récent, 172 191
appariement, 60, 64 composante connexe géante, 225
euclidien minimal, 265 condition
arbre, 216 de Carleman, 294
binaire, 64 de Doeblin, 72
couvrant de loi uniforme, 68 de Lindeberg, 131
couvrant minimal, 265 de Lyapunov, 87, 88
de Galton-Watson, 40, 218, 225 constante

392 Index
de connectivité, 221 maîtresse, 205

d’Euler, 10 erreur
convergence abrupte, 36, 121 faible, 370
courbe de Jordan, 222 forte, 371
covariance, 277, 326 estimateur de maximum de vraisem-
empirique, 277, 293 blance, 101, 107
crible de Poincaré, 12, 60 excursion, 308
D F
décomposition famille exponentielle, 71
de Dunford, 353 file
dépoissonisation, 272 d’attente, 140, 371
dérangement, 60 fluide, 371
désordre, 254 filtre de Kalman, 99
distance fixation, 157, 160
de couplage, 241 fonction
de Fréchet, 241 Beta, 201
de Kolmogorov-Smirnov, 283 caractéristique, 14, 175, 245, 320
de Mallows, 241 contractante, 77
de Wasserstein, 16, 150, 234, 282, d’acceptation-rejet, 73, 75
336, 337, 350, 352 de Green discrète, 32
en variation totale, 5, 150 de partition, 69, 252
divergence de Kullback-Leibler, 340 de renforcement, 207
doublement stochastique, 35, 114 d’échelle, 362
Gamma, 201
E génératrice, 23, 41, 147, 218, 220,
échangeabilité, 169, 201 239, 240, 320
échantillonneur de Gibbs, 74 harmonique, 24, 30, 313
égalité en loi, 50 formule
énergie, 69 de Bayes, 100
libre, 253 de Désiré André, 25
entropie, 113, 262 de Dobinski, 62
de Boltzmann, 70, 159 de Hadamard, 287
de Shannon, 159 de Kantorovich-Rubinstein, 151
relative, 110, 340, 350 de la moyenne, 313
environnement aléatoire, 252, 254 de Mehler, 327
équation de Placherel, 332
aux dérivées partielles, 304, 328 d’échantillonnage d’Ewens, 181
de Chapman-Kolmogorov, 147, 232, d’Isserlis, 61
239 d’Itô, 316, 326, 329, 363, 371
de Fokker-Planck, 331 d’Itô discrète, 24
de Fokker-Planck cinétique, 350 variationnelle de Courant-Fischer,
de la chaleur, 308, 322 283
de la chaleur avec dérive, 328
des ondes, 308 G
différentielle stochastique, 163, 165, générateur infinitésimal, 149, 152, 230,
325, 326, 342, 353, 362, 364, 366, 238, 250, 328
369 graphe
du télégraphe, 304, 308, 311 à attachement préférentiel, 203
Index 393
aléatoire, 70, 216 jeu de pile ou face, 1, 40, 161, 191, 195,
aléatoire de Barabási-Albert, 203 203, 216
aléatoire de Erdős-Rényi, 63, 224
complet, 224 L
de Bethe, 218 laplacien discret, 30
de Cayley, 188 lemme
d-régulier, 63 de Borel-Cantelli, 3, 13, 77, 145, 191,
dual, 222 195, 275, 285
fini, 62 de Cesàro, 88, 132
régulier, 74 de Fekete, 221, 260
groupe symétrique, 34, 58, 59, 70, 185,
de Grönwall, 341, 371
265
de Rényi, 142
H de Scheffé, 48
hamiltonien, 69 de Slutsky, 193
horloges exponentielles en compétition, de Wald, 245
141 loi
Hörmander, 347 Beta, 3, 165, 197, 201, 367
hypoellipticité, 347 Beta-binomiale, 3, 201
binomiale, 2
I binomiale-négative, 2
identité de Vandermonde, 28 de Bernoulli, 1
inégalité de Cauchy, 320, 321
d’Azuma-Hoeffding, 89, 137, 213, de Gumbel, 13, 120, 133, 135, 177
268, 270, 284 de Hardy-Weinberg, 155, 156
de Barbour-Eagleson, 15 de Mendel, 155
de Burkholder-Davis-Gundy, 371 de Pareto, 136, 213
de Chernoff, 124, 268 de Pascal, 2
de Hoffman-Wielandt, 282 de Poisson, 8, 58
de Jensen, 71, 110, 255, 260, 335, 336, de Rademacher, 19, 304
340 de reproduction, 39
de Le Cam, 9, 15, 193
de Zipf, 213
de Markov, 12, 145, 191, 226, 269,
des événements rares, 153
286
des grands nombres, 3, 23, 245, 246,
de Poincaré, 334, 335, 354
277, 279–281, 368
de Schwarz, 118, 286, 335, 338
chaînes de Markov, 98, 164
de Sobolev logarithmique, 338–341,
martingales, 102, 103, 131
354
des petits nombres, 9, 153, 224, 229,
de Tchebychev, 123, 268, 284
359
FKG, 254, 257
d’Ewens, 70, 181, 187
fonctionnelle, 354
du demi-cercle, 24, 280
Maurer, 137
intervalle du logarithme itéré de Strassen, 209,
de confiance de Clopper-Pearson, 3 246
de confiance de Wald, 3 du quart-de-cercle, 293
de prédiction, 12, 13 du zéro-un
irréversibilité, 113, 350 de Kolmogorov, 223, 256
pour les lois exponentielles, 143, 212
J pour les polymères, 256
jeu de dé, 9 géométrique, 2
394 Index
invariante, 34–36, 72, 73, 79, 81, 97, méthode

98, 114, 115, 117, 119, 122, 125, de Chen-Stein, 15
127, 149–153, 164–166, 232, 233, de couplage, 8, 16, 22, 85, 86, 115,
304, 311, 329, 335, 340–342, 348, 150, 161, 217, 222, 225, 234, 235,
350, 351, 354, 355, 359, 365, 367, 282, 337, 353
368 coalescent, 78
multinomiale, 26, 42, 171 de couplage par le passé, 78
réversible, 73, 114, 150, 329, 350 de Monte-Carlo, 112, 267
uniforme de simulation par inversion, 57
appariements, 61 de simulation par rejet, 60
arbre couvrant, 68 des moments, 87, 233, 285, 287
arbres binaires enracinés planaires, du second moment, 12, 191
65 modèle
graphes finis, 63 de Cannings, 167
groupe symétrique, 59, 188 de Cramér-Lundberg, 250
partitions d’un ensemble fini, 62 de Moran, 156
de Wright-Fisher, 22, 42, 130, 155,
M 159, 172, 364
Malliavin, 347 d’Ehrenfest, 113
marche aléatoire, 20, 26, 27, 50, 225, des configurations, 64
246, 252, 319 d’Ising, 70, 81
persistante, 311 moments
renforcée par sites, 208 caractérisation, 287
sur le cube discret, 114 exponentiels, 268
sur le groupe symétrique, 34 monotonie, 78
martingale, 3, 24, 31, 44, 88, 101, 131, mouvement brownien, 315, 325, 354,
159, 160, 168, 200, 268, 316, 329, 361, 363
348, 363, 366 multigraphe, 63
bornée, 45, 159, 317, 322
bornée dans L2 , 48, 134, 178, 192, N
240, 259 nombre d’Avogadro, 121
positive, 44, 45, 136, 159, 225, 247, nombres
256 de Bell, 61, 195
matrice de Catalan, 24, 26, 37, 66, 288
aléatoire, 278 de Stirling de première espèce, 196
d’adjacence, 62 de Stirling de seconde espèce, 10, 174,
de covariance, 277 195, 196
de covariance empirique, 277, 293 norme
de remise, 203 de Frobenius, 282
de Vandermonde, 169 de Hilbert-Schmidt, 282
maximum de vraisemblance, 101, 107 de Schur, 282
mélange noyau
de lois, 106, 201 de Poisson, 316, 317, 321
de lois gaussiennes, 108 de Poisson discret, 31
mesure de proposition ou d’exploration, 73
de Gibbs, 69, 252, 335
de vitesse, 362 O
harmonique, 31 optimisation combinatoire randomisée,
spectrale empirique, 278 265
Index 395
oscillation, 268 de Poisson composé, 245

de taille de fenêtre TCP, 230
P de Wiener, 354
percolation, 216 de Yule, 142, 144, 152, 238
phénomène des restaurants chinois, 130, 179, 181,
de seuil, 15, 41, 121, 218, 253, 254 185
phylogénie, 183 d’Ornstein-Uhlenbeck, 127, 153, 325,
poissonisation, 193, 272 345, 362
polymère, 70, 251, 253 gaussien, 326
polynôme ponctuel de Poisson, 272
de Pochhhammer, 196 propriété
d’Hermite, 331 de branchement, 40, 48
pont brownien, 369 de Markov, 48, 256, 258, 260, 304,
principe 316
de Laplace, 74
de rotation, 51, 301 R
des tiroirs, 271 renforcement, 199
d’inclusion-exclusion, 12, 60, 196 géométrique, 208
d’invariance de Donsker, 344, 361 linéaire, 208
du maximum, 316 réseau, 226
probabilité réversibilité, 113
critique, 217
de percolation, 216 S
d’extinction, 43 schéma d’Euler, 369, 370
problème second principe de la thérmodynamique,
d’arrêt optimal, 137 113
de contrôle stochastique, 137 semi-groupe
de Dirichlet, 314 de Markov, 231, 358
de Dirichlet discret, 30 d’Ornstein-Uhlenbeck, 327
de la ruine du joueur, 21, 30, 85 série génératrice, 331
des secrétaires, 137 Shakespeare, 3
du mariage, 137 simulation exacte, 81
du voyageur de commerce, 75, 265 sous-additivité, 221, 260, 272, 273
processus sous-martingale
autorégressif, 19, 99, 235, 330 bornée dans L1 , 53
de Bernoulli, 2 spectre
de diffusion de Kolmogorov, 342 de matrice de covariance empirique,
de Galton-Watson, 172, 225, 238, 300, 293
302 de matrice de transition, 117, 168,
de Galton-Watson avec immigration, 169, 233, 331
52 trou, 333
de Langevin confiné, 345 spin, 33, 70
de Markov à temps continu, 152 statistique d’ordre, 129, 142
de Markov déterministe par sur-martingale, 248
morceaux, 230, 244 symbole de Pochhammer, 196
de naissance et de mort, 152, 174
de Poisson, 3, 119, 140, 179, 229, 243, T
295, 304 température inverse, 69, 252
de Poisson aminci, 143 temps
396 Index
d’arrêt borné, 248 de Berry-Esseen, 4, 15

d’atteinte, 30, 50, 85, 157 de Lindeberg-Lévy, 131, 193
de coalescence, 78, 116, 119, 120 de Moivre-Laplace, 4
de contraction, 77 martingales, 87, 91, 102, 103, 131,
de couplage, 78 193
de fixation, 157, 160 théorie
de recouvrement, 17 cinétique de gaz de Boltzmann, 113
de relaxation, 345 de Mendel, 155
de retour, 125 des probabilités libres, 294
de sortie, 21, 316 du transport optimal de la mesure,
d’explosion, 237 241
tension, 281 transformée
théorème de Fourier, 294
d’arrêt, 24, 31, 159, 225 de Laplace, 48, 134, 225, 226, 240,
de Bearwood-Halton-Hammersley, 248, 268, 308, 331
266 transition de phase, 254
de Berry-Esseen, 15, 193 trou spectral, 333
de Birkhoff, 311
de Chernoff, 300, 301 U
de Cramér-Von Mises, 369
urne
de Donsker, 344, 361
de Friedman, 91
de Kolmogorov-Smirnov, 369
de Hoppe, 197
de Marchenko-Pastur, 292
de Pólya, 91, 199
de Prohorov, 281, 286
de Pólya généralisée, 203, 208, 211
de Weierstrass, 287
d’Ehrenfest, 113
de Wigner, 279, 280
de Wigner simplifié, 281
de Yaglom, 45 V
d’Erdős-Gallai, 63 valeurs singulières, 293
des séries centrées, 131, 133, 192 vecteur gaussien, 99, 326
du scrutin, 25 von Neumann, 3
ergodique vraisemblance, 101, 107
chaînes de Markov, 98, 164
chaînes de Markov (fluctuation), 98 W
processus de Markov, 311 Wigner
limite central, 3, 4, 23, 37, 124, 193, théorème de, 280
344, 361, 368 théorème simplifié de, 281
chaînes de Markov, 98
Principales notations et abréviations
dVT (μ, ν) distance en variation totale

Wp (μ, ν) distance de Wasserstein d’ordre p
Lp (μ) espace de fonctions f t.q. |f |p est μ-intégrable
Lp (E) espace de fonctions f t.q. |f |p est Lebesgue intégrable sur E
Lploc espace de fonctions f t.q. |f |p est localement intégrable
f p norme Lp (μ) de la fonction f

M HS norme de Hilbert-Schmidt Tr(M M ∗ ) de la matrice M
Tr(M ) trace de la matrice M
|x| norme, module, ou valeur absolue de x
Sn groupe symétrique
x plus grand entier inférieur ou égal à x (partie entière)
x plus petit entier supérieur ou égal à x
log logarithme naturel
loi
X =Y égalité en loi
X∼μ la variable aléatoire X suit la loi μ
x := a x est défini par a
a =: x x est défini par a
a∧b min(a, b)
a∨b max(a, b)
νμ ν est absolument continue par rapport à μ
Ber(p) loi de Bernoulli n → p1n=1 + (1 − p)1n=0
Bin(n, p) loi binomaile k → nk pk (1 − p)n−k 1k∈N∩[0,n]
Geo(p) loi géométrique n → (1 − p)n−1 p1n∈N∗
GeoN (p) loi géométrique n → (1 − p)n p1n∈N
Exp(λ) loi exponentielle x → λe−λx 1x0
Gamma(a, λ) loi Gamma x → λa Γ (a)−1 xa−1 e−λx 1x0
1
Cauchy loi de Cauchy x ∈ R → π(1+x
n 2) k1 k
Mul(n, p) loi multinomiale k → k1 ,...,kd p1 · · · pdd 1k∈Nn :k1 +···+kd =n
−λ λn
Poi(λ) loi de Poisson n → e n! 1n∈N
Unif(I) loi uniforme sur l’ensemble I
− 1 (x−m)2
N (m, σ 2 ) loi gaussienne x → (2πσ 2 )−1/2 e 2σ2
N (m, Σ) loi gaussienne x → (2π)−n/2 det(Σ)−1/2 e− 2 Σ (x−m),(x−m)
1 −1
2
χ (n) loi du chi-deux à n degrés de liberté = Gamma(n/2, 1/2)

398 Principales notations et abréviations

t(n) loi de Student à n degrés de liberté = N (0, 1)/ χ2 (n)/n
xn = on→∞ (yn ) xn /yn → 0 quand n → ∞
x = O(y) |x| C|y| pour une constante C > 0
an ∼ bn an /bn → 1 quand n → ∞
i.i.d. indépendantes et identiquement distribuées
p.s. presque sûrement
ssi si et seulement si
v.a. variable(s) aléatoire(s)
v.a.r. variable(s) aléatoire(s) réelle(s)
t.q. telle(s) que
LGN Loi des Grands Nombres
TLC Théorème Limite Central

Recueil de Modèles Aléatoires

Transféré par

Droits d'auteur :

Formats disponibles

Recueil de Modèles Aléatoires

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Recueil de Modèles Aléatoires

Transféré par

Droits d'auteur :

Formats disponibles

Mathématiques et Applications 78

More information about this series at http://www.springer.com/series/2966

Rémi ABGRALL Claude LE BRIS

ISSN 1154-483X ISSN 2198-3275 (electronic)

© Springer-Verlag Berlin Heidelberg 2016

Imprimé sur papier non acide

This Springer imprint is published by Springer Nature

Ce recueil est une collection accumulée au ﬁl du temps que nous souhai-

pas ou peu de rappels de cours. Nous fournissons toutefois en ﬁn d’ouvrage,

Djalil Chafaï et Florent Malrieu

1 Pile, face, coupons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

3 Branchement et processus de Galton-Watson . . . . . . . . . . . . . . 39

4 Permutations, partitions, et graphes . . . . . . . . . . . . . . . . . . . . . . . 57

6 Agrégation limitée par diﬀusion interne . . . . . . . . . . . . . . . . . . . . 83

7 Chaînes de Markov cachées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93

8 Algorithme EM et mélanges . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105

9 Urnes d’Ehrenfest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113

10 Records, extrêmes, et recrutements . . . . . . . . . . . . . . . . . . . . . . . . 129

11 File d’attente M/M/Inﬁni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139

12 Modèle de Wright-Fisher . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155

13 Généalogies et coalescence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171

14 Restaurants chinois . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185

17 Croissance et fragmentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229

18 Ruine d’une compagnie d’assurance . . . . . . . . . . . . . . . . . . . . . . . . 243

19 Polymères dirigés en environnement aléatoire . . . . . . . . . . . . . . 251

20 Problème du voyageur de commerce . . . . . . . . . . . . . . . . . . . . . . . 265

21 Matrices aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277

22 Naissances et assassinats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295

23 Modèle du télégraphe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303

24 Problème de Dirichlet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313

25 Processus d’Ornstein-Uhlenbeck . . . . . . . . . . . . . . . . . . . . . . . . . . . 325

26 Modèles de diﬀusion cinétique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343

27 Des chaînes de Markov aux processus de diﬀusion . . . . . . . . . 357

Suggestions bibliographiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 373

Principales notations et abréviations . . . . . . . . . . . . . . . . . . . . . . . . . . . 397

Mots-clés. Combinatoire ; loi discrète ; distance en variation totale ; loi

Ce chapitre est consacré au jeu de pile ou face et au problème du collec-

1.1 Jeu de pile ou face

P(Xn = 1) = 1 − P(Xn = 0) = p ∈ [0, 1].

Le nombre de succès dans les n premiers lancers

© Springer-Verlag Berlin Heidelberg 2016 1

La moyenne et la variance de Sn sont donnés par

E(Sn ) = np et Var(Sn ) = np(1 − p).

Si p > 0, T suit la loi géométrique Geo(p) sur N∗ de paramètre p donnée par

On a T ≡ ∞ si p = 0 et P(T < ∞) = 1 sinon. De plus

suit la loi géométrique GeoN (p) sur N et de paramètre p donnée par

P(T = k) = P(T − 1 = k) = (1 − p)k p, k ∈ N,

T1 := T et Tr+1 := inf{n > Tr : Xn = 1}.

Les variables aléatoires T1 , T2 − T1 , T3 − T2 , . . . sont indépendantes et identi-

Cela permet notamment de construire un intervalle de conﬁance asymptotique

en posant Yn = 0 si (X2n−1 , X2n ) = (0, 1), Yn = 1 si (X2n−1 , X2n ) = (1, 0), et

1.2 Approximation binomiale-gaussienne

Le théorème limite central de Berry-Esseen raﬃne ce résultat asymptotique en

Cette approximation de la loibinomiale par la loi gaussienne est d’autant

qui redonne le TLC par intégration :

1.3 Distance en variation totale

Dans toute cette section, E est un ensemble au plus dénombrable muni de

dVT (μ, ν) := sup |μ(A) − ν(A)|.

et il est atteint dans l’expression variationnelle fonctionnelle de dVT (·, ·) pour

Démonstration. La seconde égalité provient de l’inégalité

Cette approximation de la loibinomiale par la loi gaussienne est d’autant

où εr = (rt + r log(r) − rt + r log(r))/r ∈ [0, 1/r[.

Comme P(En,i ) = (1 − 1/r) e−n/r , on choisit n = rt + r log(r).