HAL Id: hal-01377954
https://hal.archives-ouvertes.fr/hal-01377954
Preprint submitted on 8 Oct 2016
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires
Le processus de Galton-Watson critique s’éteint
Olivier Garet
To cite this version:
Olivier Garet. Le processus de Galton-Watson critique s’éteint. 2016. �hal-01377954�
Le processus de Galton-Watson critique s’´eteint
Olivier Garet 8 octobre 2016
R´ esum´ e
Les chaˆınes de Galton-Watson, ou processus de branchements, font partie de la formation traditionnelle des ´ etudiants en probabilit´ e. Le th´ eor` eme de base concerne l’´ etude de la survie du mod` ele en fonction de la f´ econdit´ e : sauf cas d´ eg´ en´ er´ e, la survie n’est possible que si le taux de f´ econdit´ e d´ epasse 1. La preuve classiquement enseign´ ee est essentiellement analy- tique, reposant sur les fonctions g´ en´ eratrices et des arguments de convexit´ e.
On se propose ici, s’inspirant des travaux de Bezuidenhout et Grimmett, de donner une preuve plus conforme ` a l’intuition probabiliste.
1 Introduction
S’inspirant d’un article de Grimmett et Marstrand sur certaines propri´et´es de la percolation en dimension d ≥ 3, Bezuidenhout et Grimmett ont d´emontr´e dans un article c´el`ebre que le processus de contact s’´eteint au point critique.
Leur technique de preuve a souvent ´et´e utilis´ee pour ´etudier la croissance des mod`eles de population.
Le pr´esent texte se veut une introduction ` a leurs id´ees, dans le cadre de l’exemple simple du processus de Galton-Watson. On montrera ici qu’un pro- cessus de Galton-Waltson non d´eg´en´er´e ne peut s’´eteindre que si sa fertilit´e d´epasse strictement 1. La preuve classiquement enseign´ee – voir par exemple Bena¨ım–El Karoui [1] – est essentiellement analytique. Elle repose sur les fonc- tions g´en´eratrices et des arguments de convexit´e. La preuve pr´esent´ee ici ne fait
´evidemment pas usage des fonctions g´en´eratrices et permet ainsi de retrouver une preuve plus conforme ` a l’intuition probabiliste.
2 Chaˆınes de Galton-Walson : d´ efinition et pro- pri´ et´ es ´ el´ ementaires
Soit ν, µ deux lois sur N . ν est appel´ee loi de reproduction et µ est la loi de la taille de la population initiale.
On appelle chaˆıne de Galton-Waltson de loi initiale µ et de loi de reproduc- tion ν la chaˆıne de Markov de loi initiale µ et de matrice de transition
p i,j =
( ν ∗i (j) si i 6= 0 δ 0 (j) si i = 0
On peut fabriquer une telle chaˆıne comme suit : Soient (X i n ) i,j≥1 des va- riables al´eatoires de loi ν et Y 0 une variable al´eatoire de loi µ ind´ependante des (X i n ) i,j≥1 . On d´efinit par r´ecurrence la suite (Y n ) n≥1 par
∀n ≥ 0 Y n+1 = X
1≤i≤Y
nX i n .
Alors (Y n ) n≥0 est une chaˆıne de Galton-Watson de loi initiale µ et de loi de reproduction ν.
Si je note F n = σ(X i k , i ≥ 1, k ≤ n) et m = R
N x dν(x), on a classiquement E [Y n+1 ] = m E [Y n ] et E [Y n ] = m n E [Y 0 ] (1) On pose τ = inf{n ≥ 0; Y n = 0}.
Th´ eor` eme 1. Si m < 1, P (τ > n) = O(m n ). En particulier P (τ < +∞) = 1.
D´ emonstration. Avec (1), on a P (τ > n) ≤ P (Y n ≥ 1) ≤ E [Y n ] = m n E [Y 0 ].
Th´ eor` eme 2. Si (X n ) n≥0 et (Y n ) n≥0 sont deux chaˆınes de Galton-Waltson ind´ ependantes de mˆ eme loi de reproduction ν , alors (X n + Y n ) n≥0 est encore une chaˆıne de Galton-Waltson de loi de reproduction ν.
D´ emonstration. Comme (X n ) n≥0 et (Y n ) n≥0 sont des chaˆınes de Markov ind´ependantes, ((X n , Y n )) n≥0 est une chaˆıne de Markov, de matrice de passage
p (x,a),(y,b) = ν ∗x (a)ν ∗y (b).
Notons P (x,y) les lois des chaˆınes de Markov canoniquement associ´ees. Il s’agit maintenant de montrer que si l’on pose f (x, y) = x + y, alors (f (X n , Y n )) n≥0
est une chaˆıne de Markov. Pour cela, il suffit de montrer que si x + y = r, alors P (x,y) (f (X 1 , Y 1 ) = p) ne d´epend que r et p. Or, sous P (x,y) , X 1 et Y 1 sont deux variables al´eatoires ind´ependantes de lois respectives ν ∗x et ν ∗y , donc la loi de f (X 1 , Y 1 ) est ν ∗x ∗ ν ∗y = ν ∗(x+y) = ν ∗r . Ainsi, P (x,y) (f (X 1 , Y 1 ) = p) = ν ∗r ({p}) et (X n + Y n ) n≥0 est bien une chaˆıne de Galton-Waltson de loi de reproduction ν. Comme la loi initiale est P X
0
+Y
0= P X
0
∗ P Y
0
= µ 1 ∗ µ 2 , on a le r´esultat voulu.
Dans la suite on notera P i une probabilit´e sous laquelle une suite (Y n ) n≥0
est une chaˆıne de Galton-Watson de loi initiale δ i et de loi de reproduction ν.
Corollaire 1. Soient n, p ≥ 0. On a
— Pour tout n ≥ 0, P n (τ < +∞) = P 1 (τ < +∞) n
— Pour n, p ≥ 0 P n (τ < +∞|F p ) = P 1 (τ < +∞) Y
p.
— Pour n, p ≥ 1, on a P n (τ = +∞) > 0 ⇐⇒ P p (τ = +∞) > 0.
D´ emonstration. Grˆace au th´eor`eme 2 on a
P n+1 (τ < +∞) = P n (τ < +∞) P 1 (τ < +∞),
d’o` u par r´ecurrence P n (τ < +∞) = P 1 (τ < +∞) n . Cela donne le premier point.
Avec la propri´et´e de Markov, on obtient alors le deuxi`eme point. Le dernier point est ´evident.
Corollaire 2. Soit T ≥ 1. (Y T n ) n≥0 est une chaˆıne de Galton-Watson de loi de reproduction P 1
Y
T.
D´ emonstration. Comme (Y n ) est une chaˆıne de Markov, il est bien connu que (Y T n ) n≥0 est une chaˆıne de Markov. Il reste ` a ´evaluer les probabilit´es de tran- sition.
Soit k ≥ 1. En appliquant k−1 fois le th´eor`eme 2,on voit que si (Y t 1 ) t≥0 ,(Y t 2 ) t≥0 ,. . .(Y t k ) t≥0
sont des processus de Galton-Watson ind´ependants de lois initiales respectives δ 1 et de loi de reproduction ν , alors (Y t 1 +. . . Y t k ) t≥0 est un processus de Galton- Watson de loi initiale δ k et de loi de reproduction ν. En cons´equence
P k (Y T = p) = P (Y T 1 + . . . Y T k = p) = P ∗k
Y
T1(p),
ce qui est le r´esultat voulu.
3 Une preuve probabiliste
3.1 Survie dans la zone surcritique
Th´ eor` eme 3. Si m > 1, alors P 1 (τ = +∞) > 0.
D´ emonstration. Soit a avec 1 < a < m. On a
M lim →+∞
Z
x ∧ M dν = Z
x dν = m, donc il existe M tel que R
x ∧ M dν > a. Pour k ≥ n, on a
P k (Y 1 < na) = P (X 1 + . . . X k < na)
≤ P (X 1 ∧ M + . . . X n ∧ M < na)
= P (n E [X 1 ∧ M ] − (X 1 ∧ M + . . . X n ∧ M )) > ( E [X 1 ∧ M ] − a)n)
≤ Var X 1 ∧ M ( E [X 1 ∧ M ] − a)n ,
avec l’in´egalit´e de Tchebitchef. Posons φ(k, x) = P k (Y 1 < x). Soit n > c =
Var (X
1∧M )
E [X
1∧M]−a Avec la propri´et´e de Markov, on a pour A ∈ F t avec A ⊂ {Y t ≥ n} : P (A ∩ {Y t+1 < an}) = E [1 1 A 1 1 Y
t+1<an} ]
= E [1 1 A E [1 1 Y
t+1<an} |F t ]]
= E [1 1 A φ(Y t , an)]
≤ E [1 1 A c/n] = c/n P (A), d’o` u P (Y t+1 ≥ an|A) ≥ 1 − n c .
On en d´eduit par r´ecurrence que pour A t = ∩ t
i=1 {Y t ≥ na t }, on a P n (A t ) ≥
t−1
Q
i=0
1 − c na i
,
d’o` u P n (τ = +∞) ≥ P n (∀t ≥ 0 Y t ≥ na t ) ≥ Q +∞
i=0 1 − na c
i> 0.
3.2 La survie est une propri´ et´ e locale
Th´ eor` eme 4. Soit (Y n ) n≥0 une chaˆıne de Galton-Watson de loi de reproduc- tion ν. On suppose que ν(0) > 0. Alors on a ´ equivalence entre
— ∃N, T ≥ 1 P N (Y T ≥ 2N) > 1 2 .
— P 1 (τ = +∞) > 0.
Avant de faire la preuve, donnons un aper¸cu des id´ees principales :
— Dans le sens direct, l’id´ee est de comparer la chaˆıne avec un processus de Galton-Watson surcritique, puis de conclure ` a l’aide du th´eor`eme 3.
— Le sens r´eciproque est ici assez simple, puisqu’il s’agit essentiellement de montrer que le nombre de particules explose d`es qu’il y a survie. Toute- fois, il faudra avoir ` a l’esprit que si l’´ev`enement local est plus compliqu´e, cette partie-l`a sera en r´ealit´e la plus difficile.
Lemme 1. Si il existe a et n positifs tels que a P N (Y 1 ≥ aN) > 1, alors P 1 (τ =
+∞) > 0.
D´ emonstration. Soient X i n i.i.d. de loi ν. On pose M 0 = 1, Y 0 = N, puis
∀n ≥ 0 Y n+1 = X
1≤i≤Y
nX i n et M n+1 =
M
nX
i=1
aB i n , avec B n i = 1 1 {X
n(i−1)N+1