Influence d’une contamination initiale sur une dynamique spatiale non itérative

Cécile Hardouin

Journal de la société française de statistique (2008)

  • Volume: 149, Issue: 4, page 107-129
  • ISSN: 1962-5197

Abstract

top
This paper explores the diffusion of technological innovations, under a simple and real framework: n agents spread on a spatial network S , choosing between two competitive technologies A and B . The choice is unique, made individually, one by one, according to a sequential assignment rule. We consider various rules, but depending on the local context. In the case of iterative dynamics, it is possible to characterize the probability distribution of limits configurations. We consider here a non iterative dynamics with a unique scan of S . Therefore, we don’t know the final configuration, since there is no asymptotics in space nor in time. We propose to study empirically this situation, in the case of an initial occurence of standards A at a given rate τ . In particular, we will study the behaviour of the final frequency of standards A , spatial correlation, and we give some connectedness and clustering indexes. For each index, we see that if the initial rate of contamination τ is lower, the dumping effect becomes more important.

How to cite

top

Hardouin, Cécile. "Influence d’une contamination initiale sur une dynamique spatiale non itérative." Journal de la société française de statistique 149.4 (2008): 107-129. <http://eudml.org/doc/93485>.

@article{Hardouin2008,
abstract = {$n$ consommateurs répartis sur un réseau spatial $S$ choisissent tour à tour entre deux standards $A$ et $B$ suivant des règles locales. Un unique balayage du réseau est effectué, c’est-à-dire que la dynamique est non itérative. Dans ce cas, et contrairement aux dynamiques itératives ergodiques, les caractéristiques de la configuration spatiale finale du réseau dépendent de la configuration initiale et ne peuvent pas être évaluées mathématiquement. Nous en faisons l’étude empirique par simulation, pour un certain nombre de règles d’adoption bien spécifiées. L’objectif central de ce travail est de voir quel est l’effet d’une contamination initiale, ou effet de dumping, sur le standard $A$ au taux $\tau $ sur la répartition spatiale finale. On évaluera en particulier de manière empirique la fréquence finale du standard $A$, la corrélation spatiale, ainsi que des mesures d’aggrégation et de connexité. Pour chacun de ces indicateurs, on constate que l’effet du dumping est d’autant plus important que le taux de contamination initial est faible.},
author = {Hardouin, Cécile},
journal = {Journal de la société française de statistique},
keywords = {standards adoption; spatial non iterative dynamics; cooperative systems; dumping},
language = {fre},
number = {4},
pages = {107-129},
publisher = {Société française de statistique},
title = {Influence d’une contamination initiale sur une dynamique spatiale non itérative},
url = {http://eudml.org/doc/93485},
volume = {149},
year = {2008},
}

TY - JOUR
AU - Hardouin, Cécile
TI - Influence d’une contamination initiale sur une dynamique spatiale non itérative
JO - Journal de la société française de statistique
PY - 2008
PB - Société française de statistique
VL - 149
IS - 4
SP - 107
EP - 129
AB - $n$ consommateurs répartis sur un réseau spatial $S$ choisissent tour à tour entre deux standards $A$ et $B$ suivant des règles locales. Un unique balayage du réseau est effectué, c’est-à-dire que la dynamique est non itérative. Dans ce cas, et contrairement aux dynamiques itératives ergodiques, les caractéristiques de la configuration spatiale finale du réseau dépendent de la configuration initiale et ne peuvent pas être évaluées mathématiquement. Nous en faisons l’étude empirique par simulation, pour un certain nombre de règles d’adoption bien spécifiées. L’objectif central de ce travail est de voir quel est l’effet d’une contamination initiale, ou effet de dumping, sur le standard $A$ au taux $\tau $ sur la répartition spatiale finale. On évaluera en particulier de manière empirique la fréquence finale du standard $A$, la corrélation spatiale, ainsi que des mesures d’aggrégation et de connexité. Pour chacun de ces indicateurs, on constate que l’effet du dumping est d’autant plus important que le taux de contamination initial est faible.
LA - fre
KW - standards adoption; spatial non iterative dynamics; cooperative systems; dumping
UR - http://eudml.org/doc/93485
ER -

References

top
  1. [1] Arthur W.B. (1989), Competing technologies, increasing returns, and lock-in by historical events, The economic journal, 99, 116-131. 
  2. [2] Banerjee A.V. (1992), A simple model of herd behaviour, The quaterly journal of economics, Vol. CVII. 
  3. [3] Besag J. (1974), Spatial interaction and the statistical analysis of lattice systems, JRSS B, 36, 192-236. Zbl0327.60067MR373208
  4. [4] J. Besag and Moran P.A.P. (1975), On the estimation and testing of spatial interaction for Gaussian lattice processes, Biometrika, 62, 3, 555-562. Zbl0388.62082MR391451
  5. [5] Bikhchandani S., Hirshleifer D., Welch I. (1992), A theory of fads, fashion, custom, and cultural change as informational cascades, Journal of political economy, Vol. 100 no 5, 992-1026. 
  6. [6] Bikhchandani S., Hirshleifer D., Welch I. (1998), Learning from the behaviour of others : conformity, fads, and informational cascades, Journal of economic perpectives, Vol 12 no 3, 151-170. 
  7. [7] Chopard B., Dupuis A., Masselot A., Luthi P. (2002), Cellular automata and lattice Boltzmann techniques : an approach to model and simulate complex systems, Adv. Complex systems, 5 Vol 2-3, 103-246. Zbl1090.82030MR1945669
  8. [8] Cliff A.D. and Ord J.K. (1981), Spatial autocorrelation (2nd ed), Pion, Londres. Zbl0598.62120MR632256
  9. [9] Cox J.T. (1989), Coalescing random walks and voter model consensus times on the torus 𝐙 d , Ann. Proba., Vol. 17, no 4, 1333-1366. Zbl0685.60100MR1048930
  10. [10] David P.A., Foray D. (1993), Percolation structures, Markov random fields and the economics of EDI standard diffusion, in Pogorel (ed.), Global telecommunications strategies and technological changes, North-Holland. 
  11. [11] Galam S. (1997), Rational group decision making : a random field ising model at T=0, Physica A, 238, 66-80. 
  12. [12] Galam S., Chopard B., Masselot A., Droz M. (1998), Competing species dynamics : qualitative advantage versus geography, Eur. Phys. J., B4, 529-531. 
  13. [13] Geman D. et Geman S. (1984), Stochastic relaxation, Gibbs distributions and the Bayesian restoration of images, IEEE-PAMI, 6, 721-741. Zbl0573.62030
  14. [14] Geman D. (1990), Random fields and inverse problem in imaging, École de Saint Flour, Lect. Notes in Maths. no 1427, Springer. Zbl0718.60119MR1100283
  15. [15] Guyon X. (1995), Random fields on a network : modeling, statistics and applications, Springer. Zbl0839.60003MR1344683
  16. [16] Guyon X. et Hardouin C. (2001), Standards adoption dynamics and tests for non spatial coordination, Springer, Lecture Notes in Statistics 159, 39-56. Zbl1021.62080MR1847742
  17. [17] Malarz K., Antosiewicz W., Kapinska J., Kulakowski K., Tadic B. (2007), Avalanches in complex spin networks, Physica A, 373C, 785-795. 
  18. [18] Manka A., Malarz K., Kulakowski K. (2007), Clusterization, frustration, and collectivity in random networks, International Journal of Modern Physics C, Vol. 18 no 11, 1765–1773. Zbl1170.82371
  19. [19] Marengo L. (1998), Knowledge distribution and coordination in organisations, in N. Lazaric and E. Lorenz (Eds), Trust and Economic Learning, Cheltenham, Edward Elgar, 227-246. 
  20. [20] Orléan A. (1998), Informational influences and the ambivalence of imitation, in Lesourne and Orléan (Eds.), Advances in self organization and evolutionary economics, Economica, 39-56. 
  21. [21] Lesourne J., Orléan A. (Eds) (1998), Advances in self organization and evolutionary economics, Economica, Introduction 1-7. 
  22. [22] Orléan A. (1998), The evolution of imitation, in The economics of networks : interaction and behaviours, Cohendet P., Llerena P., Stahn H. et G. Umbhauer (Eds.), Springer-Verlag, 325-339. Zbl0946.91034
  23. [23] Phan D., Beugnard A. (2001), Moduleco, a multi-agent modular framework, for the simulation of network effects and population dynamics in social sciences, market & organisations, 8e Rencontre Internationale ACSEG (Approches Connexionnistes en Sciences Économiques et de Gestion), Université de Rennes, IGR 22-23 novembre. 
  24. [24] Paulré B. (1997), Évolutionisme contemporain et auto-organisation, Économie appliquée Tome L no 3, 121-150. 
  25. [25] Steyer A., Zimmermann J.-B. (1996), Externalités de réseau et adoption d’un standard dans une structure résiliaire, Revue d’économie industrielle, no 76, 67-90. 
  26. [26] Thébaud G., Peyrard N., Dallot S., Calonnec A., Labonne G. (2005), Investigating disease spread between two assessment dates with permutation tests on a lattice, Analytical and theoretical plant pathology, vol 95 no 12, 1453-1461. 
  27. [27] Weisbuch G., Staufer D. (2000), Hits and flops dynamics. Economic dynamics from the physics point of view, Physica A. no 3-4, 563-576. MR1802419

NotesEmbed ?

top

You must be logged in to post comments.

To embed these notes on your page include the following JavaScript code on your page where you want the notes to appear.

Only the controls for the widget will be shown in your chosen language. Notes will be shown in their authored language.

Tells the widget how many notes to show per page. You can cycle through additional notes using the next and previous controls.

    
                

                
Note: Best practice suggests putting the JavaScript code just before the closing </body> tag.