Temps local et diffusion en environnement aléatoire, Local time and diffusion in random environment

Roland Diel

Description

Sous la direction de Romain Abraham
Thèse soutenue le 03 décembre 2010: Orléans
On appelle diffusion en milieu aléatoire la solution de l’équation différentielle stochastique suivante : dX(t) = dB(t) − 1/2 W’(X(t))dt où B est un mouvement brownien standard et W, le milieu, est un processus càd-làg qui n’est pas nécessairement dérivable (l’EDS précédente n’a alors qu’un sens formel). Schumacher [69] et Brox [17] ont montré que dans le cas où W est un mouvement brownien, la diffusion X a un comportement sous-diffusif et se localise au voisinage de certains points du milieu. Cette thèse est principalement consacrée à l’étude du comportement asymptotique du processus des temps locaux de X. Ce processus LX(t, x) représente le temps passé par X au point x avant le temps t. C’est donc un outil bien adapté pour étudier la localisation de la diffusion. On décrit ici la loi limite du temps local lorsque le milieu est un mouvement brownien standard ou plus généralement un processus de Lévy stable. On s’intéresse également au temps passé par la diffusion au voisinage des points les plus visités et au comportement asymptotique presque sûr du maximum du temps local. Dans la dernière partie de la thèse, on utilise le temps local d’une version discrète du modèle, pour obtenir des informations sur le milieu. Le but étant d’appliquer ce modèle au séquençage de l’ADN.
-Processus en milieu aléatoire
A diffusion in random environment is the solution of the following stochastic differential equation: dX(t) = dB(t) − 1/2 W’(X(t))dt where B is a standard Brownian motion and W a càd-làg process which is not necessarily differentiable (the previous SDE has then only a formal sense). Schumacher [69] and Brox [17] have shown that the diffusion X has a sub-diffusive behavior when W is also a standard Brownian motion. Moreover they point out a localization phenomena for X. This thesis is principally devoted to the description of the asymptotic behavior of the local time process of X. The local time LX(t, x) represents the time spent by X before t at point x. This is thereby a useful tool to study the localization of the diffusion. Here is described the limit law of the local time when the environment is a Brownian motion or more generally a stable Lévy process. We are also interested in the time spent by X in the neighborhood of the most visited points and in the almost sure asymptotic behavior of the maximum of the local time. In the last chapter of the thesis the notion of local time is used in a discrete version of the model to obtain informations on the environment. The goal is to apply this model to DNA sequencing.
-Processes in random environment
Source: http://www.theses.fr/2010ORLE2036/document

Informations

• Publié par: Thesee
• Nombre de lectures: 29
• Langue: English
• Poids de l'ouvrage: 1 Mo

Extrait

UNIVERSITÉ D’ORLÉANS
ÉCOLE DOCTORALE SCIENCES ET TECHNOLOGIES
Laboratoire de Mathématiques et Applications, Physique
Mathématique d’Orléans
THÈSE présentée par :
Roland DIEL
soutenue le : 03 Décembre 2010
pour obtenir le grade de : Docteur de l’université d’Orléans
Discipline : Mathématiques
TEMPS LOCAL ET DIFFUSION EN
ENVIRONNEMENT ALÉATOIRE
THÈSE dirigée par :
M. Romain ABRAHAM Professeur, Université d’Orléans
RAPPORTEURS :
Mme Nina GANTERT Professeur, Westfälische Wilhelms-Universität
M. Zhan SHI Professeur, Université Paris VI
JURY :
M. Dominique LÉPINGLE Professeur, Université d’Orléans, Président du jury
M. Romain ABRAHAM Professeur, Université d’Orléans
M. Pierre ANDREOLETTI Maître de conférence, Université d’Orléans
M. Francis COMETS Professeur, Université Paris VII
M. Nathanael ENRIQUEZ Professeur, Université Paris X
M. Yueyun HU Professeur, Université Paris XIII
tel-00590440, version 1 - 3 May 2011tel-00590440, version 1 - 3 May 2011TEMPSLOCALETDIFFUSIONEN
ENVIRONNEMENTALÉATOIRE
Thèse présentée par
Roland DIEL
Sous la direction de
Romain ABRAHAM
Co-encadrée par
Pierre ANDREOLETTI
Université d’Orléans - Laboratoire MAPMO
3 décembre 2010
tel-00590440, version 1 - 3 May 20111
tel-00590440, version 1 - 3 May 2011Remerciements
Je tiens tout d’abord à remercier Romain Abraham et Pierre Andreoletti
pour m’avoir proposé ce sujet et m’avoir encadré pendant ces trois années.
Leurs connaissances et leur disponibilité m’ont été précieuses
Je remercie Nina Gantert et Zhan Shi d’avoir accepté de rapporter cette
thèse bien qu’ils ne puissent malheureusement être présents aujourd’hui. Je
suis également très reconnaissant à Francis Comets, Nathanaël Enriquez et
Yueyun Hu d’avoir accepté de faire parti de mon jury.
Je voudrais saluer les membres du laboratoire qui m’ont fourni un cadre
de travail agréable et motivant pendant ces trois années de thèse. Je pense
particulièrement aux autres doctorants. Un grand merci aux secrétaires et
aux informaticiens du laboratoire pour leur efficacité et leur gentillesse.
Je tiens aussi à remercier ma famille, notamment mes parents, pour
m’avoir toujours soutenu dans mes études.
Finalement, merci à Claire.
2
tel-00590440, version 1 - 3 May 2011Table des matières
1 Introduction 5
1.1 Marche aléatoire en milieu aléatoire . . . . . . . . . . . . . . . 5
1.2 Diffusion en milieu aléatoire . . . . . . . . . . . . . . . . . . . 8
1.3 Processus des temps locaux . . . . . . . . . . . . . . . . . . . 12
1.4 Construction du modèle en temps continu . . . . . . . . . . . 16
1.5 Description des résultats obtenus . . . . . . . . . . . . . . . . 17
2 Limite en loi du temps local en milieu brownien 24
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.1.1 The model . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.1.2 Preliminary definitions and results . . . . . . . . . . . 26
2.1.3 Basic facts for diffusion with potential . . . . . . . . . 30
2.2 Asymptotics for the local time L and its inverse σ . . . . 32X Xα α
αh(α)2.2.1 Asymptotic behavior of L at time σ (e ,m) . . 32X Xα α
αh(α)2.2.2 Asymptotic behavior of σ (e ,m) . . . . . . . . . 35Xα
2.3 Proof of the main results . . . . . . . . . . . . . . . . . . . . 43
2.3.1 Proof of Theorem 2.1.3 . . . . . . . . . . . . . . . . . 43
2.3.2 Proof of Theorems 2.1.1 and 2.1.2 . . . . . . . . . . . 45
3 Temps local en milieu Lévy stable 48
3.1 Introduction. . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.2 Standard valley of a Lévy process. . . . . . . . . . . . . . . . . 51
3.2.1 Lévy process onR. . . . . . . . . . . . . . . . . . . . . 51
3.2.2 Valley of the Lévy process onR . . . . . . . . . . . . . 53+
3.2.3 Stable Lévy process . . . . . . . . . . . . . . . . . . . . 60
3.3 Diffusion in a random environment . . . . . . . . . . . . . . . 65
3.3.1 Asymptotic behavior of a diffusion in a stable environ-
ment . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.3.2 Limit law of the renormalized local time . . . . . . . . 69
3
tel-00590440, version 1 - 3 May 20114 Comportementasymptotiquepresquesûredutempslocalen
milieu brownien 77
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.2 Three useful theorems and some technical estimates . . . . . . 80
4.3 Estimates on the environment . . . . . . . . . . . . . . . . . . 85
4.4 Asymptotic behavior ofL at particular times . . . . . . . . . . 89
4.5 Asymptotics of local time in deterministic time . . . . . . . . 96
4.6 Proof of Theorems 4.1.1 and 4.1.2 . . . . . . . . . . . . . . . . 99
4.6.1 Maximum and minimum speed . . . . . . . . . . . . . 100
4.6.2 End of the proof of Theorem 4.1.1 . . . . . . . . . . . . 106
4.6.3 End of the proof of Theorem 4.1.2 . . . . . . . . . . . . 107
5 Une application au décodage de l’ADN 109
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.1.1 The physical approach . . . . . . . . . . . . . . . . . . 109
5.1.2 The model . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.1.3 Some results obtained by the physicists . . . . . . . . . 113
5.1.4 A mathematical point of view . . . . . . . . . . . . . . 113
5.2 Bayes estimator, asymptotics inR and typical number of nee-
ded unzipping R . . . . . . . . . . . . . . . . . . . . . . . . . 115c
5.2.1 Prediction site by site . . . . . . . . . . . . . . . . . . 115
5.2.2 Inferring the whole molecule . . . . . . . . . . . . . . 119
5.2.3 Control of the quality of the estimation for the conti-
nuous time case . . . . . . . . . . . . . . . . . . . . . . 123
5.3 Possible improvements of the method . . . . . . . . . . . . . . 126
5.3.1 Forces depending on the site we are interested in . . . 126
5.3.2 The energy point of view: forces depending on the
values of the environment . . . . . . . . . . . . . . . . 127
4
tel-00590440, version 1 - 3 May 2011Chapitre 1
Introduction
1.1 Marche aléatoire en milieu aléatoire
Pour que le modèle d’un système physique réel soit utilisable en pratique,
il doit êtresuffisamment simple pourpouvoir être étudié mathématiquement.
Cela nécessite de négliger l’effet des irrégularités de l’environnement dans
lequel le système évolue. Cependant les simplifications effectuées peuvent en-
traînerdegrandesdifférencesentrel’évolutiondusystèmemodéliséetl’évolu-
tion dusystème réel. Unemanièrederemédier àcela etdeprendre encompte
cette irrégularité est d’introduire la notion d’environnement non homogène.
Unemanièreclassiquedereprésenter unenvironnement nonhomogèneest
de le considérer comme le résultat d’une expérience aléatoire. On peut alors
étudier l’évolution d’une particule dans de tels milieux. L’aléatoire apparaît
donc sous deux formes dans le modèle : premièrement, dans la construction
du milieu, puis, pour un environnement donné, l’évolution de la particule
dans ce milieu est une seconde source d’aléa.
Historiquement, les premiers modèles mathématiques de milieux aléa-
toires à avoir été introduits sont des modèles discrets car plus simples à
Zdéfinir. Étant donnée une suite p = (p ) ∈]0,1[ , on appelle marche aléa-i i∈Z
toire en milieu p, la marche au plus proche voisin (S ) sur Z vérifiantn n∈N
S = 0 et0
P (S =i+1|S =i) = 1−P (S =i−1|S =i) =p.p n+1 n p n+1 n i
ZOn peut rendre les p aléatoires en munissant l’ensemble ]0,1[ d’une loi dei
probabilitéP. On appelle alors marche aléatoire en milieu aléatoire de loiPR
tout processus (S , n∈N) de loiP = P(dp)P .n p
Ce modèle fut introduit par Chernov [21] en 1967 pour modéliser la ré-
plication de l’ADN puis repris par Temkin [90] en 1972 pour des modèles en
5
tel-00590440, version 1 - 3 May 2011Figure 1.1 – Probabilités de transition
p p p0 1 2
−1 0 1 2 3 Z
1−p 1−p 1−p0 1 2
génétique et en métallurgie. Ce dernier domaine a influencé la terminologie
des milieux aléatoires : la loiP est ainsi appelée loi annealed, «recuite», et la
loi à milieu fixé P , loi quenched, «trempée».p
Pour étudier le comportement des marches en milieu aléatoire, il est
intéressant d’introduire la notion de potentiel : pour tout i ∈ Z, on pose
1−piω = log( ). On définit alors le potentiel V = (V,i∈Z) à valeurs dansRi ipi
par

V = 0, 0 i X V = ω si i≥ 1,i j
j=1
 0 X V = −ω si i≤−1.i j
j=i+1
La marche peut alors être vue comme une particule se déplaçant dans le
potentiel V,
V −ω /2i−1 ie e
P (S =i+1|S =i) = =p n+1 n V V −ω /2 ω /2i−1 i i ie +e e +e
et de nombreux résultats sur le comportement a