Documente Academic
Documente Profesional
Documente Cultură
Populations
I Partie dterministe
note (approches multiples)
l'approche d terministe :
statiq ue
d ynamiq ue modle mathmatique dcrivant l'colution d'une population au cours
du temps (en tems discret ou continu)
l'approche stochastiq ue :
en temps discret (Chaine de Markov)
en temps continu (Processus de Markov, processus de naissance et de mort qui
gnralisent des **Processus de Poisson)
l'approche Srie Temp orelles (voir M2)
def (Population)
Ensemble d'lments ou d'individus dont le nombre varie au cours du temps *(Ex.
nombre de poisson dans un lac, livres dans une bibliothque, population humaine dmographie- *
1 Approche statique
def (dmographie)
La dmographie est l'tud e d es p op ulations visant connatre leurs effectifs, leurs
compositions par ge, sexe, statut matrimonial etc Elle utilise les informations
statistiq ues fournis par les recensements de l'Etat (INED en france)
concerne le pass et le prsent (n'a pas pour objectif de construire des modles
prdictifs)
taux de natal i t
taux de m or tal i t
Monde
20,2%
8.6%
Afrique
36%
6%
Europe
10.3%
11.8%
def
La variable T reprsente la d ure d e vie d'un individu de la population de rfrence.
On dfinit T x la dure de vie restante d'un individus ayant atteint l'age x
T x = (T x|T > x)
t px
On dfinit
qx = 1
px =
px
p x = P [T x + t|T x]
et
qx =
qx
note
On a alors t qx
= 1
lx+t
lx
t dx
= l x l x+t
l x+d
=
0
ex
A l'instant x
5 individus
x + 1 4 individus
x + 2 4 individus
x + 3 2 individus
4 Lx
= 5+4+4+2
Lx =
l x+d =
0
1 Lk
k=x
t dx
t Lx
Il s'exprime en nombre de dcs par personne et par an. Il est aussi appel le taux
central d e mortalit
remarque
ce nombre une dimension. Ce taux est mesur en unit inverse du temps et
comptabilise les dcs par personne expose au risque durant une unit de temps
lim
t0
P ( T x < t + t) P ( T x t)
=
lim
t0
t P (T x > t)
lim
t+t
1
t px
qx
t px
t0
qx
qx )
qx =
t px
x+t
t qx
t qx
0 qx
+ t(
t qx )|t=0
+ o(t)
= t x + o(t)
De mme,
px = 0 p x + t(
t
t qx )| t=0
+ o(t)
= 1(
t q x )|t=0
t + o(t)
Au final :
t q x
= 1 x t + o(t)
t d x
=
t Lx
l x l x+t
=
t
1
t
t
0
d
x
l x+d
(*)
lim
t m x
dt
lx
lx
t0
On a vu :
= lim
t qx
t0 t l x
l x l x+t
lim
lim
t l x
t0
t m x
t0
On peut obtenir une relation exacte entre les proba de survie tPx et le taux instantann de
natalit : on a : t qx = P (T x t) si on suppose que la loi de T x admet une densit$
(P ( T x t)) =
x+t
( qx ) =
t px
x+t
t
t
1
t px
( qx )
t
D'o :
(ln( p x )) =
t
( px)
t
( qx )
t
t px
= x+t
t px
( px ) + x+t t p x = 0
t t
0 px = 1
er
dy(t)
dt
+ b(t)y(t) = c
px = e
x+ d
b(t)
a(t)
On a donc :
2 types de populations :
population ferme (naissance, dcs)
population ouverte (naissance, dcs, migration, immigration)
note
On considre une population ouverte
soit x(t) : nombre d'individus l'instant t d'une population
On note (t, t + h) = x(t + h) x(t) l'accroissement (positif ou ngatif) de
la population entre le temps t et t + h
remarque
On note
(t, t + h) = n(t, t + h) m(t, t + h) + i(t, t + h) e(t, t + h)
naissance
m dcs
i arrives
n
dpart
= f (t, x(t))
l'instant considr
la taille de la population m(t, t + h)
en considrant 2 facteurs :
(t, x(t))
= m
(t, x) =
x(t)
(taux de natalit )
m
(t, x
(t, x) =
x(t)
e
(t, x
(t, x) =
x(t)
i (t, x
(t, x) =
x(t)
avec
r(t, x) = (t, x) (t, x) (t, x) + (t, x)
On a aussi :
x(t + h) = x(t) (1 + r(t, x))
remarque
le choix de r caracterise le modle r(t, x) n'est pas ncessairement constant. Si on
considre par exemple une population d'insectes qui arrivent sur une le dserte, on peut
avoir une fonction r de la forme. (lorsque les reserves s'puisent, r peut devenir ngatif)
note
Euler avait considr un modle de ce type en 1948 (ce sont les modles croissance
gometrique)
x(t + 1) = x(t)(1 + r)
Prob lme d 'Euler : 100000 habitants dans une province, le nombre d'habitants s'accroit
d'un trentime tous les ans, combien d'habitants comptera la province au bout de 100 ans
?
x(0) = 100000
x(1) = x(0) (1 + r), avec r = 1/30
1
x(100) = 100000 (1 +
100
30
= 2654874
note
Ce modle a t repris par Malthus en 1798 avec l'exemple de lapopulation des EtatsUnis qui doublait tous les 25 ans. x(t + 1) = 2 x(t) avec un pas de temps de 25
ans et r = 1
Danger : croissance gomtrique de lapopulation x(t)
= x(0) (1 + r)
alors que
on dfinit ci(t)
xi (t)
x(t)
distribution d'ge
i(t)
ri
x i (t)
c i (t)
[0,10[
60
20%
[10,20[
55
18%
Comment voluent les xi(t) au cours du temps ? Pour simplifier, on suppose que les
classes sont de mme longueur, et de largeur unit C i
= [i, i + 1[
o i(t, xi(t)) est le taux d e mortalit des individus de la classe C i Pour simplifier,
on suppose que i(t, xi(t)) = i (t) On note alors :
x i+1(t + 1) = p i(t) x i(t)
avec p i(t)
pour i
= 1 i (t)
= 1, . . , n
(t + 1) = x
(t)S(t)
0 p0 (t)0
0 0 0
p 0 (t)
0
p 1 (t)
p n1
0
note
i(t,
t + 1)
(t)
On a alors
m1
m1
i=0
R(t) =
f 0 (t)
f 1 (t)
p 0 (t)
0
p 1 (t)
f (t)
2
f n1 (t)
x
p n2 (t)
0
(t + 1) = x
(t)R(t)
On a alors
i 1, t i
x i(t) = p0 (t i) p1 (t i + 1). . . p i1 (t 1)x 0 (t 1)
et
m1
note
Les p op ulations stab les. On suppose que les taux d e survie et de fcond it ne
d p end ent p as de t :
p i(t) = p i, i = 0, . . . n 1
f (t) = f
i
i
x 0 (t + 1) = a i x0 (t i)
i=0
avec a i = f i p 0 p 1 . . . p i1, si i 1 et a 0 = f 0
note
Mthod e d velop p e p ar leslie (1945)
ex
On considre une population de rongeur ayant un cycle de reproduction de 3 ans. On se
restreint la sous-population femelle. On suppose que chaque femelle donne naissance
me
me
me
anne survivent la 3
me
x 0 (t + 1) = 6 x 1 (t) + 10 x 2 (t)
x 1 (t) = 0.5 x 0 (t)
x 2 (t) = 0.4 x 1 (t)
x0 (t)
x(t)
x0 (t+1)
x0 (t)
x1 (t+1)
x1 (t)
x2 (t+1)
x2 (t)
et
x(t+1)
x(t)
avec
, r1 (t), r2 (t)
10
11
[0,1[
30
800
290
2460
2470
7960
12330
28820
52910
111120
216370
[1,2[
50
15
400
145
1230
1235
3980
6165
14410
26455
55560
[2,3[
50
20
160
58
492
494
1592
2466
5764
10582
fr = data.frame(xf0 <<- embed(x[, 1], 2)[, 1]/embed(x[, 1], 2)[, 2], xf1 <<- embed(x[,
2], 2)[, 1]/embed(x[, 2], 2)[, 2], xf2 <<- embed(x[, 3], 2)[, 1]/embed(x[,
3], 2)[, 2], xft <<- embed(apply(x, 1, sum), 2)[, 1]/embed(apply(x, 1, sum),
2)[, 2])
x 0 (t+1)
x 0 (t)
x 1 (t+1)
x 1 (t)
x 2 (t+1)
x 2 (t)
x(t+1)
x(t)
44
45
46
47
48
49
26.67
0.36
8.48
3.22
1.55
0.3
26.67
0.36
8.48
3.22
0.4
0.3
26.67
0.36
8.48
6.42
0.83
3.97
1.36
2.58
1.73
45
46
47
48
49
50
r0
0.23
0.96
0.42
0.89
0.66
0.82
0.77
0.77
0.77
0.77
0.77
0.77
r1
0.38
0.02
0.57
0.05
0.33
0.13
0.19
0.19
0.19
0.19
0.19
0.19
r2
0.38
0.02
0.01
0.06
0.02
0.05
0.04
0.04
0.04
0.04
0.04
0.04
x 0 (t + 1) = a i x 0 (t i)
(*)
i=0
avec ai
= f p 0 p 1 . . . p i1, a 0 = f0 ()
ex
( P n ) n0
Pn
= 1 Pn (
1+5
2
Dans le cas
On a alors i
1, t 1
x i = p 0 . . pi 1 x 0 (t i) = p 0 . . pi 1A
D'o x
(t) = x
(t 1)
On a aussi x
t1
(t) = x
= x i(t 1), t 1 i
(t 1)R(t)
o R est la
matrice de reproduction
f0 (t)
f1 (t)
p 0 (t)
p 1 (t)
f (t)
2
p n2 (t)
f n1 (t)
(t 1)R = x
(t 1)
La taille
m1
t
x(t) x i(t) = A (1 + p 0
+. . . +p 0 . . . p m1
m+1
i=0
c ()A
x(t) =
La population totale est aussi Malthusienne, avec une distribution d'te constante
ci (t) =
ci
note
xi (t)
A
=
x(t)
ti
p 0 . . . p i1
()A
c
ii
p0 . . . pi1
()
c
note
Le thorme de Perron Frolenius pour les matrices positives permet de gnraliser : on
dit que R est rgulire lorsqu'une des puissances de R a tous ses coefficients positifs.
x R = x
xi(t+1)
xi(t)
note
P. Verhulst a propos un modle imposant un frein au dveloppement d'une population
(1838,1845).
On considre une population ferme. On a dans le cas discret
x(t + 1) x(t) = x(t) r(x, t)
= ax(t) + b
avec a
= a1 + a2
et
b = b1 b2
x(t)
on pose
x(t)
z(t) =
On obtient
z(t + 1) z(t) = z(t)aK (1 z(t))
z(t + 1) z(t) = r z(t)(1 z(t))
avec r
= aK
= x(t)((1 + aK ) ax(t)
ax(t)
= x(t)(1 + aK )(1
1 + aK
a
1+b
x(t + 1) = x
(1 y(t))
y(t + 1) = y(t) r
avec y(t)
ax(t)
1+b
et r
= 1+b
avec r
0,
avec k
b
a
. Si