1. Modèles phylogénétiques de la diversification des langues Robin J. Ryder CEREMADE – Paris Dauphine / CREST - INSEE Travaux effectués avec Geoff K. Nicholls au Département de Statistiques, Université d'Oxford www.slideshare.net/robinryder/nice

2. Carles li reis, nostre emper[er]e magnes Set anz tuz pleins ad estet en Espaigne : Tresqu’en la mer cunquist la tere altaigne. N’i ad castel ki devant lui remaigne ; Mur ne citet n’i est remes a fraindre, Fors Sarraguce, ki est en une muntaigne. Chanson de Roland , 1r (XIème siècle)

3. La plus commune façon d'amollir les coeurs de ceux qu'on a offensez, lors qu'ayant la vengeance en main, ils nous tiennent à leur mercy, c'est de les esmouvoir par submission à commiseration et à pitié. Montaigne, Essais , I, 1 (1580)

4. Tes yeux sont si profonds qu'en me penchant pour boire J'ai vu tous les soleils y venir se mirer S'y jeter à mourir tous les désespérés Tes yeux sont si profonds que j'y perds la mémoire Aragon, Les Yeux d'Elsa (1942)

5. Et la piaule swingue au son du ghetto, on tape à la porte Chill c'est trop fort ! baisse le son merde ! j'connais A chaque fois c'est pareil tant pis il faut qu'ça pète Et profite en traître des nouveaux albums qu'Rod m'achète Akhénaton, Juste une pression (2005)

6. Similarités entre langues

7. Langues Indo-Européennes

9. Des similarités entre langues peuvent donner une indication qu'elles sont cousines

10. Modèle le plus commun : arbre

13. Âge des nœuds internes

14. Âge de la racine : 6000-6500 BP ou 8000-9500 BP ?

16. Possibilité d'emprunt (l'évolution ne suit pas un arbre), mais :

17. "Facile" à détecter

18. Rare

19. Peu d'influence sur les résultats

21. Allemand : See , Meer

22. Français : mer

23. Italien : mare

24. Grec : thalasa Classes de cognats : 1. {sea, See} 2. {Meer, mer, mare} 3. {thalasa}

26. 30 contraintes sur l'âge de certains nœuds ou langues anciennes

27. Ces contraintes sont nécessaires pour évaluer les taux et permettre de dater la racine.

30. Les traits disparaissent à un taux μ

31. λ et μ sont constants

33. Lors d'une catastrophe, chaque trait disparaît avec une probabilité κ et Poiss(ν) traits naissent.

34. λ/μ=ν/κ : le nombre de traits est constant en moyenne.

36. Certains traits ne sont pas observés et ne sont donc pas inclus dans les données

37. Processus d'observation

38. Processus d'observation

39. Processus d'observation

40. Processus d'observation

42. La vraisemblance donne une distribution a posteriori.

43. Distribution a posteriori

44. Calcul de vraisemblance

46. On construit une chaîne de Markov dont la distribution à l'équilibre est la distribution cherchée.

47. Chaîne de Markov Monte Carlo

48. Test sur des données synthétiques Vrai arbre, ~40 mots/langue Arbre consensus

49. Test sur des données synthétiques (2)‏ Taux de disparition (μ)

50. Influence des emprunts Vrai arbre, ~40 mots/langue Emprunts : 10% Arbre consensus

51. Influence des emprunts (2) Arbre consensus Vrai arbre, ~40 mots/langue Emprunts : 50%

53. Les dates sont sous-estimées Âge de la racine Taux de disparition ( μ) Emprunts : 50%

54. Présence d'emprunts ?

55. Validation croisée

57. Vocabulaire de base (Swadesh 100 ou 200)‏

58. Deux bases de données

59. Dyen et al. (1997): 87 langues, surtout modernes

60. Ringe et al. (2002): 17 langues, surtout anciennes

62. Données manquantes incluses

63. Logiciel TraitLab, codé en MatLab

76. Âge de la racine

77. Questions otázky spørgsmåler vragen questions Fragen domande pytania questões întrebări вопросы vprašanja preguntes preguntas frågor vrae spurningar quaestiones ερωτήσεις въпроси kesses spørsmåler kláusimai запитанні سوال प्रश्न cwestiwnau