loi de puissance - mountvernon.frmountvernon.fr/loi_de_puissance/loi_de puissance.pdf · wilfried...

36
Philippe Picard, le 13/10/2014 Page 1 Loi de puissance Introduction et définition Propriétés de la loi de puissance(LdP) LdP et loi probabilités LdP et loi d’échelle LdP et graphes complexes LdP et SOC Exemples d’applicabilité Economie Réseaux Linguistique Sismique Géographie Réflexion générale: le cygne noir Les lois de puissance vont-elles sauver le monde?

Upload: buidung

Post on 15-Sep-2018

218 views

Category:

Documents


0 download

TRANSCRIPT

Philippe Picard, le 13/10/2014 Page 1

Loi de puissanceIntroduction et définitionPropriétés de la loi de puissance(LdP)

LdP et loi probabilitésLdP et loi d’échelleLdP et graphes complexesLdP et SOC

Exemples d’applicabilitéEconomieRéseauxLinguistiqueSismiqueGéographie

Réflexion générale: le cygne noir

Les lois de puissancevont-elles sauver le

monde?

Philippe Picard, le 13/10/2014 Page 2

Loi de puissance: définition

Loi de puissanceforme habituelle

Y=1/(X )

Loi de puissanceforme log log

log Y = - log X

Philippe Picard, le 13/10/2014 Page 3

Loi de puissance: au cœur de nombreuxdomaines théoriques et appliqués

Loi depuissance

Y=1/(x )

Probabilités selonMandelbrot:

• hasard bénin• hasard sauvage

Auto similarité et principed’échelle, dimension fractale

Graphes complexes etstructure petit monde

Longue traine

ThéoriesEconomie, BourseMarketingGéographieTurbulencesBruit électroniqueRéseaux télécomLinguistiqueTremblements de terreEtc..

Applications

Systèmes critiquesauto-organisés (SOC)

Philippe Picard, le 13/10/2014 Page 4

Noms associés à la loi de puissanceNoms Domaines PériodeWilfried Pareto Distribution des revenus 1848-1923

George Kingsley Zipf Linguistique, géographie 1902-1950

Dimension fractale, invariance d'échelle

Hasard sauvage, prix boursiers

Per Bak Criticalité auto organisée (SOC) 1948-2002

Nassib Nicholas Taleb Cygne noir, importance des longues traines 1960-

Albert Barabasi Grands graphes de terrain 1967-

Benoit Mandelbrot 1924-2010

Philippe Picard, le 13/10/2014 Page 5

Rappel sur les lois de probabilitéUne loi de probabilité (qu’elle soit discrète ou continue) estexprimable de deux manières:

Densité de probabilitéRépartition (cumul des probabilités)

Deux grandeurs fondamentales, lorsque calculables,caractérisent une loi de probabilité :

Espérance mathématique E= px, (moyenne pondérée de x)aussi appelée moyenne notée m ouEcart type noté , racine de l’écart quadratique moyen(variance)

Une des propriétés importantes des lois de probabilité est la loides grands nombres: en répétant un grand nombre de fois untirage d’une variable aléatoire X, la moyenne des réalisationsde X tend vers la moyenne de la loi de probabilité

Philippe Picard, le 13/10/2014 Page 6

Exemple: loi binomiale: pile ou face

Triangle de PASCAL1

1 2 11 3 3 1

1 4 6 4 11 5 10 10 5 1

1 6 15 20 15 6 11 7 21 35 35 21 7 1

1 8 28 56 70 56 28 8 11 9 36 84 126 126 84 36 9 1

1 10 45 120 212 252 212 120 45 10 1

Nombre de piles pour 20 partiesetc., etc.,etc., etc

Prob

abili

10 parties de pile ou face avec une pièce non biaisée2^10 = 1024 parties différentes• 1 cas où 10 piles (probabilité 1/1024)• 10 cas où 9 piles (probabilité 10/1024)• ….• 252 cas où 5 piles (probabilité 252/1024)

Philippe Picard, le 13/10/2014 Page 7

La loi normale, archétype du hasard bénin

Les hypothèses d’applicabilité d’une loi normale: les variables doivent être:

1. Indépendantes: tomber trois fois sur le côté pile à la suite ne va pas modifier laprobabilité de sortir un autre côté pile au quatrième lancer (tendance à ne pas privilégierles longues séries)

2. Identiquement distribuées: les valeurs obtenues résultent toutes de la même loi deprobabilité

Philippe Picard, le 13/10/2014 Page 8

Hasard bénin et Hasard sauvage

P densité de Probabilité

Variable aléatoire X

E

Espérance: E= px, (moyenne pondérée de x)aussi appelée moyenne notée m ou

: écart type

Hasard bénin(binomiale, normale, etc.)

Hasard sauvage(loi de puissance)

E et peu (ou pas) significatifs

P densité de Probabilité

Variable aléatoire X

Philippe Picard, le 13/10/2014 Page 9

Loi normale et loi de puissance

Loi normale Loi de puissanceValeurs extrêmes Très rares FréquentesMoyenne Légitime N'a pas de sensEcart type Légitime N'a pas de sensEquilibre Stabilité Naturel Rare et ponctuel

En résumé

Philippe Picard, le 13/10/2014 Page 10

Terminologie fractale

Loi d’échelleAutosimilaritéDimension fractaleDimension de similitudeDistribution scalanteInvariance d’échelle (scale free)

Philippe Picard, le 13/10/2014 Page 11

Fractales et invariance d’échelleL’idée des fractales est quecertains aspects du mondeont la même structure de prèset de loin, à toutes leséchelles, et que seuls lesdétails sans importancechangent quand on lesagrandit pour voir les chosesde près.

Ainsi, chaque petit bout d’une fractale contientla clé de la construction toute entière

Philippe Picard, le 13/10/2014 Page 12

Invariance d’échelle et LdPL'une des caractéristique des lois depuissance est leur invariance d’échelle:pour un changement d'échelle de la variable( cx), la fonction est seulement multipliéepar un coefficient :

si f(x)=axk

f(cx)=a(cx)k=ackxk=ckf(x)

Ainsi, toutes les lois de puissance de mêmeexposant sont équivalentes à un facteurconstant près ck.

Philippe Picard, le 13/10/2014 Page 13

Dimensions géométriques1

2

3

Mesure del’objet réduit

1/2D

1/2

1/4

1/8

Philippe Picard, le 13/10/2014 Page 14

Dimension de similitude

Dilatation d’un facteur 3,Longueur x 4

Dimension de similitudeD telle que 3D=4

D= log 4 / log 3= 1.26Dimension non entière intermédiaire entre ligne (D=1) et surface (D=2)

x3

Courbe deVon Koch

Philippe Picard, le 13/10/2014 Page 15

Dimension fractaleOn mesure une côte avecune règle de longueur

Périmètre P= N fois

En général on constate quele périmètre mesuré suit uneloi de puissance en fonctionde :

P= (1-D)

Cela traduit une structurefractale de l’objet mesuré

Philippe Picard, le 13/10/2014 Page 16

Loi de puissanceIntroduction et définitionPropriétés de la loi de puissance(LdP)

LdP et loi probabilitésLdP et loi d’échelle

LdP et graphes complexesLdP et SOC

Exemples d’applicabilitéEconomieRéseauxLinguistiqueSismiqueGéographie

Réflexion générale: le cygne noir

Philippe Picard, le 13/10/2014 Page 17

Génération de graphes aléatoires ou « scale free »

En x, degrésEn y, nombre de sommets Echelle

log log

Philippe Picard, le 13/10/2014 Page 18

Graphes de terrain: 3 propriétés liéesStructure fractaleou “sans échelle”

Loi de puissance

Petit Monde

Philippe Picard, le 13/10/2014 Page 19

Exemples de graphes en loi de puissance

Degré: nombre de connexions par nœudNom

bre

de n

œud

s ay

any

k co

nnec

tions

Beaucoup denœuds avec peude connexions

Peu de nœuds avecbeaucoup de connexions

Selon le projet Web-Mopt (ENST août 2005) :• Graphes de n sommets, m arêtes• Le coefficient de puissance est similaire pour des

graphes relatifs à des domaines très divers

Distribution de puissance : P(k)= 1/k

k

Philippe Picard, le 13/10/2014 Page 20

Grands graphes (loi normale et LdP)Distribution Normale Distribution de Puissance

(Selon Barabasi)

Philippe Picard, le 13/10/2014 Page 21

Systèmes critiques auto-organisés (SOC)

Philippe Picard, le 13/10/2014 Page 22

Processus de criticité auto-organisée

Philippe Picard, le 13/10/2014 Page 23

Systèmes critiques auto-organisés (SOC)Malgré leur grande diversité, ces systèmes que l’ondésigne alors par systèmes critiques auto-organisés- ou SOC - manifestent des propriétés similaires,notamment liant fréquence et amplitude del’évènement selon une loi de puissanceLe caractère invariant d’échelle des SOC nousramène aux fractales et à la notion d’auto-similarité :ce sont les mêmes mécanismes qui déclenchent lesévènements de faibles amplitudes et ceux beaucoupplus violents, lesquels ne représentent donc rien deremarquable.

Constat empirique ou explication théorique?

Philippe Picard, le 13/10/2014 Page 24

Explication de la génération de LdPPlusieurs pistes d’explicationthéorique:

Rattachement préférentiel:Graphes (Barabasi)Biologie (Yule)Géographie (Simon)

Optimisation de l’information(Mandelbrot)Auto organisation critique (SOC)

Philippe Picard, le 13/10/2014 Page 25

Loi de puissanceIntroduction et définitionPropriétés de la loi de puissance(LdP)

LdP et loi probabilitésLdP et loi d’échelleLdP et graphes complexesLdP et SOC

Exemples d’applicabilitéEconomieRéseauxLinguistiqueSismiqueGéographie

Réflexion générale: le cygne noir

Philippe Picard, le 13/10/2014 Page 26

Thèse: loi de puissance et économie

Philippe Picard, le 13/10/2014 Page 27

Principe de Pareto (loi du 80/20: 1906)

Tranche de revenu

Philippe Picard, le 13/10/2014 Page 28

La finance est plus compliquée que la physique

Science et Avenir, Aout 2005

Moyenne etvariance sont

les « mamellesde la finance »

Les marchéssont des

« cloches »

Les évènementsextrêmes sont

rares

Philippe Picard, le 13/10/2014 Page 29

Loi de puissance et économie« Rares sont les économistes qui semblent avoir comprisque de telles invariances [les lois de Pareto, les lois depuissance] peuvent signifier pour le futur de notre science.En particulier, personne ne semble avoir réalisé que larecherche, et l’interprétation, d’invariants de ce typepourrait jeter les bases d’une théorie entièrementnouvelle. »

Joseph SchumpeterCité dans la Thèse de Philippe HERLIN

Les fluctuations d’amplitude du marché sont inversementproportionnel à leur fréquenceBenoit Mandelbrot

Philippe Picard, le 13/10/2014 Page 30

Longue traine: concept marketing important

80 % du Chiffred’affaires

Philippe Picard, le 13/10/2014 Page 31

Loi de Zipf et vocabulaireCe que Zipf découvrit (ou plutôt redécouvrit car le phénomène avait déjàété repéré bien avant) est que la fréquence F d’usage d’un mot estinversement proportionnelle à son rang R dans le classement.

F = C/R

Analyse des motsd’ULYSSE de JamesJoyce(graphique log log)

Rang

Fréq

uenc

e

Philippe Picard, le 13/10/2014 Page 32

Loi de Zipf constatée en géographie

Classementdes tailles desvilles US enfonction deleur taille

Philippe Picard, le 13/10/2014 Page 33

Rythme et fréquence: loi de puissance

Log du tempo

Philippe Picard, le 13/10/2014 Page 34

Sismique: Gutemberg-Richter (1949)

Log(N(m>M))=a-bM

N

m

N, nombre deséismes en fonctionde la magnitude m

Philippe Picard, le 13/10/2014 Page 35

LdP et éruptions volcaniques

Loi de fréquence de lapuissance deséruptions volcaniquesdans le monde entier

Philippe Picard, le 13/10/2014 Page 36

Taleb: théorie du cygne noirLa théorie du cygne noir développée par lephilosophe Nassim Nicholas Taleb, est unethéorie dans laquelle on appelle cygne noir uncertain événement imprévisible qui a une faibleprobabilité de se dérouler (appelé « événementrare » en théorie des probabilités), et qui, s'il seréalise, a des conséquences d'une portéeconsidérable et exceptionnelle. Taleb a, dans unpremier temps, appliqué cette théorie au mondede la finance. En effet, les événements raressont souvent sous-évalués en termes de prix.