L’objectif de cette thèse est d’étendre une méthode d’estimation des paramètres d’une loi stable dans Rd aux lois à queue régulière dans un cône arbitraire. La méthode d’échantillonnage par paquets est modifiée afin d’optimiser la vitesse de convergence des estimateurs. Un nouvel estimateur de la masse totale de mesure spectrale est proposé. Des résultats sur les statistiques d’ordre des lois à queue régulière dans un cône et la loi des grands nombres pour le schéma triangulaire sont établis. La consistance et la normalité asymptotique des estimateurs sont démontrées. La performance des estimateurs est étudiée par simulation. On compare ces estimateurs avec quelques estimateurs connus. Les tableaux de performance sont fournis. La méthode de noyau est utilisée pour estimer la densité d’une mesure spectrale absolument continue d’une loi à queue régulière. On prouve la consistance de l’estimateur dans notre cas particulier. Pour augmenter le nombre de points utilisés dans l’échantillon, on propose une méthode d’estimation utilisant les permutations aléatoires de l’échantillon. La variation régulière a la propriété d’être préservée par plusieurs opérations et transformations. On considère trois sortes de transformations. Des conditions suffisantes pour cette préservation sont proposées et quelques contre-exemples sont présentés. Les modèles de lois stables et de lois à queue lourde sont très utilisés dans plusieurs domaines d’application. On considère deux jeux de données réelles : les cours des 30 valeurs de l’indice DJIA et les perturbations planétaires des comètes du nuage de Oort. En appliquant la méthode d’estimation présentée on obtient des descriptions statistiques de ces données. / The objective of this thesis is to extend an estimation method of parameters of a stable distribution in Rd to the regularly varying tail distributions in an arbitrary cone. The sampling method of regrouping is modified to optimize the rate of convergence of estimators. A new estimator of total mass of the spectral measure is proposed. Some results about order statistics of regularly varying tail laws in a cone and the strong law of large numbers on the triangular schema are established. The consistency and the asymptotic normality of estimators are proved. The performance of proposed estimators is studied by simulation. We compare these estimators with some known estimators. The performance tables are provided. The kernel density estimation is used to estimate the density of an absolutely continuous spectral measure of a regularly varying tail law. We prove the consistency of the estimator in our particular case. To increase the number of points used in the sample, an estimation method using the random permutations of sample is proposed. The property of regular variation can be preserved by several operations and transformations. We consider three kinds of transformations. The sufficient conditions for this preservation are proposed and some counter-examples are presented. The models of stable distributions and heavy tailed distributions are widely used in several application areas. We consider two sets of real data : the prices of 30 stocks of the DJIA index and the planetary perturbations of comets of the Oort cloud. By applying the estimation method presented previously we obtain some statistical descriptions of these data.

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

Dans le contexte des séries temporelles linéaires, on étudie les processus strictement stationnaires dits anticipatifs dépendant potentiellement de tous les termes d'une suite d'erreurs alpha-stables indépendantes et identiquement distribuées.On considère en premier lieu les processus autoregressifs (AR) et l'on montre que des moments conditionnels d'ordres plus élevés que les moments marginaux existent dès lors que le polynôme caractéristique admet au moins une racine à l'intérieur du cercle unité.Des formules fermées sont obtenues pour les moments d'ordre un et deux dans des cas particuliers.On montre que la méthode des moindres carrés permet d'estimer une représentation all-pass causale du processus dont la validité peut être vérifiée par un test de type portmanteau, et l'on propose une méthode fondée sur des propriétés d'extreme clustering pour retrouver la représentation AR originale.L'AR(1) stable anticipatif est étudié en détails dans le cadre des vecteurs stables bivariés et des formes fonctionnelles pour les quatre premiers moments conditionnels sont obtenues pour toute paramétrisation admissible.Lors des évènements extrêmes, il est montré que ces moments deviennent équivalents à ceux d'une distribution de Bernoulli chargeant deux évolutions futures opposées: accroissement exponentiel ou retour aux valeurs centrales.Des résultats parallèles sont obtenus pour l'analogue de l'AR(1) en temps continu, le processus d'Ornstein-Uhlenbeck stable anticipatif.Pour des moyennes mobiles alpha-stables infinies, la distribution conditionnelle des chemins futurs sachant la trajectoire passée est obtenue lors des évènements extrêmes par le biais d'une nouvelle représentation des vecteurs stables multivariés sur des cylindres unités relatifs à des semi-normes.Contrairement aux normes, ce type de représentation donne lieu à une propriété de variations régulières des queues de distribution utilisable dans un contexte de prévision, mais tout vecteur stable n'admet pas une telle représentation. Une caractérisation est donnée et l'on montre qu'un chemin fini de moyenne mobile alpha-stable sera représentable pourvu que le processus soit "suffisamment anticipatif".L'approche s'étend aux processus résultant de la combinaison linéaire de moyennes mobiles alpha-stables, et la distribution conditionnelle des chemins futurs s'interprète naturellement en termes de reconnaissance de formes. / In the framework of linear time series analysis, we study a class of so-called anticipative strictly stationary processes potentially depending on all the terms of an independent and identically distributed alpha-stable errors sequence.Focusing first on autoregressive (AR) processes, it is shown that higher order conditional moments than marginal ones exist provided the characteristic polynomials admits at least one root inside the unit circle. The forms of the first and second order moments are obtained in special cases.The least squares method is shown to provide a consistent estimator of an all-pass causal representation of the process, the validity of which can be tested by a portmanteau-type test. A method based on extreme residuals clustering is proposed to determine the original AR representation.The anticipative stable AR(1) is studied in details in the framework of bivariate alpha-stable random vectors and the functional forms of its first four conditional moments are obtained under any admissible parameterisation.It is shown that during extreme events, these moments become equivalent to those of a two-point distribution charging two polarly-opposite future paths: exponential growth or collapse.Parallel results are obtained for the continuous time counterpart of the AR(1), the anticipative stable Ornstein-Uhlenbeck process.For infinite alpha-stable moving averages, the conditional distribution of future paths given the observed past trajectory during extreme events is derived on the basis of a new representation of stable random vectors on unit cylinders relative to semi-norms.Contrary to the case of norms, such representation yield a multivariate regularly varying tails property appropriate for prediction purposes, but not all stable vectors admit such a representation.A characterisation is provided and it is shown that finite length paths of a stable moving average admit such representation provided the process is "anticipative enough".Processes resulting from the linear combination of stable moving averages are encompassed, and the conditional distribution has a natural interpretation in terms of pattern identification.