Mod´
elisation math´
ematique et courbes de croissance
par
Youness Mir
Th`
ese pr´
esent´
ee au D´
epartement de math´
ematiques
en vue de l’obtention du grade de docteur `
es sciences (Ph.D.)
FACULT´
E DES SCIENCES
UNIVERSIT´
E DE SHERBROOKE
Le 19 janvier 2015
le jury a accept´
e la th`
ese de Monsieur Youness Mir dans sa version finale.
Membres du jury
Professeur Fran¸cois Dubeau
Directeur de recherche
D´
epartement de math´
ematiques
Universit´
e de Sherbrooke
Professeur Ali Assani
´
evaluateur externe au programme
D´
epartement des Sciences de l’environnement
Universit´
e du Qu´
ebec `
a Trois-Rivi`
eres
Professeur Alain Chalifour
´
evaluateur externe `
a l’Universit´
e
D´
epartement de math´
ematiques
Universit´
e du Qu´
ebec `
a Trois-Rivi`
eres
Professeur Taoufik Bouezmarni
´
evaluateur interne au programme
D´
epartement de math´
ematiques
Universit´
e de Sherbrooke
Professeur Jean-Marc Belley
pr´
esident rapporteur
D´
epartement de math´
ematiques
`
A ma m`
ere, `
a mon p`
ere,
`
SOMMAIRE
La mod´
elisation math´
ematique est un outil largement employ´
e dans plusieurs
disci-plines des sciences appliqu´
ees. En hydrologie, en biologie, en ´
economie ainsi que d’autres
domaines des sciences naturelles, sociales et humaines, le recours `
a la mod´
elisation
math´
ematique est une d´
emarche de plus en plus fr´
equente. Par exemple, en
hydrolo-gie, plusieurs mod`
eles math´
ematiques sont con¸cus pour d´
ecrire ou pr´
edire la relation
existante entre les hauteurs d’eau et les d´
ebits des rivi`
eres.
Dans le cadre de cette th`
ese nous nous sommes int´
eress´
es au d´
eveloppement de
nou-veaux mod`
eles permettant de mod´
eliser les ph´
enom`
enes de croissance qui n´
ecessitent la
pr´
esence d’une asymptote lin´
eaire croissante ou curviligne. Pour atteindre cet objectif,
l’id´
ee de base a ´
et´
e d’utiliser quelques mod`
eles parmi les plus r´
epandus en pratique et
de les modifier judicieusement (et simplement) de fa¸con `
a introduire une asymptote soit
lin´
eaire soit curviligne tout en conservant leur unique point d’inflexion. La modification
que nous avons introduite conserve aussi le caract`
ere simple et continue de ces mod`
eles
ainsi que la forme lisse et croissante de leurs courbes. Nous obtenons ainsi des mod`
eles
qui r´
epondent aux besoins de la mod´
elisation lorsque les mod`
eles standards ´
echouent.
crois-sance. Nous soulevons ainsi quelques questions sur la forme de leurs courbes. Nous
dis-cutons par la suite la possibilit´
e de modifier ces mod`
eles afin de r´
epondre ad´
equatement
aux besoins de toute relation qui n´
ecessite une courbe croissante avec une asymptote
lin´
eaire ou curviligne. Ces questions seront explor´
ees dans les chapitres qui suivent.
Dans le deuxi`
eme chapitre, nous introduisons une nouvelle cat´
egorie de mod`
eles. Ceux-ci
permettent une approximation des courbes de croissance poss´
edant un point d’inflexion
et qui sont caract´
eris´
ees par la pr´
esence d’une asymptote lin´
eaire croissante. Ces
nou-veaux mod`
eles sont d´
evelopp´
es `
a partir des mod`
eles cit´
es dans le premier chapitre en
ajoutant une asymptote lin´
eaire `
a ces derniers tout en gardant la propri´
et´
e d’unicit´
e du
point d’inflexion. Des r´
esultats num´
eriques sur la performance de ces nouveaux mod`
eles
avec des donn´
ees synth´
etiques sont aussi pr´
esent´
es.
Dans le troisi`
eme chapitre, qui s’inscrit dans le prolongement de nos travaux de
re-cherche, nous pr´
esentons un mod`
ele non lin´
eaire de croissance. Le mod`
ele ´
etudi´
e a une
plus grande flexibilit´
e face `
a des donn´
ees ayant comme caract´
eristiques la pr´
esence d’un
point d’inflexion avec une asymptote concave curviligne ou horizontale. La performance
et l’efficacit´
e de ce mod`
ele ont ´
et´
e test´
ees sur des donn´
ees synth´
etiques et aussi sur un
jeu de donn´
ees r´
eelles.
Dans le quatri`
eme chapitre, nous avons laiss´
e plus de flexibilit´
e au param`
etre qui d´
etermine
la nature de l’asymptote (oblique ou concave). Nous n’avons donc pas impos´
e des contraintes
sur ce dernier afin d’avoir plus de souplesse et par cons´
equent une meilleure
approxima-tion globale des courbes de donn´
ees. Cela nous a conduit `
a des mod`
eles de croissance
avec asymptote convexe ou concave. Ils peuvent n’avoir aucun point d’inflexion, ou en
avoir un ou plusieurs.
Nous avons test´
e les mod`
eles ainsi d´
evelopp´
es sur une situation r´
eelle en hydrologie. Au
total six jeux de donn´
ees recueillis `
a partir du site web des services d’enquˆ
etes g´
eologiques
des ´
Etats-Unis (U.S. Geological Survey) ont ´
et´
e employ´
es `
a cette fin. Plusieurs crit`
eres
ont ´
et´
e utilis´
es afin de comparer les ajustements de ces mod`
eles sur les diff´
erents jeux
de donn´
ees. Nous avons aussi compar´
e la courbe obtenue `
a partir de ces mod`
eles avec
la courbe de tarage d´
evelopp´
ee par les services d’enquˆ
etes g´
eologiques des ´
Etats-Unis
(U.S. Geological Survey) pour chaque jeu de donn´
ees. Les r´
esultats ont montr´
e que nos
mod`
eles sont ad´
equats visuellement et num´
eriquement.
Finalement, dans le cinqui`
eme et dernier chapitre, l’objectif principal est de r´
e´
ecrire
les mod`
eles pr´
esent´
es dans les chapitres ant´
erieurs sous forme d’´
equations diff´
erentielles
en se basant sur les ´
equations diff´
erentielles des mod`
eles standards de croissance associ´
es.
Nous avons abord´
e plus particuli`
erement les mod`
eles lin´
eaire et logistique. Nous avons
introduit le mod`
ele lin´
eaire dans cette ´
etude puisqu’il va nous permettre de comprendre
le comportement du mod`
ele logistique, sachant qu’on peut ´
ecrire ce dernier sous forme
d’une ´
equation diff´
erentielle lin´
eaire avec quelques restrictions. Pour ces deux mod`
eles,
nous avons commenc´
e par ´
enoncer quelques r´
esultats sur le comportement asymptotique
de leurs solutions. Plusieurs exemples sont propos´
es afin de mettre en ´
evidence leurs
comportements. Par la suite, nous avons introduit les conditions sur les coefficients qui
permettent d’´
ecrire ces deux mod`
eles sous forme d’´
equations diff´
erentielles standards.
REMERCIEMENTS
Mes premiers remerciements s’adressent `
a mon directeur de recherche, Monsieur Fran¸cois
Dubeau, professeur titulaire au D´
epartement de math´
ematiques de l’Universit´
e de
Sher-brooke, pour son indispensable soutien tout au long de la r´
ealisation de cette th`
ese. J’ai
beaucoup appr´
eci´
e travailler sous sa direction, d’autant plus que ceci m’a permis
d’ap-profondir mes connaissances grˆ
ace `
a ses judicieux conseils.
Sur un plan plus personnel, je voudrais souligner le soutien de ma famille. Je souhaite
donc remercier ma m`
ere, mon p`
ere, mes sœurs et mes fr`
eres qui m’ont toujours encourag´
e
dans mes ´
etudes. Je remercie ´
egalement et profond´
ement ma femme Sara de m’avoir
en-courag´
e durant la r´
ealisation de ma th`
ese et de m’avoir appuy´
e moralement tout au long
de mes ´
etudes. Sans cette belle famille, que je ne remercierai jamais assez, la r´
ealisation
de ce travail aurait sans doute ´
et´
e beaucoup plus ardue.
Finalement, je d´
edie cette th`
ese `
a ma bien aim´
ee Aya.
Youness Mir
Sherbrooke, janvier 2015
TABLE DES MATI`
ERES
SOMMAIRE
iii
REMERCIEMENTS
vi
TABLE DES MATI`
ERES
vii
LISTE DES TABLEAUX
x
LISTE DES FIGURES
x
INTRODUCTION
1
0.1
G´
en´
eralit´
es
. . . .
1
0.2
Etat de l’art
´
. . . .
1
0.3
R´
esultats obtenus et organisation de la th`
ese
. . . .
4
CHAPITRE 1 — Mod`
eles de croissance avec asymptote horizontale.
8
1.1
Introduction
. . . .
9
1.3
Le mod`
ele logistique
. . . .
12
1.4
Le mod`
ele de Richards ou logistique g´
en´
eralis´
ee
. . . .
14
1.5
Le mod`
ele de Bridge
. . . .
17
1.6
Le mod`
ele de Michaelis-Menten
. . . .
19
1.7
Discussion et Conclusion
. . . .
21
CHAPITRE 2 — Mod`
eles de croissance avec asymptote oblique.
25
2.1
Introduction
. . . .
25
2.2
R´
esultat
. . . .
26
CHAPITRE 3 — Le mod`
ele exponentiel : d’une asymptote horizontale `
a
une asymptote oblique
45
3.1
Introduction
. . . .
45
3.2
R´
esultat
. . . .
46
CHAPITRE 4 — Mod´
elisation de la relation hauteur-d´
ebit en utilisant
des mod`
eles avec asymptote curviligne
63
4.1
Introduction
. . . .
63
4.2
R´
esultat
. . . .
64
CHAPITRE 5 — ´
Etude qualitative des mod`
eles lin´
eaire et logistique avec
coefficients non born´
es
88
5.1
Introduction
. . . .
88
CONCLUSION
108
LISTE DES TABLEAUX
1.1
Liste des mod`
eles.
. . . .
9
LISTE DES FIGURES
1.1
Graphe de la fonction de Gompertz pour b < 0 et c < 0.
. . . .
11
1.2
Graphe de la fonction de Gompertz pour b > 0 et c > 0.
. . . .
12
1.3
Graphe de la fonction logistique pour a > 0, b < 0 et c > 0.
. . . .
13
1.4
Graphe de la fonction logistique pour a > 0, b > 0 et c > 0.
. . . .
14
1.5
Graphe de la fonction de Richards pour a > 0, b > 0 et c > 0.
. . . .
16
1.6
Graphe de la fonction de Richards pour a > 0, b < 0 et c > 0.
. . . .
16
1.7
Graphe de la fonction Bridge pour a > 0 et b > 1.
. . . .
18
1.8
Graphe de la fonction Bridge pour a > 0 et 0 < b < 1.
. . . .
19
1.9
Graphe de la fonction Bridge pour a > 0 et b < 0.
. . . .
20
INTRODUCTION
0.1
G´
en´
eralit´
es
En biologie, en ´
ecologie, en hydrologie, en m´
edecine comme en ´
economie et ainsi que
d’autres domaines des sciences naturelles, humaines et sociales, le d´
eveloppement de
mod`
eles math´
ematiques capables d’interpr´
eter des donn´
ees provenant d’´
etudes
empi-riques a suscit´
e depuis des d´
ecennies l’int´
erˆ
et de plusieurs chercheurs. De nombreux
mod`
eles math´
ematiques ont ´
et´
e con¸cus pour expliquer et pr´
edire les ph´
enom`
enes de
croissance ou de d´
ecroissance qui caract´
erisent les donn´
ees r´
eelles provenant de diverses
´
etudes exp´
erimentales. Par exemple, c’est le cas en biologie, pour pr´
edire la dynamique
d’une population ; en ´
ecologie, pour ´
etudier le comportement d’un syst`
eme ´
ecologique
de diff´
erentes esp`
eces ; en ´
economie, pour d´
ecrire le rendement d’une entreprise ; ou en
hydrologie, pour mod´
eliser la relation hauteur-d´
ebit des rivi`
eres.
0.2
Etat de l’art
´
Plusieurs mod`
eles sont utilis´
es pour la mod´
elisation de donn´
ees issues d’´
etudes
expe-rimentales. Parmi les plus r´
epandus, on rencontre le mod`
ele logistique, le mod`
ele de
Lotka-Volterra (connu aussi sous le nom de mod`
ele proie-pr´
edateur) et plusieurs autres
mod`
eles param´
etriques et non param´
etriques. Dans le cadre de cette th`
ese nous nous
concentrons plus particuli`
erement sur le mod`
ele logistique ainsi que sur quelques
ex-tensions de ce mod`
ele. Propos´
e au dix-neuvi`
eme si`
ecle par le math´
ematicien Verhulst
afin d’´
etudier la dynamique d’une population [Ver38], le mod`
ele logistique (mod`
ele de
Verhulst) est un mod`
ele de croissance largement employ´
e dans plusieurs disciplines des
sciences appliqu´
ees [HJM92, Mur89, Rat83, Rat89, TF05]. Plusieurs extensions de ce
mod`
ele ont ´
et´
e d´
evelopp´
ees au cours du dernier si`
ecle. Parmi ces extensions les plus
fr´
equemment employ´
ees, on rencontre le mod`
ele de Turner [JJKP76], le mod`
ele de
Ri-chards [Ric59], le mod`
ele de Michaelis-Menten (Morgan) [MMF75], le mod`
ele de Bridge
(Weibul) et plusieurs autres [IKJ03, MGT08, Zei93]. Chacun de ces mod`
eles de
crois-sance (sous certaines conditions sur leurs param`
etres) est constitu´
e d’une fonction
conti-nue ayant une forme analytique simple. De plus, ils sont souvent solutions d’´
equations
diff´
erentielles ordinaires d´
ecrivant la dynamique des ph´
enom`
enes ´
etudi´
es. Une litt´
erature
abondante traite de ces mod`
eles ainsi que de leurs applications dans diff´
erentes
dis-ciplines, par exemple en agriculture [IKJ03, JAS92, KIHM05, KPL
+10, MPC11], en
biologie [HJM92, MMF75, Mur89, TW02, Ber57], en ´
economie [SK85], en hydrologie
[BMM07, CKdO01, DMAC11, DMAC12, HM06, LK07, PO06, WTSS99], en m´
edicine
[MB93], en sciences de l’ing´
enierie [SJ96], en sciences aquatiques [Sch81] et en sciences
foresti`
eres [Phi94, YMM97, Zha97], pour ne citer que ces derniers.
Ces mod`
eles ont des valeurs de param`
etres succeptibles de donner une courbe
crois-sante avec un seul point d’inflexion. Une autre caract´
eristique principale de ces mod`
eles
est la pr´
esence d’une asymptote horizontale ou encore une limite constante de
crois-sance. Connue dans la litt´
erature sous le nom de capacit´
e limite ou encore de capacit´
e
de charge, cette constante asymptotique repr´
esente un ´
etat d’´
equilibre du milieu ou de
l’environnement. D´
ependamment du domaine d’´
etude, cette limite peut avoir plusieurs
interpr´
etations. Par exemple, elle sert `
a d´
efinir la taille maximale d’une population que
peut supporter un environnement, ou encore `
a d´
efinir la capacit´
e de production d’une
entreprise ou d’un pays. Cependant, dans de nombreuses situations, il ne semble pas
r´
ealiste de supposer que la capacit´
e d’un milieu demeure constante [MA99, MYA99,
STJS12, SJTS13, SY07]. En fait, cette capacit´
e peut d´
ependre de plusieurs facteurs
et par cons´
equent prendre la forme d’une fonction qui varie par rapport `
a d’autres
va-riables et/ou en fonction du milieu lui-mˆ
eme. Cette fonction peut ˆ
etre lin´
eaire, sinuso¨ıdale
[CHK79], exponentielle [STJS12, SJTS13] ou encore logistique [MYA99]. Elle peut aussi
inclure un aspect al´
eatoire [DNX08, MK12, MK13, SY07].
Dans de telles situations, les mod`
eles de croissance avec une capacit´
e de charge variable
constituent une alternative aux mod`
eles de croissance standard. De nombreux travaux
de recherche font ´
etat de l’int´
erˆ
et et de l’importance de l’utilisation de ces mod`
eles,
en particulier le mod`
ele logistique [MA99, MYA99, STJS12, SJTS13, SY07]. Outre la
flexibilit´
e de ces nouveaux mod`
eles, qui peut d’une mani`
ere ou d’une autre ´
elargir leurs
champs d’applications, la r´
esolution de leurs ´
equations diff´
erentielles aff´
erentes est
com-plexe et n´
ecessite l’utilisation de m´
ethodes d’approximation et de techniques
sophis-tiqu´
ees de l’analyse num´
erique. Un grand nombre d’auteurs ont employ´
e diff´
erentes
techniques afin de d´
eterminer des solutions non triviales approximatives de l’´
equation
diff´
erentielle du mod`
ele logistique avec capacit´
e de charge variable [MA99, MYA99,
STJS12, SJTS13, SY07]. Ils ont aussi ´
etudi´
e le comportement du mod`
ele sur des donn´
ees
provenant de ph´
enom`
enes r´
eels, notamment en ´
ecologie, en biologie, en m´
edecine et en
finance [Ban94, MYA99, SJTS13, SY07].
D’autres auteurs se sont int´
eress´
es plus particuli`
erement aux conditions suffisantes de
l’existence et de l’unicit´
e d’une solution de l’´
equation diff´
erentielle du mod`
ele logistique
avec coefficients variables [Nka00], ainsi que sur quelques extensions de ce mod`
ele [GP03].
Ces auteurs ont montr´
e que si la capacit´
e de charge du milieu est une fonction monotone
born´
ee alors l’´
equation diff´
erentielle logistique poss`
ede une unique solution born´
ee. Ils
ont aussi montr´
e que la limite `
a l’infini de la diff´
erence entre toute solution de l’´
equation
diff´
erentielle du mod`
ele logistique et une fonction capacit´
e born´
ee est nulle [GP03].
Ce-pendant, peu de travaux de recherche ont port´
e sur le cas o`
u la fonction capacit´
e est une
fonction monotone non born´
ee sur son ensemble de d´
efinition.
Plusieurs situations r´
eelles exigent l’utilisation de ces mod`
eles de croissance pour la
mod´
elisation de relations bidimensionnelles rencontr´
ees dans plusieurs domaines des
sciences appliqu´
ees. Par exemple, de telles relations se pr´
esentent en ´
economie, entre
les revenus familiaux et les d´
epenses en biens durables [Tob58], ou en hydrologie, entre
les hauteurs d’eau et les d´
ebits des rivi`
eres (voir le site web de United States Geological
Survey (USGS) pour plus de d´
etails). Ce dernier exemple a constitu´
e le fil conducteur de
nos travaux de recherche. L’allure et la nature des donn´
ees provenant des ´
etudes
hydro-logiques nous ont grandement motiv´
es `
a construire de nouveaux mod`
eles non lin´
eaires
capables de mieux expliquer cette relation.
0.3
R´
esultats obtenus et organisation de la th`
ese
Dans le cadre de cette th`
ese, nous nous sommes pench´
es plus particuli`
erement sur le cas
o`
u la fonction capacit´
e est monotone non born´
ee sup´
erieurement. L’objectif principal ´
etait
de d´
evelopper de (nouveaux) mod`
eles (param´
etriques) non lin´
eaires. Ceux-ci permettent
une approximation globale des courbes de croissance poss´
edant un ou plusieurs points
d’inflexion et qui soient caract´
eris´
es par la pr´
esence d’asymptotes lin´
eaires ou curvilignes.
les plus r´
epandus en pratique [DM11, DMAC11] et de modifier leurs asymptotes
ho-rizontales. Les mod`
eles ainsi construits devraient s’ajuster `
a des donn´
ees dont l’allure
g´
en´
erale est caract´
eris´
ee par la pr´
esence d’une asymptote lin´
eaire ou curviligne. Ces
mod`
eles doivent aussi conserver les propri´
et´
es des mod`
eles standards telles que la
crois-sance de leur courbes et le caract`
ere unique de leur point d’inflexion.
Ces travaux de recherche ont donn´
e lieu `
a la r´
edaction de plusieurs articles publi´
es dans
des revues scientifiques avec comit´
e de lecture ainsi qu’un dernier article en pr´
eparation.
Dans le premier chapitre, qui sert d’introduction pour les chapitres qui suivent, nous
pr´
esentons quelques mod`
eles non lin´
eaires d’ajustement les plus utilis´
es. Ces mod`
eles
sont : le mod`
ele de Gompertz, le mod`
ele logistique, le mod`
ele de Richards, le mod`
ele de
Bridge et le mod`
ele de Michaelis-Menten. Nous ´
etudions en d´
etail chacun de ces mod`
eles
et nous soulevons quelques questions sur la forme g´
en´
erale de leurs courbes. ´
Evidemment,
le chapitre est loin d’ˆ
etre une liste exhaustive des mod`
eles de croissance avec
comporte-ment sigmo¨ıde. Pour plus de d´
etails, nous renvoyons le lecteur aux ouvrages appropri´
es
[HJM92, MB93, Rat83, Rat89, SW89, Tso01, TW02].
Dans le deuxi`
eme chapitre, nous proposons de nouveaux mod`
eles plus flexibles qui donnent
des courbes poss´
edant un seul point d’inflexion avec une asymptote lin´
eaire croissante.
Ces mod`
eles sont issus de l’am´
elioration des mod`
eles pr´
esent´
es dans le premier chapitre.
Les r´
esultats obtenus peuvent ˆ
etre appliqu´
es sur tout mod`
ele poss´
edant les mˆ
emes
ca-ract´
eristiques que ces derniers [MB93, Tso01, TW02]. Les mod`
eles pr´
esent´
es dans ce
chapitre ont la forme suivante,
F (t; θ) = m(t)f(t; ξ),
(1)
o`
u f (t; ξ) est un des mod`
eles pr´
esent´
es dans le Tableau
1.2
, m(t) = pt+q avec p > 0, q
≥ 0
et θ = (p, q, ξ) est un vecteur qui regroupe les param`
etres du nouveau mod`
ele F . Des
exemples num´
eriques sur la mise en oeuvre de ces mod`
eles sur des donn´
ees synth´
etiques
ont montr´
e leur performance et leur efficacit´
e.
Dans le troisi`
eme chapitre, nous introduisons un nouveau mod`
ele de croissance.
Celui-ci permet la mod´
elisation de ph´
enom`
enes qui ont un comportement asymptotique, soit
concave curviligne ou lin´
eaire, avec la pr´
esence d’un point d’inflexion unique. Ce mod`
ele
est donn´
e par
F
E(t; θ) = m
β(t)f
E(t; ξ),
(2)
o`
u f
E(t; ξ) = e
−α/tγ, ξ = (α, γ), m
β(t) = pt
β+ q avec p > 0, 0 < β
≤ 1, q ≥ 0,
α > 0, γ > 1 et θ = (p, β, q, ξ) est un vecteur qui regroupe les param`etres du
nou-veau mod`
ele F
E. Des exemples num´
eriques sur la mise en oeuvre de ce nouveau mod`
ele
appliqu´
e `
a des donn´
ees simul´
ees et sur un jeu de donn´
ees r´
eelles ont montr´
e son efficacit´
e.
Dans le quatri`
eme chapitre, sur six jeux de donn´
ees collect´
es `
a partir du site web du
service d’enquˆ
etes g´
eologiques des ´
Etats-Unis USGS, nous avons effectu´
e une ´
etude
com-parative `
a partir de huit mod`
eles de croissance avec des asymptotes curvilignes. Plusieurs
crit`
eres de comparaison sont utilis´
es `
a cette fin. Nous comparons aussi les r´
esultats de
l’ajustement de ces mod`
eles aux jeux de donn´
ees et aux courbes de tarage (courbes de la
relation hauteur-d´
ebit) d´
evelopp´
ees par les services d’enquˆ
etes g´
eologiques. Les r´
esultats
montrent l’utilit´
e et la performance de ces mod`
eles sur ces jeux de donn´
ees hydrologiques.
Dans le cinqui`
eme chapitre, l’objectif principal est de mettre en lien les mod`
eles ´
etudi´
es
dans les chapitres pr´
ec´
edents avec des ´
equations diff´
erentielles ordinaires dont ils seraient
solutions, cela en pr´
eservant leur comportement asymptotique. Plus particuli`
erement,
nous aborderons les mod`
eles lin´
eaire et logistique. Nous d´
ebuterons par ´
enoncer quelques
r´
esultats sur le comportement asymptotique des solutions des ´
equations diff´
erentielles de
ces deux mod`
eles avec coefficients variables. Une attention plus particuli`
ere sera accord´
ee
aux cas o`
u la capacit´
e de charge est une fonction monotone non born´
ee. Des exemples
concrets sont introduits afin d’illustrer le comportement de ces mod`
eles en fonction de la
fonction capacit´
e.
La m´
ethode d’approximation utilis´
ee pour adapter les mod`
eles aux jeux de donn´
ees est
la m´
ethode des moindres carr´
es. La r´
esolution num´
erique a ´
et´
e faite `
a l’aide du logiciel
MATLAB.
CHAPITRE 1
Mod`
eles de croissance avec
asymptote horizontale.
Ce chapitre se r´
ef`
ere `
a l’article Least squares fitting with single inflection point
growth curve I - the models ´
ecrit en collaboration avec F. Dubeau et qui a ´
et´
e publi´
e
dans la revue Mathematical Modelling and Applied Computing en 2011 [DM11].
Des simulations num´
eriques sur le comportement des mod`
eles ´
etudi´
es dans cet article
utilisant des donn´
ees r´
eelles ont ´
egalement ´
et´
e publi´
ees dans [DMAC11, DMAC12]. Bien
que ces r´
esultats aient ´
et´
e obtenus `
a la maˆıtrise, ce chapitre sert d’introduction aux
chapitres qui suivent.
1.1
Introduction
L’objectif du pr´
esent chapitre est de faire le point sur les mod`
eles de croissance standards
les plus employ´
es en mod´
elisation math´
ematiques dans des domaines appliqu´
es, tels que
les sciences ´
economiques, la biologie, la m´
edecine et l’agriculture [HJM92, Rat83, Rat89,
SW89]. Ces mod`
eles sont le mod`
ele de Gompertz [Ben25], le mod`
ele logistique [Ver38], le
mod`
ele de Richards [Ric59], le mod`
ele de Bridge (de Weibull) [Rat83, SW89] et le mod`
ele
de Michaelis-Menten [Rat83, SW89]. Ils sont ´
enum´
er´
es dans le Tableau
1.1
.
Mod`
ele
fonction
param`
etres
Gompertz
f
G(t) = e
a−be−cta, b, c ∈ R
Logistique
f
L(t) =
1−bea−cta, b, c ∈ R
Richards
f
R(t) = a(1
− be
−ct)
ma, b, c, m ∈ R
Bridge
f
B(t) = a(1
− e
−mtb)
a, b, m ∈ R
Michaelis-Menten
f
M(t) =
ω0kkcc++ωftctcω
0, k, c, ω
f∈ R
Tableau 1.1 – Liste des mod`
eles.
Nous passerons en revue, d’une mani`
ere non exhaustive, ces mod`
eles de croissance tout
en pr´
esentant leurs caract´
eristiques principales. Pour une litt´
erature exhaustive sur ces
mod`
eles ainsi que sur d’autres mod`
eles de croissance, le lecteur pourra se r´
ef´
erer, entre
autres, aux ouvrages suivants [HJM92, MB93, Rat83, Rat89, SW89, Tso01, TW02].
Organis´
e en huit sections, ce chapitre va mettre en place la probl´
ematique li´
ee `
a la
mod´
elisation des relations qui d´
ecoulent de ph´
enom`
enes r´
eels et qui n´
ecessitent des
courbes croissantes poss´
edant un ou plusieurs points d’inflexion avec une asymptote
lin´
eaire croissante ou curviligne. Cette derni`
ere caract´
eristique n’est pas prise en compte
par les mod`
eles standards qui seront discut´
es dans le pr´
esent chapitre. Ceux-ci font
inter-venir des param`
etres qui permettent d’obtenir des courbes croissantes avec un seul point
d’inflexion avec une limite de croissance repr´
esent´
ee par une asymptote horizontale.
1.2
Le mod`
ele de Gompertz
Le mod`
ele de Gompertz [Ben25] est d´
efini par l’´
equation
f
G(t; a, b, c) = e
a−be−ct,
(1.1)
o`
u a, b et c
∈ R. Cette fonction est toujours positive. De plus, les premi`ere et deuxi`eme
d´
eriv´
ee par rapport `
a t sont donn´
ees respectivement par
f
(1) G(t; a, b, c) = bce
−ctf
G(t; a, b, c),
(1.2)
et
f
(2) G(t; a, b, c) = cf
G(1)(t; a, b, c)
be
−ct− 1
.
(1.3)
Si bc > 0, la fonction est croissante et on peut distinguer deux cas.
– Si b < 0 et c < 0, be
−ct− 1 < 0 pour tout t, ainsi f
G(2)(t; a, b, c) > 0 et la fonction est
convexe avec
lim
et
lim
t→−∞
f
G(t; a, b, c) = e
a.
Figure 1.1 – Graphe de la fonction de Gompertz pour b < 0 et c < 0.
– Si b > 0 et c > 0, f
G(2)(t; a, b, c) s’annule lorsque be
−ct− 1 = 0, c’est-`a-dire en ˜t =
ln(cb).
La fonction est convexe si t < ˜
t et concave si t > ˜t. Cette fonction a un point d’inflexion
en (˜
t, ˜y) = (
ln(cb), e
a−1). Aussi, nous avons
lim
t→+∞f
G(t; a, b, c) = e
a,
et
lim
t→−∞f
G(t; a, b, c) = 0.
Si bc < 0, la fonction est d´
ecroissante. On se ram`
ene au cas pr´
ec´
edent en rempla¸cant t
par
−t et c par −c.
Figure 1.2 – Graphe de la fonction de Gompertz pour b > 0 et c > 0.
1.3
Le mod`
ele logistique
Le mod`
ele logistique [Ver38] est d´
efini par l’´
equation
f
L(t; a, b, c) =
a
1
− be
−ct,
(1.4)
o`
u a, b et c
∈ R. Notons que nous avons la relation
f
L(t; a, b, c) = a
− f
L(t; a,
1
b
, −c).
Les premi`
ere et seconde d´
eriv´
ees sont respectivement donn´
ees par
f
(1) L(t; a, b, c) =
−
abce
−ct(1
− be
−ct)
2,
(1.5)
et
f
(2) L(t; a, b, c) =
abc
2e
−ct(1 + be
−ct)
(1
− be
−ct)
3.
(1.6)
Nous consid´
erons le cas o`
u a > 0. Pour a < 0, on peut faire une analyse semblable par
sym´
etrie par rapport `
a l’axe des x puisque
|f
L(t; a, b, c)
| = f
L(t;
|a| , b, c).
– Si b > 0 la fonction f
L(t) a une asymptote verticale (une ind´
etermination) en t
∗=
ln(cb).
Si c > 0 la fonction est d´
ecroissante, de plus elle est convexe si t < t
∗et concave si
t > t
∗avec
⎧
⎨
⎩
lim
t→+∞f
L(t; a, b, c) = a
et
t→−∞lim
f
L(t; a, b, c) = 0,
lim
t→t+∗f
L(t; a, b, c) = +
∞ et lim
t→t−∗f
L(t; a, b, c) =
−∞.
Si c < 0 on remplace c par
−c et t par −t et on aura les mˆemes r´esultats qu’au cas
c > 0.
Figure 1.3 – Graphe de la fonction logistique pour a > 0, b < 0 et c > 0.
– Si b < 0, f
L(t; a, b, c) est toujours du mˆ
eme signe que a. Si c > 0 cette fonction est
croissante et sa d´
eriv´
ee seconde s’annule en ˜
t = ln |b|/c. La fonction est convexe si
t < ˜t, concave si t > ˜t et admet un point d’inflexion en (˜t, ˜y) = (
ln|b|c
,
a2). Aussi
lim
t→+∞f
L(t; a, b, c) = a,
et
lim
t→−∞f
L(t; a, b, c) = 0.
Si c < 0, il suffit de remplacer t par
−t et c par −c et on aura les mˆemes r´esultats
qu’au cas c > 0.
Figure 1.4 – Graphe de la fonction logistique pour a > 0, b > 0 et c > 0.
1.4
Le mod`
ele de Richards ou logistique g´
en´
eralis´
ee
L’´
equation du mod`
ele de Richards [Ric59] est donn´
ee par
f
R(t; a, b, c, m) = a(1
− be
−ct)
m(1.7)
o`
u a, b, c et m
∈ R. ´Etant donn´e que m ∈ R, cette fonction est bien d´efinie lorsque
(1
− be
−ct)
≥ 0. Dans ce cas, les premi`ere et seconde d´eriv´ees ont respectivement les
formes suivantes
f
(1) R(t; a, b, c) = abcm
1
− be
−ctm−1e
−ct=
mbce
−ct1
− be
−ctf
R(t; a, b, c),
(1.8)
et
f
(2) R(t; a, b, c) =
−cf
(1) R(t; a, b, c)
[1
− mbe
−ct]
1
− be
−ct.
(1.9)
Comme la fonction f
Rest du signe de a, on consid`
ere le cas o`
u a > 0. Pour a < 0, il
suffit de multiplier les deux termes de l’´
equation (
1.7
) par
−1, prendre g
R(t) =
−f
R(t)
et on aura des r´
esultats similaires au cas a > 0.
On peut distinguer les cas suivants.
– Si b > 0, 1
− be
−ct= 0 si et seulement si t
∗=
ln(cb). Si c > 0, on doit avoir t > t
∗.
Dans ce cas la fonction est d´
ecroissante et convexe si m < 0, croissante et concave
si 0 < m < 1. Si m
≥ 1 cette fonction et toujours croissante et sa d´eriv´ee seconde
s’annule lorsque ˜
t =
ln(mb)c. La fonction est convexe si t
∗< t < ˜t, concave si ˜t < t avec
(˜
t, ˜y) = (t
∗+
ln(cm), a
1
−
m1m) comme point d’inflexion. De plus
lim
t→+∞f
R(t; a, b, c) = a,
et
lim
t→t+∗f
R(t; a, b, c) =
⎧
⎨
⎩
0
si m > 0,
a
si m = 0,
+
∞ si m < 0.
Si c < 0 on remplace t par
−t et c par −c et l’analyse et similaire au cas o`u c > 0.
– Si b < 0 la fonction est d´
efinie sur
R tout entier. Pour c > 0 nous avons
lim
t→+∞f
R(t; a, b, c) = a,
lim
t→−∞f
R(t; a, b, c) =
+
∞ si m > 0,
0
si m < 0.
Cette fonction est d´
ecroissante et convexe si m > 0. Si m < 0 la fonction est croissante
et la d´
eriv´
ee seconde s’annule lorsque ˜
t =
ln(mb)c, ainsi la fonction est convexe si t < ˜
t
et concave si t > ˜
t. Elle admet un point d’inflexion en (˜t, ˜y) = (
ln(mb)c, a(1 −
m1)
m).
Pour c < 0 on remplace c par
−c et t par −t comme pr´ec´edemment.
Figure 1.5 – Graphe de la fonction de Richards pour a > 0, b > 0 et c > 0.
1.5
Le mod`
ele de Bridge
Le mod`
ele de Bridge ou de Weibull [Rat83, SW89] est d´
efini par
f
B(t; a, b, m) = a(1
− e
−mtb)
(1.10)
avec t
≥ 0 et a, b, m ∈ R. Notons que nous pouvons facilement montr´e que
f
B(t; a, b, m) = f
B(
1
t
; a,
−b, m).
Aussi, nous avons f
B(1; a, b, m) = a [1
− e
−m]. Les premi`
ere et deuxi`
eme d´
eriv´
ees de f
B(t)
sont donn´
ees par
f
(1) B(t; a, b, m) = ambt
b−1e
−mt b= ambt
b−1(1
−
f
B(t; a, b, m)
a
),
(1.11)
et
f
(2) B(t; a, b, m) = f
B(1)(t; a, b, m)
(b
− 1) − mbt
bt
, t = 0.
(1.12)
Pour a < 0, il suffit de multiplier les deux termes de l’´
equation (
1.10
) par
−1, prendre
g
B(t) =
−f
B(t) et on aura des r´
esultats similaires `
a ceux obtenus pour a > 0.
Pour a > 0, f
B(1)est du signe de mb et f
B(2)est du signe du produit des signes de f
B(1)et
de ((b
− 1) − mbt
b). Cette derni`
ere expression s’annule lorsque ((b
− 1) − mbt
b) = 0 o`
u
encore si t
b=
b−1mb. Comme t
b> 0, on doit avoir
b−1mb> 0, c’est-`a-dire mb > 0 et b > 1 ou
mb < 0 et b < 1. On peut distinguer plusieurs cas.
– Si m > 0 on a
lim
t→0+f
B(t; a, b, m) =
⎧
⎨
⎩
0
si b > 0,
a(1 − e
−m)
si b = 0,
a
si b < 0,
et
lim
t→+∞f
B(t; a, b, m) =
⎧
⎨
⎩
a
si b > 0,
a(1 − e
−m)
si b = 0,
0
si b < 0.
– Si m < 0 on a
lim
t→0+f
B(t; a, b, m) =
⎧
⎨
⎩
0
si b > 0,
a(1 − e
−m)
si b = 0,
−∞
si b < 0.
et
lim
t→+∞f
B(t; a, b, m) =
⎧
⎨
⎩
−∞
si b > 0,
a(1 − e
−m)
si b = 0,
0
si b < 0.
Ainsi
– Pour b > 1 : si m < 0, la fonction f
Best d´
ecroissante et convexe. Si m > 0 cette
fonction est croissante et sa d´
eriv´
ee seconde s’annule en ˜
t =
b−1mb1/b. Dans ce cas,
la fonction est convexe si t < ˜
t, concave si t > ˜t et admet un point d’inflexion
(˜
t, ˜y) = (
b−1mb1/b, a
1
− e
−b−1b).
– Pour 0 < b < 1 : si m > 0, la fonction f
Best croissante et concave. Par contre, si
m < 0 elle est d´ecroissante et sa d´eriv´ee seconde s’annule en ˜t =
b−1mb
1/b. Dans ce
cas la fonction est convexe si t < ˜
t, concave si t > ˜t et admet un point d’inflexion
(˜
t, ˜y) = (
b−1mb1/b, a
1
− e
−b−1b).
Figure 1.8 – Graphe de la fonction Bridge pour a > 0 et 0 < b < 1.
– Pour b < 0 : si m > 0 la fonction de Bridge est d´
ecroissante et sa d´
eriv´
ee seconde
s’annule en ˜
t =
b−1mb1/b. Elle est ´
egalement convexe si t > ˜
t, concave si t < ˜t et admet
un point d’inflexion (˜
t, ˜y) = (
b−1mb1/b, a
1
−e
−b−1b). Si m < 0 la fonction est croissante
et concave.
1.6
Le mod`
ele de Michaelis-Menten
Le mod`
ele de Michaelis-Menten [Rat83, SW89] est d´
efini par
f
M(t; ω
0, ω
f, k, c) =
ω
0k
c+ ω
ft
cFigure 1.9 – Graphe de la fonction Bridge pour a > 0 et b < 0.
avec ω
0, ω
f, c
∈ R, k > 0 et t ≥ 0. En posant
ϕ(t; c) =
1
1 + t
c.
nous avons
f
M(t; ω
0, ω
f, k, c) = ω
f+ (ω
0− ω
f)ϕ(
t
k
; c).
Ainsi, les premi`
ere et deuxi`
eme d´
eriv´
ees de la fonction f
Msont donn´
ees par
f
(1) M(t; ω
0, ω
f, k, c) =
(ω
0− ω
f)
k
ϕ
(1)(
t
k
; c),
(1.14)
et
f
(2) M(t; ω
0, ω
f, k, c) =
ω
0− ω
fk
2ϕ
(2)(
t
k
; c),
(1.15)
o`
u
ϕ
(1)(t; c) =
−
ct
(c−1)(1 + t
c)
2,
(1.16)
et
ϕ
(2)(t; c) = c
t
(c−2)(1 + t
c)
3[(c + 1)t
c− (c − 1)] ,
(1.17)
sont respectivement les premi`
ere et deuxi`
eme d´
eriv´
ees de ϕ(t; c).
Ainsi f
M(1)est du signe de (ω
0− ω
f)ϕ
(1)et f
(2)M
est du signe de (ω
0− ω
f)ϕ
(2).
Notons que pour la fonction ϕ nous avons les r´
esultats suivants
ϕ(t; c) = 1 − ϕ(t; −c),
lim
t→Xϕ(t; c) =
1
si
σc > 0,
0
si
σc < 0,
avec
σ = +1
si
X = 0
+,
σ = −1 si X = +∞,
et
lim
t→0+ϕ
(1)(t; c) =
− lim
t→0+ϕ
(1)(t;
−c) =
⎧
⎨
⎩
−∞ si 0 < c < 1,
−1 si
c = 1,
0
si
c > 1.
De plus, si
−∞ < c < −1 cette fonction est croissante et sa d´eriv´ee seconde s’annule en
t = ˜t =
c−1c+1
1/c, la fonction est convexe si t < ˜
t et concave si t > ˜t. Si −1 ≤ c < 0 la
fonction est croissante et concave. La fonction est d´
ecroissante et convexe pour 0 < c
≤ 1.
Enfin, si 1 < c < +
∞ elle est d´ecroissante et sa d´eriv´ee seconde s’annule en t = ˜t, et la
fonction est convexe si t > ˜
t et concave si t < ˜t.
1.7
Discussion et Conclusion
Dans ce chapitre, nous avons pr´
esent´
e l’ensemble des mod`
eles standards de croissance que
nous allons ´
etudier dans les chapitres ult´
erieurs. Les mod`
eles, ainsi que les valeurs des
param`
etres susceptibles de donner une courbe croissante avec un point d’inflexion et une
asymptote horizontale sont pr´
esent´
es dans le Tableau
1.2
. Ce tableau contient ´
egalement
les coordonn´
ees du point d’inflexion pour chaque mod`
ele. Notons que l’asymptote du
mod`
ele logistique, le mod`
ele de Richards et le mod`
ele de Bridge est donn´
ee par l’´
equation
y = a. L’asymptote est donn´ee par l’´equation y = e
apour le mod`
ele de Gompertz et
(a) c > 0
(b) c < 0
Figure 1.10 – Graphe de la fonction ϕ(t; c).
par l’´
equation y = ω
fpour le mod`
ele de Michaelis-Menten. Notons que le mod`
ele de
Gompertz est un cas limite des mod`
eles de Richards
(1)et Richards
(2)lorsque m
R
→ ±∞,
b
R→ 0
±, et m
Rb
R→ b
Grespectivement (les indices R et G font respectivement r´
ef´
erence
aux mod`
eles de Richards et de Gompertz). Le mod`
ele logistique est un cas particulier
du mod`
ele de Richards
(2)lorsque m est ´
egale `
a 1 et le param`
etre b est remplac´
e par
−b.
mod`
ele de Hossfeld [Zei93] lorsque ω
0= 0. Le mod`
ele de Bridge est souvent cit´
e dans la
litt´
erature sous le nom de mod`
ele de Weibull [KIHM05, IKJ03, KPL
+10, Zei93].
Mod`eles Fonction f (t; ξ) Param`etres (a, ξ) point d’inflexion
Gompertz fG(t; ξ) = ea−be−ct a ∈ R, b > 0, c > 0 ln(b) c , ea−1 Logistique fL(t; ξ) = a 1− be−ct a > 0, b < 0, c > 0 ln(|b|) c , a 2 Richards(1) f R(t; ξ) = a1− be−ctm a > 0, b > 0, c > 0, m > 1 ln(mb) c , a 1− 1 m m Richards(2) a > 0, b < 0, c > 0, m < 0 Bridge fB(t; ξ) = a1− e−mtb a > 0, b > 1, m > 0 b − 1 mb 1/b , a1− e−b−1b Michaelis-Menten fM(t; ξ) =ω0k c+ ω ftc kc+ tc ω0∈ R, ω0< ωf, k > 0, c > 1 kc − 1 c + 1 1/c , ω0+ ωf 2 − ωf− ω0 2c
Tableau 1.2 – Valeurs des param`
etres des mod`
eles standards.
Les mod`
eles math´
ematiques que nous avons pr´
esent´
es dans le pr´
esent chapitre souffrent
de certaines limites, notamment en ce qui concerne leur comportement asymptotique. Ces
mod`
eles ont tous une limite constante de croissance qui est exprim´
ee par une asymptote
horizontale. Cette constante asymptotique, aussi appel´
ee capacit´
e limite ou capacit´
e de
charge (’carrying capacity’ en anglais), peut correspondre `
a la capacit´
e maximale que
peut atteindre une population ou un organisme en fin de croissance [Ban94, IKJ03, Phi94,
Ber57, Ver38]. Elle peut correspondre aussi `
a la capacit´
e d’absorption ou de production
d’un organisme [Ban94, HJM92, JAS92, MMF75]. Cette limite (de croissance) peut ˆ
etre
caus´
ee par l’intervention de nombreux facteurs environnementaux comme un manque
d’espace, de nourriture, de ressources ou autres param`
etres [Ban94, Ben25, KPL
+10,
MYA99].
Selon plusieurs auteurs [Ban94, Col79, CHK79, Col81, MA99, MYA99, STJS12, SJTS13],
ces mod`
eles de croissance classique ne peuvent ˆ
etre utilis´
es dans la mod´
elisation des
ph´
enom`
enes ou de situations qui n´
ecessitent une capacit´
e limite variable dans le temps.
Dans [Ban94], on trouve plusieurs exemples r´
eels pour lesquels cette capacit´
e est une
fonction exponentielle, logistique, lin´
eaire croissante, d´
ecroissante, hyperbolique ou
si-nuso¨ıdale. Cet auteur a propos´
e des solutions approximatives de l’´
equation diff´
erentielle
du mod`
ele logistique avec capacit´
e de charge variable, et il a ´
etudi´
e leurs comportements
sur des donn´
ees r´
eelles. Hormis le caract`
ere simple du mod`
ele logistique (
1.3
), trouver une
solution explicite de son ´
equation diff´
erentielle avec coefficients variables est une tˆ
ache
compliqu´
ee et quasi-impossible dans la plupart des cas.
Nous proposerons dans les prochaines chapitres de nouveaux mod`
eles. Ces mod`
eles
per-mettent d’une part de prendre en compte les ph´
enom`
enes r´
eels qui n´
ecessitent une
asymp-tote croissante lin´
eaire ou curviligne, et d’autre part, de conserver le caract`
ere lisse de
leur courbes.
CHAPITRE 2
Mod`
eles de croissance avec
asymptote oblique.
2.1
Introduction
Dans ce chapitre, nous pr´
esentons une nouvelle cat´
egorie de mod`
eles non lin´
eaires
pa-ram´
etriques. Ces mod`
eles s’adaptent sur des courbes de donn´
ees croissantes poss´
edant
un seul point d’inflexion et qui sont caract´
eris´
es par la pr´
esence d’une asymptote lin´
eaire
croissante. Ces mod`
eles sont d´
evelopp´
es `
a partir des mod`
eles pr´
esent´
es dans le
pre-mier chapitre en ajoutant une asymptote lin´
eaire. En l’occurrence, les nouveaux mod`
eles
conservent la propri´
et´
e d’unicit´
e du point d’inflexion. Les r´
esultats obtenus peuvent ˆ
etre
appliqu´
es `
a tous les mod`
eles qui poss`
edent les mˆ
emes caract´
eristiques. Des exemples
num´
eriques sur la mise en oeuvre de ces nouveaux mod`
eles sur des donn´
ees synth´
etiques
ont montr´
e leur performance et leur efficacit´
e. Les mod`
eles d´
evelopp´
es dans ce chapitre
ne tiennent pas compte des situations qui n´
ecessitent une asymptote curviligne avec la
pr´
esence d’un ou plusieurs points d’inflexions. Ces situations seront trait´
ees dans les
chapitres qui suivent.
2.2
R´
esultat
Le texte qui suit est constitu´
e de l’article intitul´
e Growth models with oblique
asymptote qui a ´
et´
e publi´
e en collaboration avec Fran¸cois Dubeau en avril 2013 dans le
deuxi`
eme num´
ero du dix-huiti`
eme volume de la revue Mathematical Modelling and
Analysis.
Mathematical Modelling and Analysis www.tandf.co.uk/journals/TMMA
Volume 18 Issue 2, 2013, 1–18 Publisher: Taylor&Francis
Doi:10.3846/13926292.2013.781068 Online ISSN: 1648-3510
c
Vilnius Gediminas Technical University, 2013 Print ISSN: 1392-6292
Growth models with oblique asymptote
F. Dubeau
aand Y. Mir
aa
Universit´
e de Sherbrooke
D´
epartement de math´
ematiques, 2500 Boulevard de l’Universit´
e, Sherbrooke
(Qc), Canada, J1K 2R1.
E-mail: francois.dubeau@usherbrooke.ca
E-mail(corresp.): youness.mir@usherbrooke.ca
Received 14 March 2012; revised 21 Feb 2013; published online April 12, 2013
Abstract.
A class of smooth functions which can be used as regression models for modelling phenomena requiring an oblique asymptote is analyzed. These types of models were defined as a product of a linear function and some well known growth models. In addition to their increasing character with an oblique asymptote, the re-sulting models provide curves with a single inflection point.Keywords: Growth models, oblique asymptote, single inflection point. AMS Subject Classification: 26A48, 65D10, 62J02.
1
Introduction
Growth curve modelling using functions with an oblique asymptote and one or
several inflection points are of interest in practice. Indeed, in economy smooth
convex increasing curves with an oblique asymptote were considered in [30] to
establish a relationship between household income and expenditure. In
hydrol-ogy, for fitting the rating curves, it could be usefull to have growth functions
with one or more than one inflection point (see the U.S. Geological Survey’s
National Streamflow Information Program web page for more details). Also
modelling with a varying carrying capacity leads to growth curve with more
than one inflection point (see [16, 17] and [29]).
In various fields, growth functions with an horizontal asymptote, such as
Michaelis-Menten, Richards, Gompertz, Logistic, and Bridge functions, are commonly
and widely used, e.g. agriculture [9, 10, 11, 12, 18], biology [8, 19, 20, 31, 1],
economy [27], engineering [26], fishery [25], forestry [22, 33, 35], hydrology
2
F. Dubeau and Y. Mir
[23, 24, 28]. These growth functions are characterized by an horizontal
asymp-tote and a single inflection point [4]. Other growth functions with these
char-acteristics can be found in the literature (see [9], [14], and [34] for example).
In this paper we extend our previous study about the already mentioned
mod-els [4, 5, 6]. We modify them to obtain modmod-els with an oblique asymptote
while keeping the single inflection point property. The structure of the present
paper is as follows. In Section 2 we start with a general study of our modified
model and obtain its main properties. In Section 3, using the analysis done
in the preceding section, we modify some growth functions having a horizontal
asymptote to obtain models having an increasing linear asymptote. Finally in
Section 4 we present some numerical examples on synthetic data.
2
Main results
Let us start with a general growth model f (t), defined and twice continuously
differentiable on an interval (T
0, +
∞), and having the following basic
proper-ties:
• f(t) ≥ 0 is an increasing function on (T
0, +
∞),
• f has one and only one inflection point on (T
0, +
∞) at (t
∗, f
∗= f (t
∗)),
• lim
t→T+0