Les modèles de mutations décrivent le processus d’apparitions rares et aléatoires de mutations au cours de lacroissance d’une population de cellules. Les échantillons obtenus sont constitués de nombres finaux de cellules mutantes,qui peuvent être couplés avec des nombres totaux de cellules ou un nombre moyen de cellules en fin d’expérience.La loi du nombre final de mutantes est une loi à queue lourde : de grands décomptes, appelés “jackpots”,apparaissent fréquemment dans les données.Une construction générale des modèles se décompose en troisniveaux. Le premier niveau est l’apparition de mutations aléatoires au cours d’un processus de croissance de population.En pratique, les divisions cellulaires sont très nombreuses, et la probabilité qu’une de ces divisions conduise à une mutation est faible,ce qui justifie une approximation poissonnienne pour le nombre de mutations survenant pendant un temps d’observation donné.Le second niveau est celui des durées de développement des clones issus de cellules mutantes. Du fait de la croissance exponentielle,la majeure partie des mutations ont lieu à la fin du processus, et les durées de développement sont alors indépendanteset exponentiellement distribuées. Le troisième niveau concerne le nombre decellules qu’un clone issu d’une cellule mutante atteint pendant une durée de développement donnée.La loi de ce nombre dépend principalement de la loi des instants de division des mutantes.Le modèle classique, dit de Luria-Delbrück, suppose que les développements cellulaires des cellules normales aussi bien que mutantess’effectue selon un processus de Yule. On peut dans ce cas calculer expliciter la loi du nombre final de mutantes.Elle dépend de deux paramètres, qui sont le nombre moyen de mutations et le paramètre de fitness (ratio des taux de croissance des deux types de cellules).Le problème statistique consiste à estimer ces deux paramètres au vu d’un échantillon denombres finaux de mutantes. Il peut être résolu par maximisation de la vraisemblance,ou bien par une méthode basée sur la fonction génératrice. Diviser l'estimation du nombre moyen de mutations par le nombre total de cellulespermet alors d'estimer la probabilité d’apparition d’une mutation au cours d’une division cellulaire.L’estimation de cette probabilité est d’une importancecruciale dans plusieurs domaines de la médecine et debiologie: rechute de cancer, résistance aux antibiotiques de Mycobacterium Tuberculosis, etc.La difficulté provient de ce que les hypothèses de modélisation sous lesquelles la distribution du nombre final de mutants est explicitesont irréalistes.Or estimer les paramètres d’un modèle quand la réalité en suit un autre conduit nécessairement à un biais d’estimation.Il est donc nécessaire de disposer de méthodes d’estimation robustes pour lesquelles le biais, en particulier sur la probabilité de mutation,reste le moins sensible possible aux hypothèses de modélisation.Cette thèse contient une étude probabiliste et statistique de modèles de mutations prenant en compte les sources de biais suivantes : durées de vie non exponentielles, morts cellulaires,variabilité du nombre final de cellules, durées de vie non-exponentielles et non-identiquement distribuées, dilution de la population initiale.Des études par simulation des méthodes considérées sont effectuées afin de proposer, selon les caractéristiques du modèle,l’estimation la plus fiable possible. Ces méthodes ont également été appliquées à desjeux de données réelles, afin de comparer les résultats avec les estimations obtenues avec les modèles classiques.Un package R a été implémenté en collaboration avec Rémy Drouilhet et Stéphane Despréaux et est disponible sur le CRAN.Ce package est constitué des différents résultats obtenus au cours de ce travail. Il contient des fonctions dédiées aux modèles de mutations,ainsi qu'à l'estimation des paramètres. Les applications ont été développées pour le Labex TOUCAN (Toulouse Cancer). / Mutation models are probabilistic descriptions of the growth of a population of cells, where mutationsoccur randomly during the process. Data are samples of integers, interpreted as final numbers ofmutant cells. These numbers may be coupled with final numbers of cells (mutant and non mutant) or a mean final number of cells.The frequent appearance in the data of very large mutant counts, usually called “jackpots”, evidencesheavy-tailed probability distributions.Any mutation model can be interpreted as the result of three ingredients. The first ingredient is about the number of mutations occuring with small probabilityamong a large number of cell divisions. Due to the law of small numbers, the number of mutations approximately follows aPoisson distribution. The second ingredient models the developing duration of the clone stemming from each mutation. Due to exponentialgrowth, most mutations occur close to the end of the experiment. Thus the developing time of arandom clone has exponential distribution. The last ingredients represents the number of mutant cells that any clone developing for a given time will produce. Thedistribution of this number depends mainly on the distribution of division times of mutants.One of the most used mutation model is the Luria-Delbrück model.In these model, division times of mutant cells were supposed to be exponentially distributed.Thus a clone develops according to a Yule process and its size at any given time follows a geometric distribution.This approach leads to a family of probability distributions which depend on the expected number of mutations and the relative fitness, which is the ratio between the growth rate of normal cells to that of mutants.The statistic purpose of these models is the estimation of these parameters. The probability for amutant cell to appear upon any given cell division is estimated dividing the mean number of mutations by the mean final number of cells.Given samples of final mutant counts, it is possible to build estimators maximizing the likelihood, or usingprobability generating function.Computing robust estimates is of crucial importance in medical applications, like cancer tumor relapse or multidrug resistance of Mycobacterium Tuberculosis for instance.The problem with classical mutation models, is that they are based on quite unrealistic assumptions: constant final number of cells,no cell deaths, exponential distribution of lifetimes, or time homogeneity. Using a model for estimation, when thedata have been generated by another one, necessarily induces a bias on estimates.Several sources of bias has been partially dealed until now: non-exponential lifetimes, cell deaths, fluctuations of the final count of cells,dependence of the lifetimes, plating efficiency. The time homogeneity remains untreated.This thesis contains probabilistic and statistic study of mutation models taking into account the following bias sources:non-exponential and non-identical lifetimes, cell deaths, fluctuations of the final count of cells, plating efficiency.Simulation studies has been performed in order to propose robust estimation methods, whatever the modeling assumptions.The methods have also been applied to real data sets, to compare the results with the estimates obtained under classical models.An R package based on the different results obtained in this work has been implemented (joint work with Rémy Drouilhetand Stéphane Despréaux) and is available on the CRAN. It includes functions dedicated to the mutation models and parameter estimation.The applications have been developed for the Labex TOUCAN (Toulouse Cancer).

Cette thèse étudie certaines propriétés fractales et trajectorielles de processus de branchement en temps et espace continus. De façon informelle, ce type de processus est obtenu en considérant l'évolution d'une population où les individus se reproduisent et meurent au cours du temps, et ce de manière aléatoire. Le premier chapitre concerne la classe des processus de branchement avec immigration. On donne une formule semi-explicite pour la transformée de Laplace des temps d'atteinte ainsi qu'une condition nécessaire et suffisante de récurrence-transience. Ces deux résultats illustrent la compétition branchement/immigration. Le second chapitre considère l'arbre Brownien et ses mesures de temps local, dites mesures de niveau. On montre que celles-ci s'obtiennent comme restriction, à une constante près explicitée, d'une certaine mesure de Hausdorff sur l'arbre. Le résultat est montré simultanément pour tous niveaux. Le troisième chapitre étudie le Super-mouvement Brownien associé à un mécanisme de branchement général. Sa mesure d'occupation totale est obtenue comme restriction d'une certaine mesure de packing dans l'espace euclidien. Le résultat est valable en grande dimension. La condition sur la dimension de l'espace ambiant est discutée à travers le calcul, sous des hypothèse de régularité faibles pour le mécanisme de branchement, de la dimension de packing du range total du processus. / This thesis investigates some fractal and pathwise properties of branching processes with continuous time and state-space. Informally, this kind of process can be described by considering the evolution of a population where individuals reproduce and die over time, randomly. The first chapter deals with the class of continuous branching processes with immigration. We provide a semi-explicit formula for the hitting times and a necessary and sufficient condition for the process to be recurrent or transient. Those two results illustrate the competition between branching and immigration. The second chapter deals with the Brownian tree and its local time measures : the level-sets measures. We show that they can be obtained as the restriction, with an explicit multiplicative constant, of a Hausdorff measure on the tree. The result holds uniformly for all levels. The third chapter study the Super-Brownian motion associated with a general branching mechanism. Its total occupation measure is obtained as the restriction to the total range, of a given packing measure on the euclidean space. The result is valid for large dimensions. The condition on the dimension is discussed by computing the packing dimension of the total range. This is done under a weak assumption on the regularity of the branching mechanism.

On s'intéresse dans cette thèse au modèle de la marche aléatoire branchante, un système de particules qui évoluent au court du temps en se déplaçant et se reproduisant de façon indépendante. Le but est d'étudier le rythme auquel ces particules se déplacent, dans deux variantes particulières de marches aléatoires branchantes. Dans la première variante, la façon dont les individus se déplacent et se reproduisent dépend du temps. Ce modèle a été introduit par Fang et Zeitouni en 2010. Nous nous intéresserons à trois types de dépendance en temps : une brusque modification du mécanisme de reproduction des individus après un temps long ; une lente évolution de ce mécanisme à une échelle macroscopique ; et des fluctuations aléatoires à chaque génération. Dans la seconde variante, le mécanisme de reproduction est constant, mais les individus subissent un processus de sélection darwinien. La position d'un individu est interprétée comme son degré d'adaptation au milieu, et le déplacement d'un enfant par rapport à son parent représente l'héritage des gènes. Dans un tel processus, la taille maximale de la population est fixée à une certaine constante N, et à chaque étape, seuls les N plus à droite sont conservés. Ce modèle a été introduit par Brunet, Derrida, Mueller et Munier, et étudié par Bérard et Gouéré en 2010. Nous nous sommes intéressés dans un premier temps à une variante de ce modèle, qui autorise quelques grands sauts. Dans un second temps, nous avons considéré que la taille totale N de la population dépend du temps. / In this thesis, we take interest in the branching random walk, a particles system, in which particles move and reproduce independently. The aim is to study the rhythm at which these particles invade their environment, a quantity which often reveals information on the past of the extremal individuals. We take care of two particular variants of branching random walk, that we describe below.In the first variant, the way individuals behave evolves with time. This model has been introduced by Fang and Zeitouni in 2010. This time-dependence can be a slow evolution of the reproduction mechanism of individuals, at macroscopic scale, in which case the maximal displacement is obtained through the resolution of a convex optimization problem. A second kind of time-dependence is to sample at random, at each generation, the way individuals behave. This model has been introduced and studied in an article in collaboration with Piotr Mi\l{}os.In the second variant, individuals endure a Darwinian selection mechanism. The position of an individual is understood as its fitness, and the displacement of a child with respect to its parent is associated to the process of heredity. In such a process, the total size of the population is fixed to some integer N, and at each step, only the N fittest individuals survive. This model was introduced by Brunet, Derrida, Mueller and Munier. In a first time, we took interest in a mechanism of reproduction which authorises some large jumps. In the second model we considered, the total size N of the population may depend on time.

La théorie classique de la valorisation des produits dérivés se repose sur l'absence de coûts de transaction et une liquidité infinie. Ces hypothèses sont toutefois ne plus véridiques dans le marché réel, en particulier quand la transaction est grande et les actifs non-liquides. Dans ce marché imparfait, on parle du prix de sur-réplication puisque la couverture parfaite est devenue parfois infaisable.La première partie de cette thèse se concentre sur la proposition d’un modèle qui intègre à la fois le coût de transaction et l’impact sur le prix du sous-jacent. Nous commençons par déduire la dynamique de l’actif en temps continu en tant que la limite de la dynamique en temps discret. Sous la contrainte d’une position nulle sur l’actif au début et à la maturité, nous obtenons une équation quasi-linéaire pour le prix du dérivé, au sens de viscosité. Nous offrons la stratégie de couverture parfaite lorsque l’équation admet une solution régulière. Quant à la couverture d’une option européenne “covered” sous la contrainte gamma, le principe de programme dynamique utilisé précédemment n'est plus valide. En suivant les techniques du cible stochastique et de l’équation différentielle partielle, nous démontrons que le prix de la sur-réplication est devenue une solution de viscosité d’une équation non linéaire de type parabolique. Nous construisons également la stratégie ε-optimale, et proposons un schéma numérique.La deuxième partie de cette thèse est consacrée aux études sur un nouveau schéma numérique d'EDSR, basé sur le processus de branchement. Nous rapprochons tout d’abord le générateur Lipschitzien par une suite de polynômes locaux, puis appliquons l’itération de Picard. Chaque itération de Picard peut être représentée en termes de processus de branchement. Nous démontrons la convergence de notre schéma sur l’horizon temporel infini. Un exemple concret est discuté à la fin dans l’objectif d’illustrer la performance de notre algorithme. / Classical derivatives pricing theory assumes frictionless market and infinite liquidity. These assumptions are however easily violated in real market, especially for large trades and illiquid assets. In this imperfect market, one has to consider the super-replication price as perfect hedging becomes infeasible sometimes.The first part of this dissertation focuses on proposing a model incorporating both liquidity cost and price impact. We start by deriving continuous time trading dynamics as the limit of discrete rebalancing policies. Under the constraint of holding zero underlying stock at the inception and the maturity, we obtain a quasi-linear pricing equation in the viscosity sense. A perfect hedging strategy is provided as soons as the equation admits a smooth solution. When it comes to hedging a covered European option under gamma constraint, the dynamic programming principle employed previously is no longer valid. Using stochastic target and partial differential equation smoothing techniques, we prove the super-replication price now becomes the viscosity solution of a fully non-linear parabolic equation. We also show how ε-optimal strategies can be constructed, and propose a numerical resolution scheme.The second part is dedicated to the numerical resolution of the Backward Stochastic Differential Equation (BSDE). We propose a purely forward numerical scheme, which first approximates an arbitrary Lipschitz driver by local polynomials and then applies the Picard iteration to converge to the original solution. Each Picard iteration can be represented in terms of branching diffusion systems, thus avoiding the usual estimation of conditional expectation. We also prove the convergence on an unlimited time horizon. Numerical simulation is also provided to illustrate the performance of the algorithm.

L'objectif de cette thèse est de développer la théorie du contrôle stochastique et ses applications en dynamique des populations. D'un point de vue théorique, nous présentons l'étude de problèmes de contrôle stochastique à horizon fini sur des processus de diffusion, de branchement non linéaire et de branchement-diffusion. Dans chacun des cas, nous raisonnons par la méthode de la programmation dynamique en veillant à démontrer soigneusement un argument de conditionnement analogue à la propriété de Markov forte pour les processus contrôlés. Le principe de la programmation dynamique nous permet alors de prouver que la fonction valeur est solution (régulière ou de viscosité) de l'équation de Hamilton-Jacobi-Bellman correspondante. Dans le cas régulier, nous identifions également un contrôle optimal markovien par un théorème de vérification. Du point de vue des applications, nous nous intéressons à la modélisation mathématique du cancer et de ses stratégies thérapeutiques. Plus précisément, nous construisons un modèle hybride de croissance de tumeur qui rend compte du rôle fondamental de l'acidité dans l'évolution de la maladie. Les cibles de la thérapie apparaissent explicitement comme paramètres du modèle afin de pouvoir l'utiliser comme support d'évaluation de stratégies thérapeutiques. / The main objective of this thesis is to develop stochastic control theory and applications to population dynamics. From a theoritical point of view, we study finite horizon stochastic control problems on diffusion processes, nonlinear branching processes and branching diffusion processes. In each case we establish a dynamic programmic principle by carefully proving a conditioning argument similar to the strong Markov property for controlled processes. Then we deduce that the value function is a (viscosity or regular) solution of the associated Hamilton-Jacobi-Bellman equation. In the regular case, we further identify an optimal control in the class of markovian strategies thanks to a verification theorem. From a pratical point of view, we are interested in mathematical modelling of cancer growth and treatment. More precisely, we build a hybrid model of tumor growth taking into account the essential role of acidity. Therapeutic targets appear explicitly as model parameters in order to be able to evaluate treatment strategies.

L'objet de cette thèse concerne la proposition de modèles paramétriques des processus de branchement uni et multi-types. Nous mettons en valeur l’intérêt de la théorie des processus de branchement et du développement nécessaire des différents outils et de concepts propres à plusieurs domaines. Pour cela, nous commençons par rappeler quelques définitions et résultats de la théorie des processus de branchement uni et multi-types, et ce en temps discret comme en temps continu. On se consacre par la suite au développement méthodologique de ces modèles.Dans la deuxième partie de ce mémoire, nous étudions seulement l'évolution d’une seule population en temps continu, et présentons quelques familles de lois paramétriques, associées à des processus de branchement homogènes particuliers. Des méthodes récursives de calcul, ainsi que des propriétés pertinentes, concernant ces distributions de probabilité, sont dérivées des fonctions génératrices satisfaisant certaines équations aux dérivées partielles linéaires précisés. Les familles proposées seront utiles à la modélisation de systèmes plus cohérents en dynamique de populations, puisqu'on y montre que les hypothèses usuelles de distributions de Poisson ne peuvent être argumentées.Dans la troisième partie, nous étudions le comportement de l'évolution de plusieurs populations en interactions. Nous y présentons aussi des modèles paramétriques de lois, associés à des processus de branchement multi-types en temps continu et homogènes en temps. Nous considérons ensuite un modèle particulier, où une population ``mère donneuse" autonome alimente en individus K populations filles, qui sont, elles, en interaction. Ce modèle est bien adapté à l'étude des systèmes dynamiques des populations en interaction qui reste à la fois simple, mais riche en variétés de comportement. L'étude du système multi-types se fait via l'évolution des fonctions génératrices de la loi multidimensionnelles des effectifs. Pour cela, utilisant les équations différentielles ordinaires et aux dérivées partielles, nous établissons les équations implicites des distributions temporelles et multidimensionnelles, et discutons des méthodes analytiques ou numériques de leur résolution. Nous développons ensuite des exemples de modèles et en particulier celui concernant 3 et 4 populations.En conclusion, nous argumentons la pertinence de cette approche, et l’interprétation des paramètres, qui sont d'un grand intérêt pour le développement de méthodes d'inférence statistique, pour de nombreux domaines d'applications. / This thesis aims to propose parametric models for single and multi-type branching processes. The importance of the theory of branching processes is pointed out. Hence, developing various tools and specific concepts in several domains is important for applications. For those purpose, we recall some definitions and results of the single-and-multi-type branching processes theory in discrete and continuous case. Afterward, we focus on the methodological development of those models.In the second part, the evolution of a single population in the continuous case has been studied. Then, some parametric distribution families associated to particular branching mechanisms are explored. Recursive computational procedure and relevant properties concerning the associted probability distributions are derived from generating functions that satisfy specified linear partial differential equations. The suggested families are useful for the modeling of systems that are more coherent with population dynamics, contrarily to the usual hypothesis of Poisson distributions, that cannot be argued.In the third part, the evolution of different populations with interaction is explored. Similarly, some parametric models of homogeneous multi-type branching processes in continuous time are proposed. Afterwards, we consider a particular model where an autonomous donor parent population feeds in individuals, K types progeny populations that interacts. This model is well adapted to the study of dynamical systems of populations in interaction. This simple model, but has a rich variety of behaviors.The study of such systems is also done regarding the evolution of generating functions of multidimensional ndividual countrings. To achievea such study, ordinary and partial differential equations are used to establish the implicit equations of temporal and multidimensional distributions. Analytical and numerical methods for equation resolution are then discussed, and examples of particular models are developed.In conclusion, the relevancy of this approach is argumed, censidering parameters interpretation in the development of inference methods for the various applied domains.

Grâce aux progrès de la recherche, on sait aujourd’hui guérir près d’un cancer sur deux. Cependant, certaines tumeurs, telles que les glioblastomes restent parmi les plus agressives et les plus difficiles à traiter. La cause de cette résistance aux traitements pourrait provenir d’une sous-population de cellules ayant des caractéristiques communes aux cellules souches que l’on appelle cellules souches cancéreuses. De nombreux modèles mathématiques et numériques de croissance tumorale existent déjà mais peu tiennent compte de l’hétérogénéité intra-tumorale, qui est aujourd’hui un véritable challenge. Cette thèse s’intéresse à la dynamique des différentes sous-populations cellulaires d’un glioblastome. Elle consiste en l’élaboration d’un modèle mathématique de croissance tumorale reposant sur un processus de branchement de Bellman-Harris, à la fois multi-type et dépendant de l’âge. Ce modèle permet d’intégrer l’hétérogénéité cellulaire. Des simulations numériques reproduisent l’évolution des différents types de cellules et permettent de tester l’action de différents schémas thérapeutiques sur le développement tumoral. Une méthode d’estimation des paramètres du modèle numérique fondée sur le pseudo-maximum de vraisemblance a été adaptée. Cette approche est une alternative au maximum de vraisemblance dans le cas où la distribution de l’échantillon est inconnue. Enfin, nous présentons les expérimentations biologiques qui ont été mises en place dans le but de valider le modèle numérique / The latest advances in cancer research are paving the way to better treatments. However, some tumors such as glioblastomas remain among the most aggressive and difficult to treat. The cause of this resistance could be due to a sub-population of cells with characteristics common to stem cells. Many mathematical and numerical models on tumor growth already exist but few take into account the tumor heterogeneity. It is now a real challenge. This thesis focuses on the dynamics of different cell subpopulations in glioblastoma. It involves the development of a mathematical model of tumor growth based on a multitype, age-dependent branching process. This model allows to integrate cellular heterogeneity. Numerical simulations reproduce the evolution of different types of cells and simulate the action of several therapeutic strategies. A method of parameters estimation based on the pseudo-maximum likelihood has been developed. This approach is an alternative to the maximum likelihood in the case where the sample distribution is unknown. Finally, we present the biological experiments that have been implemented in order to validate the numerical model

Branching processes are stochastic processes describing the evolution of populations of individuals which reproduce and die independently of each other according to specific probability laws. We consider a particular class of branching processes, called Markovian binary trees, where the lifetime and birth epochs of individuals are controlled by a Markovian arrival process. <p><p>Our objective is to develop numerical methods to answer several questions about Markovian binary trees. The issue of the extinction probability is the main question addressed in the thesis. We first assume independence between individuals. In this case, the extinction probability is the minimal nonnegative solution of a matrix fixed point equation which can generally not be solved analytically. In order to solve this equation, we develop a linear algorithm based on functional iterations, and a quadratic algorithm, based on Newton's method, and we give their probabilistic interpretation in terms of the tree. <p><p>Next, we look at some transient features for a Markovian binary tree: the distribution of the population size at any given time, of the time until extinction and of the total progeny. These distributions are obtained using the Kolmogorov and the renewal approaches. <p><p>We illustrate the results mentioned above through an example where the Markovian binary tree serves as a model for female families in different countries, for which we use real data provided by the World Health Organization website. <p><p>Finally, we analyze the case where Markovian binary trees evolve under the external influence of a random environment or a catastrophe process. In this case, individuals do not behave independently of each other anymore, and the extinction probability may no longer be expressed as the solution of a fixed point equation, which makes the analysis more complicated. We approach the extinction probability, through the study of the population size distribution, by purely numerical methods of resolution of partial differential equations, and also by probabilistic methods imposing constraints on the external process or on the maximal population size.<p><p>/<p><p>Les processus de branchements sont des processus stochastiques décrivant l'évolution de populations d'individus qui se reproduisent et meurent indépendamment les uns des autres, suivant des lois de probabilités spécifiques. <p><p>Nous considérons une classe particulière de processus de branchement, appelés arbres binaires Markoviens, dans lesquels la vie d'un individu et ses instants de reproduction sont contrôlés par un MAP. Notre objectif est de développer des méthodes numériques pour répondre à plusieurs questions à propos des arbres binaires Markoviens.<p><p>La question de la probabilité d'extinction d'un arbre binaire Markovien est la principale abordée dans la thèse. Nous faisons tout d'abord l'hypothèse d'indépendance entre individus. Dans ce cas, la probabilité d'extinction s'exprime comme la solution minimale non négative d'une équation de point fixe matricielle, qui ne peut être résolue analytiquement. Afin de résoudre cette équation, nous développons un algorithme linéaire, basé sur l'itération fonctionnelle, ainsi que des algorithmes quadratiques, basés sur la méthode de Newton, et nous donnons leur interprétation probabiliste en termes de l'arbre que l'on étudie.<p><p>Nous nous intéressons ensuite à certaines caractéristiques transitoires d'un arbre binaire Markovien: la distribution de la taille de la population à un instant donné, celle du temps jusqu'à l'extinction du processus et celle de la descendance totale. Ces distributions sont obtenues en utilisant l'approche de Kolmogorov ainsi que l'approche de renouvellement.<p><p>Nous illustrons les résultats mentionnés plus haut au travers d'un exemple où l'arbre binaire Markovien sert de modèle pour des populations féminines dans différents pays, et pour lesquelles nous utilisons des données réelles fournies par la World Health Organization.<p><p>Enfin, nous analysons le cas où les arbres binaires Markoviens évoluent sous une influence extérieure aléatoire, comme un environnement Markovien aléatoire ou un processus de catastrophes. Dans ce cas, les individus ne se comportent plus indépendamment les uns des autres, et la probabilité d'extinction ne peut plus s'exprimer comme la solution d'une équation de point fixe, ce qui rend l'analyse plus compliquée. Nous approchons la probabilité d'extinction au travers de l'étude de la distribution de la taille de la population, à la fois par des méthodes purement numériques de résolution d'équations aux dérivées partielles, ainsi que par des méthodes probabilistes en imposant des contraintes sur le processus extérieur ou sur la taille maximale de la population. / Doctorat en Sciences / info:eu-repo/semantics/nonPublished

Cette thèse est principalement consacrée à l’étude de quelques caractéristiques d’une population à plusieurs types d’individus qui évolue selon un modèle de branchement multi-type au cours du temps. Autrement dit,chaque individu vit un certain temps et donne naissance, à la fin de sa vie, à un nombre aléatoire d’individus, suivant une loi de probabilité qui ne dépend que de son type, indépendamment des autres individus. Plus précisément, nous nous intéressons aux aspects statistiques des mutations et des individus ayant une progéniture donnée dans la population en question.Les problèmes d’énumération de forêts multi-types constituent également une motivation de ce travail de thèse. / This thesis is devoted to the study of some characteristics of a population consisting of individuals of several types which evolve according to a multitype branching model. In other words, each individual lives a certain time and gives birth to a random number of individuals at the end of its life, following a probability law which depends only on the individual’s type, independently of the others individuals. More precisely, we are interested in in the statistical aspects of mutations and the individuals having a given offspring in the population of interest. The problems of enumeration of multitype forests also form a motivation of this thesis’s work.

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 $\mathbb{P}(A)$ et <br />son estimateur en fonction de la stratégie adoptée pour avoir des nombres de retirage entiers. <br />Ensuite, puisqu'en pratique les probabilités de transition sont généralement inconnues (et de même pour <br />les nombres de retirages), nous proposons un algorithme en deux étapes pour contourner ce problème. <br />Des applications numériques et comparaisons avec d'autres modèles sont proposés.