Ecole Doctorale
Mathématiques et Informatique de Marseille
Spécialité
Mathématiques
Etablissement
Aix-Marseille Université
Mots Clés
Loi des Grands Nombres,Théorème central limite,principe de grandes déviation,modèles stochastiques des épidémies,
Keywords
Law of Large numbers,Central limit theorem,Large deviations Principle,stochastic epidemics models,
Titre de thèse
Modèles stochastiques des épidémies en espace continu: Loi des grands nombres, Théorème central limite et grandes déviations.
Stochastic epidemics models in continuous space: Law of large numbers, cenral limit theorem and large deviations.
Date
Vendredi 25 Mars 2022 à 14:00
Adresse
3 Pl. Victor Hugo, 13003 Marseille salle de séminaire 2 étage Frumam
Jury
Directeur de these |
Mme Fabienne CASTELL |
Aix Marseille Université |
Rapporteur |
M. Arnaud DEBUSSCHE |
ENS Rennes |
Rapporteur |
M. Nils BERGLUND |
Université d'Orléans |
CoDirecteur de these |
M. Etienne PARDOUX |
Aix-Marseille Université |
Examinateur |
M. Ingemar KAJ |
Uppsala Universitet |
Examinateur |
M. Viet Chi TRAN |
Université Gustave Eiffel |
Examinateur |
M. Samuel BOWONG |
Université de Douala |
Examinateur |
M. Gallouet THIERRY |
Aix-Marseille Université |
Résumé de la thèse
Le but de cette thèse est détudier les modèles stochastiques dépidémies spatiales avec infection non locale. Nous définissons le taux dinfection dun susceptible en fonction dun paramètre de lintervalle [0, 1] et selon que se paramètre vaut 0, 1 ou appartient à (0, 1) justifie lobjet des trois premiers chapitre. Dans le premier chapitre nous considérons un modèle SIR stochastique dépidémie pour une population de taille constante qui se déplace sur un ensemble compact. Pour des raisons mathématiques nous ne tenons pas compte de la topographie de lespace et supposons que les individus
se déplacent tous avec un même taux de diffusion. Dans un premier temps nous supposons que le taux de diffusion est une constante strictement positive ensuite nous supposons quil est nul (cela fait référence à lépidémie des plantes). Dans les deux cas le taux dinfection dun susceptible que nous considérons permet de retrouver à la limite loi des grands un modèle déterministe spatiale dont le terme dinfection est celui le plus retrouvé dans la littérature. Nous étudions également dans les deux cas, les fluctuations autour de la limite loi des grands nombres du modèle stochastique, à laide du théorème central limite. Chacune des limites est un processus dOrnstein-Uhlenbeck solution dun système déquations aux dérivées partielles stochastiques.
Létude dun modèle SIR stochastique dépidémie pour une population qui se déplace l'ensemble des nombres réels de dimension d fait lobjet du deuxième chapitre. Dans le premier chapitre le terme dinfection considéré ne tient pas compte de la densité de la population autour dun individu. Ainsi dans ce chapitre, nous remédions de façon partielle à cette situation. En effet dans notre expression du taux dinfection dun individu susceptible, le taux de contact dun individu infectieux dépend de
sa position par lintermédiaire dune fonction dont la valeur en un site peut refléter la densité moyenne de la population à ce site mais pas la densité locale exacte de la population du modèle stochastique. Nous supposons également que les individus se déplace suivant un processus dItô général. Létude de la loi des grands nombres est plus simple et donne à sa limite un modèle déterministe dépidémie spatiale dont on retrouve dans la littérature. Nous étudions également à partir du théorème central limite les fluctuations autour de la limite loi des grands nombres
du modèle stochastique.
Le troisième chapitre étudie un modèle SIR stochastique dépidémie pour une population de taille constante qui se déplace sur ladhérence dun ouvert borné à frontière suffisamment régulière. Nous supposons que le flux à la frontière est nul en imposant les conditions de Neumann aux bords. Les individus se déplacent dans le domaine spatiale suivant un processus dItô normalement réfléchi à la frontière. Contrairement au deuxième chapitre, lexpression du taux dinfection considéré ici laisse apparaitre un terme qui représente la densité locale exacte de la
population en site bien déterminé. Létude de la loi des grands nombres dont la limite est un système déquation différentielle parabolique de second ordre se fait sur louvert borné décrit précédemment. Létude du théorème central limite quand à elle se fait sur le tore et donne à sa limite un un processus dOrnstein-Uhlenbeck solution dun système déquations aux dérivées partielles stochastiques.
Dans le chapitre 4, nous étudions la dynamique dune maladie infectieuse au sein dune population répartie sur un compact, dans le cadre dun modèle SIS. À laide des grandes déviations, on donne une estimation du temps mis par les perturbations aléatoires pour éteindre une situation
endémique.
Thesis resume
In this thesis we study spatial stochastic epidemics models with non-local infection. We define the infection rate of a susceptible as a function of a parameter of the interval [0, 1] and depending on whether this parameter is 0, 1 or belongs to (0, 1) justifies the object of the first three chapters.
In the first chapter we consider a stochastic SIR epidemic model for a population of constant size moving on a compact set. For mathematical reasons we do not take into account the topography of the space and assume that all the individuals move with the same diffusion rate. We firstly assume that the diffusion rate is a positive constant, then we assume that it is zero (to refers to the plants epidemic). In both cases the infection rate of a susceptible allow us to obtain at the law of large numbers limit a spatial deterministic model whose infection rate is the most found in the literature. We also study in both cases, the fluctions around the law of large numbers limit of the stochastic model, using the central limit theorem. Each limit is an Ornstein-Uhlenbeck process, solution of a system of stochastic partial differential equations.
The study of a stochastic SIR model of an epidemic for a population moving on the space of real numbers of dimension d is the subject of the second chapter. In the first chapter the infection term considered does not take into account the population density around an individual. Thus in this chapter, we remedy in a partial way this situation. Indeed in our expression of the infection rate of a susceptible individual, the contact rate of an infective individual depends on its position by the intermediary of a function whose value in a site can reflect the average density of the population at this site
but not the exact local density of the population of the stochastic model. We also assume that individuals move according to a general Itô process. The study of the law of large numbers is simpler and gives at its limit a deterministic model of spatial epidemics which is found in the literature. We also study the fluctions around the law of large numbers limit of the stochastic model, through the central limit theorem .
The third chapter studies a SIR stochastic epidemic model for a population of constant size moving on the closure of a open and bounded domain with a sufficiently smooth boundary. We assume that the flow at the boundary is zero by imposing Neumann conditions on the boundary. Individuals move in the spatial domain following a normally reflected at the boundary Itô process. Contrary to the second chapter, the expression of the rate of infection considered here allows the appearance of a term which represents the exact local density of the population in a well determined site. The study of the law of large numbers whose limit is a system of parabolic differential equation of second order is done on the open and bounded domain described above. The study of the central limit theorem is done on the torus and gives at its limit an Ornstein-Uhlenbeck process solution of a system of stochastic partial differential equations.
In chapter 4, we study the dynamics of an infectious disease in a population distributed over a compact set, in the framework of an SIS model. Using large deviations, we give an approximation of the time taken by the random pertubations to extinct an endemic situation.