UNIVERSITE
Bénédicte Haas (Université Paris Dauphine)
Limites d’échelle de chaînes de Markov à valeurs entières positives et applications
Considérons une chaîne de Markov à valeurs entières positives partant initialement d’un entier n, qu’on va faire tendre vers l’infini. Sous une hypothèse adéquate (à savoir, sommairement, que les grands sauts sont rares), la chaîne correctement normalisée converge vers un processus de Markov auto-similaire. On discutera plusieurs applications de ce résultat : à la description des limites d’échelle de grands arbres aléatoires, au nombre de collisions dans certains processus de coalescence, ou encore au comportement asymptotique d’une marche aléatoire avec une barrière au niveau n. Cet exposé est basé sur des travaux en collaboration avec Grégory Miermont (Orsay).
Dans la même rubrique :
- Andrés Almansa (Telecom-Paristech)
- Catherine Larédo (INRA)
- Christophe Garban (ENS-Lyon)
- Jean-Baptiste Gouéré (Université d’Orléans)
- Anne-Laure Fougères (Université Lyon 1)
- Laurent Mazliak (Université Pierre et Marie Curie)
- Olivier Pantz (Ecole Polytechnique)
- Julien Berestycki (Université Pierre et Marie Curie)
- Olivier Faugeras (INRIA)
- Nathanaël Berestycki (Statistical Laboratory, Cambridge, UK)
- Thierry Lévy (Université Pierre et Marie Curie)
- Antoine Chambaz (MAP5)
- Sylvain Arlot (Ecole Normale Supérieure)
- J. Chaskalovic (Institut Jean le Rond d’Alembert, Université Pierre et Marie Curie)
- Cristina Butucea (Université de Marne la Vallée)
- Patrick Dehornoy (Université de Caen)
- Damien Simon (Université Pierre et Marie Curie)
- Gérard Ben Arous (Courant Institute of Mathematical Sciences, New York University)
- Emmanuelle Génin (INSERM)
- Christina Goldschmidt (Université de Warwick, UK)
