Analyse des modeles de branchement avec duplication des trajectoires pour l'étude des événements rares

Study of branching splitting models for rare event analysis

• Auteur / Autrice : Agnès Lagnoux
• Direction : Dominique Bakry, Pascal Lezaud
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques. Probabilités
• Date : Soutenance en 2006
• Etablissement(s) : Toulouse 3

Mots clés

Mots clés contrôlés

Monte-Carlo, Méthode de

Processus stochastiques

Transformation de Laplace

Valeurs extrêmes, Théorie des

Analyse mathématique

Probabilités

Mots clés libres

Modèle de branchement avec duplication des trajectoires

Simulation

Fonction de coût – transformée de Laplace

Optimisation

Processus de Galton-Watson

Processus de branchement

Fonction itérée

Evénement rare

Branching splitting models

Simulation

Cost function

Laplace transform

Optimization – Galton-Watson process

Branching process

Iterated function

Are event

Résumé

Nous étudions, dans cette thèse, le modèle de branchement avec duplication des trajectoires d'abord introduit pour l'étude des événements rares destiné à accélérer la simulation. Dans cette technique, les échantillons sont dupliqués en R copies à différents niveaux pendant la simulation. L'optimisation de l'algorithme à coût fixé suggère de prendre les probabilités de transition entre les niveaux égales à une constante et de dupliquer un nombre égal à l'inverse de cette constante, nombre qui peut être non entier. Nous étudions d'abord la sensibilité de l'erreur relative entre la probabilité d'intérêt P(A) et son estimateur en fonction de la stratégie adoptée pour avoir des nombres de retirage entiers. Ensuite, puisqu'en pratique les probabilités de transition sont généralement inconnues (et de même pour les nombres de retirages), nous proposons un algorithme en deux étapes pour contourner ce problème. Des applications numériques et comparaisons avec d'autres modèles sont proposés.

This thesis deals with the splitting method first introduced in rare event analysis in order to speed-up simulation. In this technique, the sample paths are split into R multiple copies at various stages during the simulation. Given the cost, the optimization of the algorithm suggests to take the transition probabilities between stages equal to some constant and to resample the inverse of that constant subtrials, which may be non-integer and even unknown but estimated. First, we study the sensitivity of the relative error between the probability of interest P(A) and its estimator depending on the strategy that makes the resampling numbers integers. Then, since in practice the transition probabilities are generally unknown (and so the optimal resampling umbers), we propose a two-steps algorithm to face that problem. Several numerical applications and comparisons with other models are proposed.