Cette thèse a comme objectif d’évaluer comment les investissements et les dépenses militaires de la sécurité intérieure a influencé la croissance économique de l'Angola, de 1975 à 2013. Divisée en trois essais, en se concentrant principalement sur les conséquences économiques des conflits armés (des belligérants intra-angolaises et externe) qui est arrivé dans le pays, surtout après l'indépendance en 1975. Tout cela bien encadré dans le contexte de l'Afrique sub-saharienne et au milieu de la guerre froide entre les puissances mondiales majeures de l’époque: États-Unis et l'URSS. Nous avons apporté ici les apréciations de la participation de trois grands mouvements qui ont participé à la lutte de libération contre le colonialisme portugais, et comment ces trois se sont affrontés dans plusieurs conflits armés, tout particulièrement entre le MPLA et l'UNITA après la défaite du FNLA en 1975 et l'exil de son leader. Aussi nous nous sommes concentrés sur la bataille de Cuito Cuanavale, dans un contexte de conflit "global", à laquelle ont participé, entre autres forces intervéniants (Angola et Afrique du Sud), les États-Unis, Cuba et l'ex-URSS, dont les coûts furent élevés, aussi matériaux, qu’ humains. Pour donner fondation et répondre aux questions on fait une régression non-paramétrique (régressions du Kernel) en utilisant le Bootstrap, pour trouver une réponse significative dans la période 1975-2001 et une autre non significative à partir de 2002 jusqu'à 2013, avec l'analyse des effets dépenses militaires dans le développement économique de l'Angola, approchant des estimations de 32 pays d'Afrique subsaharienne. / O objetivo desta tese é avaliar como os investimentos ou gastos militares para a segurança nacional influenciaram o crescimento econômico de Angola, desde 1975 até 2013. Dividimo- la em três ensaios, tendo como foco principal as consequências econômicas dos conflitos armados (intra-angolana e com beligerantes externos) que aconteceram no país, principalmente depois da independência em 1975. Estes conflitos armados estão inseridos num contexto africano subsaariano, como extensão da Guerra Fria entre as Grandes potências mundiais da época: EUA e URSS. Trouxemos aqui não só as associações da participação dos três principais movimentos (MPLA, FNLA, UNITA) que participaram da luta de libertação contra o colonialismo português, mas também relatos de como estes três se enfrentaram em vários conflitos armados, essencialmente entre o MPLA e a UNITA, depois da derrota da FNLA em 1975 e o exílio do seu líder. Também focamos a Batalha do Cuito Cuanavale, num contexto de conflito “mundial”, da qual participaram, além das duas forças intervenientes (Angola e África do Sul), também os Estados Unidos da América (EUA), Cuba e a ex-União das Repúblicas Socialistas Soviéticas (ex-URSS), e cujos custos foram altos, tanto materiais, quanto humanos. Para dar fundamento e responder a pergunta da tese “se os gastos militares para a segurança do país são fatores determinantes para o crescimento ou estagnação econômica de Angola, no período de 1975 até 2013?” fizemos uma regressão não-paramétrica (Regressões de Kernel), com o uso do Bootstrap, num enfoque da economia da defesa, sendo que encontramos significância no período de 1975 até 2001 e não-significância no período de 2002 até 2013, ao analisarmos os efeitos dos gastos militares no crescimento econômico de Angola, aproximando-o a partir de estimações de 32 países da África subsaariana. / The objective of this thesis is to evaluate how investment and military spending for homeland security influenced the economic growth of Angola, from 1975 to 2013. We divided it into three essays, focusing primarily on the economic consequences of armed conflict (intra- Angolan belligerents and external) that happened in the country, especially after independence in 1975. These armed conflicts are housed in sub-Saharan African context, as an extension of the Cold War between the major world powers at the time: U.S.A and USSR. We bring here not only the associations of the participation of three major movements that participated in the liberation struggle against Portuguese colonialism, but also reports at how these three clashed in several armed conflicts, primarily between the MPLA and UNITA, after the defeat of the FNLA in 1975 and the exile of its leader. We also focus on the Battle of Cuito Cuanavale, in a context of "global" conflict, which was attended, besides the two intervening forces (Angola and South Africa), by the United States of America (USA), Cuba and the former Union of Soviet Socialist Republic (ex - USSR). The costs were high, both material and human. To give plea and answer the thesis question "whether the military spending to the country's security is crucial to the development of economic stagnation in Angola, from 1975 until 2013?" We made a non-parametric regression (kernel regressions), using the Bootstrap, and found significance in the period from 1975 to 2001 and not significance from 2002 until 2013, when analyzing the effects of military spending on economic development of Angola, approaching it from estimates of 32 sub-Saharan countries. / El objetivo de esta tesis es evaluar cómo la inversión y el gasto militar para la seguridad nacional influyeron en el crecimiento económico de Angola de 1975 a 2013. Nos dividimos en tres ensayos, centrándose principalmente en las consecuencias económicas de los conflictos armados (beligerantes intra Angola y externo) que sucedió en el país, sobre todo después de la independencia en el año 1975. Los conflictos armados están alojados en contexto africano al sur del Sahara, como una extensión de la guerra fría entre las grandes potencias mundiales de la época: EUA y la URSS. Traemos aquí no sólo las asociaciones de la participación de los tres grandes movimientos que participaron en la lucha de liberación contra el colonialismo portugués, pero también informa de cómo estos tres se enfrentaron en varios conflictos armados, sobre todo entre el MPLA y la UNITA, después de la derrota del FNLA en 1975 y el exilio de su líder. También nos enfocamos en la batalla de Cuito Cuanavale, en un contexto de conflicto "global", al que asistieron, además de las dos fuerzas que intervienen (Angola y Sudáfrica), por los Estados Unidos de América (EE.UU.), Cuba y la antigua Unión de la República Socialista Soviética (ex - URSS). Los costos eran altos, tanto materiales como humanos. Para dar declaración y responder a la pregunta de la tesis "si el gasto militar para la seguridad del país es crucial para el desarrollo de un estancamiento económico en Angola, desde 1975 hasta el año 2013?" Hicimos una regresión no paramétrica (regresiones del kernel), utilizando el Bootstrap, y encontramos significado en el período de 1975 a 2001, y no importancia desde 2002 hasta 2013, cuando se analizan los efectos de los gastos militares en el desarrollo económico de Angola,, acercarse a ella de las estimaciones de 32 países del África subsahariana.

Dans cette thèse, nous abordons l'estimation non paramétrique de la fonction de dépendance des distributions multivariées à valeurs extrêmes. Dans une première partie, on adopte l’hypothèse classique stipulant que les variables aléatoires sont indépendantes et identiquement distribuées (i.i.d). Plusieurs estimateurs non paramétriques sont comparés pour une fonction de dépendance trivariée de type logistique dans deux différents cas. Dans le premier cas, on suppose que les fonctions marginales sont des distributions généralisées à valeurs extrêmes. La distribution marginale est remplacée par la fonction de répartition empirique dans le deuxième cas. Les résultats des simulations Monte Carlo montrent que l'estimateur Gudendorf-Segers (Gudendorf et Segers, 2011) est plus efficient que les autres estimateurs pour différentes tailles de l’échantillon. Dans une deuxième partie, on ignore l’hypothèse i.i.d vue qu’elle n'est pas vérifiée dans l'analyse des séries temporelles. Dans le cadre univarié, on examine le comportement extrêmal d'un modèle autorégressif Gaussien stationnaire. Dans le cadre multivarié, on développe un nouveau théorème qui porte sur la convergence asymptotique de l'estimateur de Pickands vers la fonction de dépendance théorique. Ce fondement théorique est vérifié empiriquement dans les cas d’indépendance et de dépendance asymptotique. Dans la dernière partie de la thèse, l'estimateur Gudendorf-Segers est utilisé pour modéliser la structure de dépendance des concentrations extrêmes d’ozone observées dans les stations qui enregistrent des dépassements de la valeur guide et limite de la norme Tunisienne de la qualité d'air NT.106.04. / In this thesis, we investigate the nonparametric estimation of the dependence function for multivariate extreme value distributions. Firstly, we assume independent and identically distributed random variables (i.i.d). Several nonparametric estimators are compared for a trivariate dependence function of logistic type in two different cases. In a first analysis, we suppose that marginal functions are generalized extreme value distributions. In a second investigation, we substitute the marginal function by the empirical distribution function. Monte Carlo simulations show that the Gudendorf-Segers (Gudendorf and Segers, 2011) estimator outperforms the other estimators for different sample sizes. Secondly, we drop the i.i.d assumption as it’s not verified in time series analysis. Considering the univariate framework, we examine the extremal behavior of a stationary Gaussian autoregressive process. In the multivariate setting, we prove the asymptotic consistency of the Pickands dependence function estimator. This theoretical finding is confirmed by empirical investigations in the asymptotic independence case as well as the asymptotic dependence case. Finally, the Gudendorf-Segers estimator is used to model the dependence structure of extreme ozone concentrations in locations that record several exceedances for both guideline and limit values of the Tunisian air quality standard NT.106.04.

Cette thèse présente trois contributions en lien avec l'apprentissage et la détection de dissimilarité statistique multivariée, problématique d'importance primordiale pour de nombreuses méthodes d'apprentissage utilisées dans un nombre croissant de domaines. La première contribution introduit la notion de taille d'effet multivariée non-paramétrique, éclairant la nature de la dissimilarité détectée entre deux jeux de données, en deux étapes. La première consiste en une décomposition d'une mesure de dissimilarité (divergence de Jensen-Shannon) visant à la localiser dans l'espace ambiant, tandis que la seconde génère un résultat facilement interprétable en termes de grappes de points de forte discrépance et en proximité spatiale. La seconde contribution présente le premier test non-paramétrique d'homogénéité séquentiel, traitant les données issues de deux jeux une à une--au lieu de considérer ceux-ci- in extenso. Le test peut ainsi être arrêté dès qu'une évidence suffisamment forte est observée, offrant une flexibilité accrue tout en garantissant un contrôle del'erreur de type I. Sous certaines conditions, nous établissons aussi que le test a asymptotiquement une probabilité d'erreur de type II tendant vers zéro. La troisième contribution consiste en un test de détection de changement séquentiel basé sur deux fenêtres glissantes sur lesquelles un test d'homogénéité est effectué, avec des garanties sur l'erreur de type I. Notre test a une empreinte mémoire contrôlée et, contrairement à des méthodes de l'état de l'art qui ont aussi un contrôle sur l'erreur de type I, a une complexité en temps constante par observation, le rendant adapté aux flux de données. / In this thesis, we study problems related to learning and detecting multivariate statistical dissimilarity, which are of paramount importance for many statistical learning methods nowadays used in an increasingly number of fields. This thesis makes three contributions related to these problems. The first contribution introduces a notion of multivariate nonparametric effect size shedding light on the nature of the dissimilarity detected between two datasets. Our two step method first decomposes a dissimilarity measure (Jensen-Shannon divergence) aiming at localizing the dissimilarity in the data embedding space, and then proceeds by aggregating points of high discrepancy and in spatial proximity into clusters. The second contribution presents the first sequential nonparametric two-sample test. That is, instead of being given two sets of observations of fixed size, observations can be treated one at a time and, when strongly enough evidence has been found, the test can be stopped, yielding a more flexible procedure while keeping guaranteed type I error control. Additionally, under certain conditions, when the number of observations tends to infinity, the test has a vanishing probability of type II error. The third contribution consists in a sequential change detection test based on two sliding windows on which a two-sample test is performed, with type I error guarantees. Our test has controlled memory footprint and, as opposed to state-of-the-art methods that also provide type I error control, has constant time complexity per observation, which makes our test suitable for streaming data.

Dans cette thèse, nous nous intéressons au problème d'estimation de densité dans le modèle de convolution. Ce cadre correspond aux modèles avec erreurs de mesures additives, c'est-à-dire que nous observons une version bruitée de la variable d'intérêt. Pour mener notre étude, nous adoptons le point de vue de l'estimation non-paramétrique adaptative qui repose sur des procédures de sélection de modèle développées par Birgé & Massart ou sur les méthodes de Lepski. Cette thèse se divise en deux parties. La première développe des méthodes spécifiques d'estimation adaptative quand les variables d'intérêt et les erreurs sont des variables aléatoires positives. Ainsi nous proposons des estimateurs adaptatifs de la densité ou encore de la fonction de survie dans ce modèle, puis de fonctionnelles linéaires de la densité cible. Enfin nous suggérons une procédure d'agrégation linéaire. La deuxième partie traite de l'estimation adaptative de densité dans le modèle de convolution lorsque la loi des erreurs est inconnue. Dans ce cadre il est supposé qu'un échantillon préliminaire du bruit est disponible ou que les observations sont disponibles sous forme de données répétées. Les résultats obtenus pour des données répétées dans le modèle de convolution permettent d'élargir cette méthodologie au cadre des modèles linéaires mixtes. Enfin cette méthode est encore appliquée à l'estimation de la densité de somme de variables aléatoires observées avec du bruit. / In this thesis, we are interested in nonparametric adaptive estimation problems of density in the convolution model. This framework matches additive measurement error models, which means we observe a noisy version of the random variable of interest. To carry out our study, we follow the paradigm of model selection developped by Birgé & Massart or criterion based on Lepski's method. The thesis is divided into two parts. In the first one, the main goal is to build adaptive estimators in the convolution model when both random variables of interest and errors are distributed on the nonnegative real line. Thus we propose adaptive estimators of the density along with the survival function, then of linear functionals of the target density. This part ends with a linear density aggregation procedure. The second part of the thesis deals with adaptive estimation of density in the convolution model when the distribution is unknown and distributed on the real line. To make this problem identifiable, we assume we have at hand either a preliminary sample of the noise or we observe repeated data. So, we can derive adaptive estimation with mild assumptions on the noise distribution. This methodology is then applied to linear mixed models and to the problem of density estimation of the sum of random variables when the latter are observed with an additive noise.

Dans cette de thèse, nous nous intéressons à la modélisation non paramétrique de données extrêmes spatiales. Nos résultats sont basés sur un cadre principal de la théorie des valeurs extrêmes, permettant ainsi d’englober les lois de type Pareto. Ce cadre permet aujourd’hui d’étendre l’étude des événements extrêmes au cas spatial à condition que les propriétés asymptotiques des estimateurs étudiés vérifient les conditions classiques de la Théorie des Valeurs Extrêmes (TVE) en plus des conditions locales sur la structure des données proprement dites. Dans la littérature, il existe un vaste panorama de modèles d’estimation d’événements extrêmes adaptés aux structures des données pour lesquelles on s’intéresse. Néanmoins, dans le cas de données extrêmes spatiales, hormis les modèles max stables,il n’en existe que peu ou presque pas de modèles qui s’intéressent à l’estimation fonctionnelle de l’indice de queue ou de quantiles extrêmes. Par conséquent, nous étendons les travaux existants sur l’estimation de l’indice de queue et des quantiles dans le cadre de données indépendantes ou temporellement dépendantes. La spécificité des méthodes étudiées réside sur le fait que les résultats asymptotiques des estimateurs prennent en compte la structure de dépendance spatiale des données considérées, ce qui est loin d’être trivial. Cette thèse s’inscrit donc dans le contexte de la statistique spatiale des valeurs extrêmes. Elle y apporte trois contributions principales. • Dans la première contribution de cette thèse permettant d’appréhender l’étude de variables réelles spatiales au cadre des valeurs extrêmes, nous proposons une estimation de l’indice de queue d’une distribution à queue lourde. Notre approche repose sur l’estimateur de Hill (1975). Les propriétés asymptotiques de l’estimateur introduit sont établies lorsque le processus spatial est adéquatement approximé par un processus M−dépendant, linéaire causal ou lorsqu'il satisfait une condition de mélange fort (a-mélange). • Dans la pratique, il est souvent utile de lier la variable d’intérêt Y avec une co-variable X. Dans cette situation, l’indice de queue dépend de la valeur observée x de la co-variable X et sera appelé indice de queue conditionnelle. Dans la plupart des applications, l’indice de queue des valeurs extrêmes n’est pas l’intérêt principal et est utilisé pour estimer par exemple des quantiles extrêmes. La contribution de ce chapitre consiste à adapter l’estimateur de l’indice de queue introduit dans la première partie au cadre conditionnel et d’utiliser ce dernier afin de proposer un estimateur des quantiles conditionnels extrêmes. Nous examinons les modèles dits "à plan fixe" ou "fixed design" qui correspondent à la situation où la variable explicative est déterministe et nous utlisons l’approche de la fenêtre mobile ou "window moving approach" pour capter la co-variable. Nous étudions le comportement asymptotique des estimateurs proposés et donnons des résultats numériques basés sur des données simulées avec le logiciel "R". • Dans la troisième partie de cette thèse, nous étendons les travaux de la deuxième partie au cadre des modèles dits "à plan aléatoire" ou "random design" pour lesquels les données sont des observations spatiales d’un couple (Y,X) de variables aléatoires réelles. Pour ce dernier modèle, nous proposons un estimateur de l’indice de queue lourde en utilisant la méthode des noyaux pour capter la co-variable. Nous utilisons un estimateur de l’indice de queue conditionnelle appartenant à la famille de l’estimateur introduit par Goegebeur et al. (2014b). / In this thesis, we investigate nonparametric modeling of spatial extremes. Our resultsare based on the main result of the theory of extreme values, thereby encompass Paretolaws. This framework allows today to extend the study of extreme events in the spatialcase provided if the asymptotic properties of the proposed estimators satisfy the standardconditions of the Extreme Value Theory (EVT) in addition to the local conditions on thedata structure themselves. In the literature, there exists a vast panorama of extreme events models, which are adapted to the structures of the data of interest. However, in the case ofextreme spatial data, except max-stables models, little or almost no models are interestedin non-parametric estimation of the tail index and/or extreme quantiles. Therefore, weextend existing works on estimating the tail index and quantile under independent ortime-dependent data. The specificity of the methods studied resides in the fact that theasymptotic results of the proposed estimators take into account the spatial dependence structure of the relevant data, which is far from trivial. This thesis is then written in thecontext of spatial statistics of extremes. She makes three main contributions.• In the first contribution of this thesis, we propose a new approach of the estimatorof the tail index of a heavy-tailed distribution within the framework of spatial data. This approach relies on the estimator of Hill (1975). The asymptotic properties of the estimator introduced are established when the spatial process is adequately approximated by aspatial M−dependent process, spatial linear causal process or when the process satisfies a strong mixing condition.• In practice, it is often useful to link the variable of interest Y with covariate X. Inthis situation, the tail index depends on the observed value x of the covariate X and theunknown fonction (.) will be called conditional tail index. In most applications, the tailindexof an extreme value is not the main attraction, but it is used to estimate for instance extreme quantiles. The contribution of this chapter is to adapt the estimator of the tail index introduced in the first part in the conditional framework and use it to propose an estimator of conditional extreme quantiles. We examine the models called "fixed design"which corresponds to the situation where the explanatory variable is deterministic. To tackle the covariate, since it is deterministic, we use the window moving approach. Westudy the asymptotic behavior of the estimators proposed and some numerical resultsusing simulated data with the software "R".• In the third part of this thesis, we extend the work of the second part of the framemodels called "random design" for which the data are spatial observations of a pair (Y,X) of real random variables . In this last model, we propose an estimator of heavy tail-indexusing the kernel method to tackle the covariate. We use an estimator of the conditional tail index belonging to the family of the estimators introduced by Goegebeur et al. (2014b).