HAL Id: jpa-00207016
https://hal.archives-ouvertes.fr/jpa-00207016
Submitted on 1 Jan 1971
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 abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire
HAL, estdestinée 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 publics ou privés.
Modèle de fonction aléatoire de couverture applicable aux phénomènes de filiation à base poissonnienne
Pierre-Yves Arquès
To cite this version:
Pierre-Yves Arquès. Modèle de fonction aléatoire de couverture applicable aux phénomènes de filiation à base poissonnienne. Journal de Physique, 1971, 32 (1), pp.1-5. �10.1051/jphys:019710032010100�.
�jpa-00207016�
LE JOURNAL DE PHYSIQUE
MODÈLE DE FONCTION ALÉATOIRE DE COUVERTURE
APPLICABLE AUX PHÉNOMÈNES DE FILIATION
A BASE POISSONNIENNE
Pierre-Yves
ARQUÈS
Faculté des Sciences de Rennes, B. P. 25 A, 35-Rennes
(Reçu
le 23juillet 1970)
Résumé. - On étudie un modèle statistique applicable aux phénomènes de filiation radioactive à plusieurs étages. Chaque événement se traduisant par une réalisation d’une impulsion aléatoire,
on détermine les statistiques des deux premiers ordres de la fonction de couverture associée au
phénomène global, en fonction des différentes lois des retards aléatoires introduits par le phéno-
mène de filiation.
Abstract. - A statistical model is studied which can be applied to radioactive filiation phe-
nomena with several successive emissions. Each event is supposed to produce a realization of a
random impulse, and the two first-order statistical averages of the resultant random function
are derived : they depend of the diverse laws of random delays introduced by the filiation
phenomenon.
1. Introduction. - On a déterminé dans une note
précédente [1] ]
la distributionspectrale énergétique
d’une fonction aléatoire de couverture
stationnaire, engendrée
par des groupes aléatoiresd’impulsions aléatoires, lorsque
les dates de référence despremières impulsions
dechaque
groupe constituent un pro-cessus de renouvellement stationnaire. Ce
modèle, modifié,
peut servir à l’étude desphénomènes
de filia- tion radioactive ou dephénomènes analogues [2],
danslesquels chaque
o mère »engendre
un nombre cons-tant de « filles » dont les influences
respectives
sont différentes et pourlesquels
seproduisent
des pertes de comptage. On rencontre enphysique
nucléaire de nombreuxphénomènes
de filiation radioactive à « nfilles », en
particulier
dans le processus dedésintégra-
tion naturelle de corps radioactifs ou dans l’étude des
produits
de fission dans un réacteur(par exemple
mesure des
caractéristiques
des neutronsretardés).
Ainsi,
parexemple,
la filiation radioactive artifi- cielle[3] :
On peut
également
tenir compte dans lareprésenta-
tionproposée
dans lasuite,
despossibilités
éventuelles de filiations différentes(points
debranchement) qui
seproduisent
avec desprobabilités
données.Des modèles
analogues
ontdéjà
étéétudiés,
enparticulier
par A.Blanc-Lapierre
et P. Dumontet dans le cas d’une seule o fille »[2, 4, 5, 6].
2.
Description
duphénomène
de filiation. - Unphénomène primaire c,
={ E1,g }
seproduit
auxinstants
tl,g
d’un processus de Poisson stationnaire deparamètre
p.Chaque
événement E1,g déclenche une suite de(n - 1)
événements retardés 82,g, 83,g, ..., 8n,g,se
produisant respectivement
aux instantsLes
9K,g
sont des variables aléatoiresindépendantes,
à valeurs
positives
ounulles ;
les9K,9
sontindépen-
dantes des
tK,g ;
pour unmême K,
elles sont de mêmeloi,
et pourront donc êtrereprésentées
par la variable aléatoire0K
ayantqJK(U)
pour fonction caractéristi- que. Cesphénomènes
~, sont détectés par un mêmedispositif
de comptage recevant lephénomène
e cons-titué par la
superposition
des nphénomènes
ei, et intervenant par les deux effets successifs de « pertes de comptage » et « d’association de fonctions de pon- dération »(voir Fig.).
On confondra dans la suite les dénominations des différentsphénomènes
et desprocessus
ponctuels correspondants.
Le
dispositif
de comptage introduit des pertes de comptage transformant BK en eK= {eK,9}’
pareffacement aléatoire de certains
tK,i (K
=1, 2,..., n).
Ces effacements se font par
tirages
au sortindépen-
dants entre eux et
indépendants
destK,9.
Laprobabi-
lité de conserver un
tK,g
est aK, la loi detirage
au sortArticle published online by EDP Sciences and available at http://dx.doi.org/10.1051/jphys:019710032010100
2
étant,
la même pour tous les événements correspon- dantlà
un même K.Le
dispositif
de comptage associe ensuite àchaque
eK,g une fonction aléatoire de
pondération,
réelle oucomplexe, HK,g(t).
Les réalisations deHK’9(t)
sontsupposées
pourvues chacune d’une transformée deFourier,
elle-même réalisation d’une fonction aléa- toirehK,g(v).
Les fonctions aléatoiresHK,g(t) (ou hK,g(v))
sont, pour un même K, de même loi de pro-babilité,
et seront donc éventuellementreprésentées
par
HK(t) (ou hK(v)). Pour g # g’, quels
que soientK et
K’,
les fonctionsHK,,
etHK’g’ (ou hKA
ethK’,,’)
sont
supposées indépendantes
entre elles. Par contre,pour un même g, les
HKg (ou
leshK9)
sontsupposées
corrélées entre
elles,
de covarianceindépendante de g ;
on pose(vêt
1 E[1, n]) :
Les différents ensembles de
quantités
aléatoires{ cK, K = 1, 2, ..., n 1, {HK,
9K=1,2,...,n}
ou{ hR, K = 1, 2, ..., n}, {OK, K
=1, 2, ..., n}
sontindépendants
entre eux. Il en est de même des ensem-bles de fonctions associés à
des g
différents.Le comptage associe donc au processus c par l’inter- médiaire du processus e formé par la
superposition
des n processus de
Poisson eK
nonindépendants
entreeux, la fonction aléatoire de couverture :
Le processus d’effacement aléatoire peut être
repré-
senté par
l’association,
àchaque
BK,g’ de la fonction depondération qKg HKg(t),
danslaquelle
qK,g est une variable aléatoire pouvantprendre
les valeurs 0 et 1avec les
probabilités (1 - ax)
et aR. Les qx,8 sont toutesindépendantes
entre elles et destK,i (quels
que soientK,
i etg).
La fonction de couverture s’écrit alors :On
représentera
dans la suite par:R{ Z}
lapartie
réelle de Z, par Z* le
complexe conjugué
de Z,par
c5(v)
la distribution de Dirac en v = 0 et par( f
*g) (t)
leproduit
de convolution de deux fonctionsf et g
de la variable t.3.
Statistiques
des deuxpremiers
ordres deX(t).
- 3.1 La fonction aléatoire
X(t)
peut êtreconsidérée,
suivant le modèle déduit de celui de
[1,7]
comme lafonction de couverture
engendrée
par des groupes den
impulsions,
les dates de référence despremières impulsions
dechaque
groupe constituant le processus de Poisson el. Les groupes sontstatistiquement
indé-pendants
et peuvent éventuellement se superposer entre eux. De même lesHK,9(t)
peuvent éventuelle- ment serecouvrir,
et ne sont pas forcément à sup-port
borné ;
elles sontcependant supposées
telles que les calculs ultérieurs serontjustifiés,
assurant enparticulier
la convergence deX(t).
On a donc :(en
posant03B80,g
= 0quel
que soitg).
Les
R9(t)
sont des fonctions aléatoiresindépendantes,
de même loi de
probabilité,
et seront donc éventuel- lementreprésentées
parR(t).
Il en est de même des fonctions aléatoiresr,(v)
dont les réalisations sont les transformées de Fourier des réalisations deRg(t)
etqui
pourront êtrereprésentées
parr(v).
En raison deshypothèses
faites(stationnarité de E1
et même loi pour lesRg),
la fonction aléatoireX(t)
est stationnaire.3.2. Le
premier
moment(ou
valeurmoyenne)
et la distribution
spectrale énergétique
deX(t)
sontdonnés par les relations
[2, 8]
Le calcul de
E { X}
et deyx(v)
peut se faire en suivantun
développement analogue
à celui de[7].
La transformée de Fourier de
Rg(t)
s’écrit :On déduit donc de
(8) :
On déduit
également
derg(v) :
c’est-à-dire :
où qJ j
représente
la fonctioncaractéristique
de lavariable
aléatoire Oj
et où CKI est définie par(2).
La distribution
spectrale
deX(t)
s’écrit doncd’après (9) :
Le coefficient de
p2 b(v)
dans la formule(11)
peutencore s’écrire :
En
appelant XK(t)
la fonction aléatoireengendrée
parle seul processus eK, de distribution
spectrale énergéti-
que
YK(V),
on peutexprimer E { X}
sous la forme :La distribution
spectrale
deXK(t)
étant :3.3. Par transformation de Fourier de
yx(v)
on peut déterminer la fonction de corrélation
rx(7:)
de
X(t)
en fonction des densités deprobabilité
pu(supposées existantes)
des variables aléatoires9K,
des fonctions de corrélation
rK(7:)
des processusXK(t)
et des moyennes et des covariancesC,I(tl, t2)
des fonctions aléatoires
HK(t).
La covariance
CKI
est définie par(1)
et l’on a :Une fonction de corrélation
r(7:)
se déduit de la listributionspectrale énergétique correspondante
par :En
désignant
par = lespaires
de fonctions trans-formées de Fourier l’une de l’autre on obtient :
4
3.4. Dans le cas de la filiation
unique,
c’est-à-dire
lorsque n
=2,
les formules(12), (14)
et(18)
se réduisent à :
Si
Hl
etH2
sont des fonctions certaines etréelles,
la formuleprécédente
devient :On retrouve alors la formule
(3)
de[5].
4. Cas où la filiation comporte des
points
de branche-ment. 2013 On suppose
qu’à
certainsétages
de la suitede
(n - 1) filiations,
il y aplusieurs
filiationspossibles (points
debranchement),
s’excluantmutuellement,
et
correspondant
à destirages
au sortindépendants
entre eux et effectués avec des
probabilités
donnéesconstantes.
La fonction aléatoire
X(t)
peut alors être considéréecomme la somme de
plusieurs
fonctions aléatoiresX(j)(t),. correspondant
chacune à l’une des filiationspossibles.
LesXU)
se différencient donc par l’inter- médiaire de certaines des fonctions depondération Hx
associées.Chaque X(j)(t)
est associée à unphénomène pri-
maire
Be¡) :
lesBe¡>
sont des processus de Poisson sta- tionnaires déduitsde cl
par lestirages
au sortprécé-
dents et la
superposition
des J processusE1(j)
constituele processus Ci. Les
Be¡>
sont donc des processus indé-pendants
entre eux(voir annexe § 5).
Les fonctions aléatoiresR,,(t)
associées aux instants t 1" étant indé-pendantes
entre elles pourdes g différents,
il en résulteque les
X(j)(t)
sont des fonctions aléatoires station- naires mutuellementindépendantes.
On peut donc écrire :
5. Annexe. - On
déduit,
partirages
au sort indé-pendants,
deprobabilités a
et 1 - a,appliqués
auxpoints
successifs d’un processus de Poisson station- naire e, deux processus de Poisson stationnaires 8(1)et
e(2).
Le processus e ayant p pourparamètre, 8(1)
et
e(2)
ont pa etp(l - a)
pourparamètres respectifs.
Les deux processus de Poisson
8(1)
eta (2)
sont indé-pendants.
En effet :Dans deux intervalles
disjoints :
les deux variables aléatoiresreprésentant
les nombres depoints
de 8sont
indépendantes,
et lestirages
au sort successifssont
indépendants ;
les deux variables aléatoiresreprésentant
les nombres depoints
deE(1)
et a (2)peuplant respectivement
l’un et l’autre de ces inter- vallesdisjoints
sont doncindépendantes.
Dans un même intervalle de
longueur
T : les deux variables aléatoires ni et n2,représentant
les nombres depoints
de8(1)
etE(2) peuplant
cetintervalle,
ontpour loi de
probabilité conjointe (on appelle n
lavariable aléatoire
représentant
le nombre depoints
de e dans cetintervalle) :
les deux variables aléatoires
poissonniennes
n, et n2 sont doncindépendantes.
Dans deux intervalles non
disjoints :
les variablesaléatoires
représentant
les nombres depoints
de8(1)
ete(2) peuplant respectivement
chacun de cesintervalles,
sont chacune somme de deux variables aléatoirescorrespondant
auxparties disjointe
et nondisjointe
des deuxintervalles ;
ces variables aléatoires composantes sont mutuellementindépendantes ;
iesdeux variables aléatoires nombres de
points
dee(l)
et
e(2)
dans deux intervallesquelconques
sont doncindépendantes.
Si, plus généralement,
on déduit du processus de Poisson a partirage
au sort, selon la méthodeprécé-
dente,
J processus de Poissone(j),
ces J processus sont mutuellementindépendants.
Cecirésulte,
parrécurrence, d’après
cequi précède,
de ce que l’unquelconque
d’entre eux estindépendant
du processus de Poissonsuperposition
des(J - 1)
autres.Bibliographie
[1] ARQUÈS
(P. Y.), BONNET (G.), Sur une fonction aléa- toire de couverture particulière associée à des processus de renouvellement. C. R. Acad. Sci., 1966, Série A, 263, 843.[2] BLANC-LAPIERRE (A.), Modèles statistiques pour l’étude des phénomènes de fluctuations. Masson et Cie, Paris, 1963.
[3] Argonne National Laboratory, Rapport A. N. L.,
n° 5800.
[4] MABBOUX-TARIEL, MABBOUX, Spectre énergétique de certaines fonctions aléatoires de la forme ± 1.
C. R. Acad. Sci., 1956, 243, 1509.
[5] BLANC-LAPIERRE (A.), DUMONTET (P.), Etude d’un modèle statistique introduit par les techniques
de temps de vol ou par l’étude des fluctuations de temps de transit. C. R. Acad. Sci., 1960, 250, 1216.
[6] LANDAUD (G.), MABBOUX
(C.),
Utilisation de la fonc- tion aléatoire X(t) = ± 1 à l’étude des lois dedésintégration de radioéléments à filiations.
C. R. Acad. Sci., 1960, 250, 3310.
[7] ARQUÈS (P. Y.), Sur certains problèmes statistiques
liés à l’effet de Barkhausen. J. Physique, 1968, 29, 369.
[8] BONNET (G.), ARQUÈS (P. Y.), Génération aléatoire de fonctions de couverture associées à des pro-
cessus de renouvellement. C. R. Acad. Sci., 1966, Série A, 263, 798.