Séminaire informel de probabilités

Le champ libre gaussien (CLG) en dimension 2 est une fonction généralisée aléatoire qui n'admet pas de valeurs ponctuelles. On ne peut pas définir directement ses puissances, mais il y a une procédure de renormalisation par compensation polynomiale qui permet de définir les puissances de Wick. D'un autre côte, même si le CLG n'a pas de valeurs ponctuelles, on peut définir, via la théorie des processus SLE, ses ensembles de niveau et les composantes connexes de ses ensembles. Ce sont des fractals logarithmiques aléatoires. Dans mon exposé je vais montrer […]

Étant donné un graphe connexe infini G, on construit un sous-graphe aléatoire de G avec densité p en supprimant chaque arête indépendamment avec une probabilité 1-p. Une question fondamentale en théorie de la percolation est de savoir pour quels graphes G il existe une composante connexe infinie dans ce sous-graphe aléatoire pour p suffisamment proche de 1. Un argument classique dû à Peierls dit que c'est le cas dès qu'il existe une borne supérieure exponentielle sur le nombre d'ensembles de coupures minimales dans le graphe. Notre premier théorème a établi […]

Les Beta-ensembles sont une famille de mesures de probabilités sur Rn apparaissant naturellement dans l'étude de certains modèles de matrices aléatoires – les plus connus d'entre eux étant les ensembles invariants orthogonaux : Gaussian Orthogonal Ensemble, resp. Unitary ou Symplectic. Ces mesures se généralisent naturellement à des contextes plus larges, et leur étude se retrouve à la croisée de divers domaines des probabilités: matrices aléatoires, donc, mais aussi physique statistique, combinatoire, systèmes intégrables, etc. Je présenterai quelques aspects de leur étude, en parlant notamment d'une remarquable représentation tridiagonale, de grandes […]

The global fluctuations in models from random matrix theory, random tilings, and non-colliding particle systems are often governed by log-correlated Gaussian fields. In this talk, I will present an operator-theoretic viewpoint based on Jacobi (and CMV) matrices for a broad class of determinantal point processes associated with orthogonal polynomials. Instead of analyzing correlation functions and their asymptotics, this approach captures fluctuations efficiently through the spectral data of the underlying Jacobi operator. The emergence of log-correlated fields can then be traced back to deep results in analysis, such as the Strong […]

Il existe des objets mathématiques paraissant tout à fait distincts, comme certaines matrices aléatoires, une dynamique de populations, une équation aux dérivées partielles stochastique ou encore la fonction Zeta de Riemann, qui partagent des propriétés asymptotiques analogues. Ce qui les relie est l’apparition d’un champ log-corrélé décrivant leurs statistiques à grande échelle, ou de manière équivalente, l’existence d’une structure de marche branchante sous-jacente. Dans cet exposé, j’introduirai certains de ces modèles et tenterai de présenter leurs similitudes ainsi qu’une sélection de résultats connus.

Le problème d’Ulam consiste à déterminer la longueur de la plus longue sous-suite croissante d’une permutation aléatoire de taille n. Diverses méthodes ont permis de montrer que cette longueur est asymptotiquement équivalente à 2\sqrt{n}. Dans cet exposé, je présenterai une preuve de Cator et Groeneboom reposant sur un couplage probabiliste avec un modèle stationnaire. Je montrerai également comment cette approche peut être adaptée pour traiter d’autres problèmes connexes.

L'objectif de la prédiction séquentielle probabiliste est de prédire une suite d'observations révélées une à une, en leur attribuant des probabilités aussi élevées que possible. Ce problème classique en apprentissage et en théorie de l'information est étroitement lié au codage universel et, plus récemment, à la prédiction du prochain token pour les modèles de langage. Dans cet exposé, je rappellerai d'abord des résultats classiques dus à Shtarkov et Rissanen dans les années 80–90. Une question centrale consiste à relier la complexité du problème à la "géométrie" du modèle sous-jacent. Pour […]

Le problème d’Ulam consiste à déterminer la longueur de la plus longue sous-suite croissante d’une permutation aléatoire de taille n. Diverses méthodes ont permis de montrer que cette longueur est asymptotiquement équivalente à 2\sqrt{n}. Dans cet exposé, je présenterai une preuve de Cator et Groeneboom reposant sur un couplage probabiliste avec un modèle stationnaire. Je montrerai également comment cette approche peut être adaptée pour traiter d’autres problèmes connexes.

Les modèles génératifs profonds paramètrent des familles de distributions très flexibles, capables de representer des ensembles de données complexes, tels que des images ou du texte. Ces modèles fournissent des échantillons indépendants provenant de distributions complexes de haute dimension à un coût négligeable. En revanche, échantillonner exactement une distribution cible, comme une loi posterior Bayésienne ou la distribution de Boltzmann d’un système physique, est généralement difficile : soit en raison de la dimensionnalité, de la multimodalité, du mauvais conditionnement, soit d’une combinaison de ces facteurs. Dans cet exposé, je discuterai […]

How many connected graphs have a prescribed degree sequence?This classical combinatorial question turns out to admit a natural probabilistic approach. In joint ongoing work with Sasha Bell and Remco van der Hofstad, we derive asymptotic formulas for the number of connected graphs with a given degree sequence. Our approach is an example of the probabilistic method: rather than counting directly, we introduce a suitable random graph model and study the likelihood that it exhibits a desired structure. Concretely, we construct a random graph in which (an approximation of) the prescribed […]

The Brownian tree is the scaling limit of many random tree models for which the square of the diameter is of the order of the number of vertices. In contrast to this universality, proofs of such convergences commonly rely on model-specific methods. To provide a conceptual understanding of the universality of the Brownian tree, we show that it is uniquely characterized by a uniform self-similar decomposition property. This leads to a general proof scheme for convergences to the Brownian tree that does not require the computation of finite-dimensional limit distributions. […]

Self-repelling walks and processes are stochastic processes that are influenced by their past behaviour, in a way that makes them try to avoid their past trajectory. In this talk, I will first present a toy model for self-repelling random walks introduced by Toth and Werner, which allows to present results and methods that generalise to more complex models. I will then present the « true » self-avoiding walk (TSAW) and state the results from an article by Toth in 1995. Last, I will informally present the « true » self-repelling […]