Une classe spéciale de chaînes de Markov à temps continu sur les entiers non négatifs où les transitions ne se produisent que entre états voisins n → n+1 (naissance) ou n → n−1 (mort), avec des taux de naissance λ_n et de mort μ_n dépendant de l'état.

Principe

Comme seules les transitions voisines sont permises, la matrice génératrice est tridiagonale et les relations d'équilibre ou de récurrence pour les probabilités d'état se réduisent à des équations avant/arrière unidimensionnelles ; le comportement asymptotique se déduit souvent de produits ou rapports des suites de taux.

Démonstration

Situation : Une population simple où des individus arrivent à un taux λ_n dépendant de n et partent à un taux μ_n. Reconnaissance : Les changements d'état sont ±1 et les taux dépendent de n. Action : Écrire les équations de Kolmogorov avant ou résoudre l'équilibre détaillé π_{n+1} = (λ_n/μ_{n+1}) π_n pour obtenir la distribution stationnaire lorsque normalisable. Conséquence : On peut déduire probabilités d'extinction, temps moyens d'atteinte et occupation stationnaire.

Mauvaise application

Modéliser une population avec naissances multiples simultanées ou immigration en masse comme processus naissance–mort. L'erreur consiste à supposer des sauts unitaires alors que la dynamique réelle comprend des transitions multi-unités ; cela fausse l'analyse tridiagonale.

Conséquence

Une utilisation adéquate fournit des solutions analytiques ou récursives de faible dimension pour distributions d'occupation, temps d'atteinte et conditions de stabilité. Une mauvaise utilisation sur des processus à sauts multiples produit des flux de probabilité incorrects et des estimations erronées d'extinction.

Inversion

Si des transitions de taille supérieure à un se produisent (arrivées en masse) ou si l'espace d'états est multi-dimensionnel, le cadre naissance–mort n'est plus adapté et l'on doit utiliser des processus de saut markoviens généraux, des arrivées de Poisson composées ou des CTMC multidimensionnels.

Limite

Clairement dans : Une file M/M/1 où arrivées et départs changent le nombre de clients de ±1 avec λ et μ constants. Cas frontière : File avec arrivées par lots de petite taille fixe k — si k=1 c'est naissance–mort, sinon la supposition échoue. Claire­ment hors : Modèle avec catastrophes supprimant une fraction de la population en un événement (saut non voisin).

Tension sémantique

Simplicité du modèle (sauts unitaires, récurrences tractables) ↔ Réalisme (modéliser transitions massives ou simultanées) : les processus naissance–mort sont analytiques mais peuvent omettre des événements multi‑unités importants.

Synthèse

Les processus naissance–mort tirent parti de la structure voisine pour réduire la dynamique stochastique à des récurrences unidimensionnelles ; il faut vérifier que les événements empiriques sont effectivement unitaires ou employer des modèles de saut plus riches.