Dans le cadre d'une analyse par ondelettes, nous étudions les propriétés statistiques de diverses classes de procédures. Plus précisément, nous cherchons à déterminer les espaces maximaux (maxisets) sur lesquels ces procédures atteignent une vitesse de convergence donnée. L'approche maxiset nous permet alors de donner une explication théorique à certains phénomènes observés en pratique et non expliqués par l'approche minimax. Nous montrons en effet que les estimateurs de seuillage aléatoire sont plus performants que ceux de seuillage déterministe. Ensuite, nous prouvons que les procédures de seuillage par groupes, comme certaines procédures d'arbre (proches de la procédure de Lepski) ou de seuillage par blocs, ont de meilleures performances au sens maxiset que les procédures de seuillage individuel. Par ailleurs, si les maxisets des estimateurs Bayésiens usuels construits sur des densités à queues lourdes sont de même nature que ceux des estimateurs de seuillage dur, nous montrons qu'il en est de même pour ceux des estimateurs Bayésiens construits à partir de densités Gaussiennes à grande variance et dont les performances numériques sont très bonnes.

Dans cette thèse, nous étudions divers problèmes d'estimation par sélection d'estimateurs constants ou polynomiaux par morceaux sur des partitions en intervalles ou rectangles dyadiques, en utilisant un critère de type moindres carrés pénalisé adéquat. Nos travaux portent sur trois sujets différents. Nous nous intéressons tout d'abord à l'estimation d'une loi de probabilité discrète, ainsi qu'à une application à la détection de ruptures multiples. Puis, nous proposons un cadre unifié pour l'estimation fonctionnelle basée sur des données éventuellement censurées. Enfin, nous étudions simultanément l'estimation de densité multivariée et de densité conditionnelle pour des données dépendantes. Le choix de la collection de partitions en intervalles ou rectangles dyadiques s'avère intéressant aussi bien en théorie qu'en pratique. En effet, notre estimateur pénalisé vérifie dans chacun des cadres une inégalité de type oracle non-asymptotique, pour une pénalité bien choisie. Il atteint également la vitesse minimax à constante près sur de nombreuses classes de fonctions, dont la régularité est éventuellement à la fois non homogène et non isotrope. Cette propriété, qui à notre connaissance n'a été démontrée pour aucun autre estimateur, repose sur des résultats d'approximation dont les preuves sont inspirées d'un article de DeVore et Yu. Par ailleurs, le calcul de notre estimateur dans un cadre univarié est basé sur un algorithme de plus court chemin dont la complexité est seulement linéaire en la taille de l'échantillon.

L'objet de cette thèse est d'étudier les propriétés mathématiques de quelques modèles utilisés entraitement d'image. Suivant S. J. Osher, L. Rudin et E. Fameti, nous décomposons une image f de L² en une somme u+v où u appartient à un espace de Banach fonctionnel E et v appartient à L². L'espace E doit modéliser les objets contenus dans l'image et la décomposition optimale minimise l'énergie J(u)=||u||_E+\lambda||f-u||^2_2. La difficulté majeure est de choisir un espace E adapté. Les choix classiques sont E=\dot{B}^{1,1}_1(\R^2), qui conduit au célèbre "wavelet thresholding" de Donoho, ou E=BV(\R^2), l'espace des fonctions à variations bornées. Le dernier choix définit l'algorithme d'Osher-Rudin-Fatemi. Ces deux choix ont des défauts. Le premier efface les bords nets. Le second ne conduit pas à un seuillage des coefficients d'ondelettes. Nous proposons alors de prendre E=\B1inf(\R^2), qui conserve les bords nets et conduit à un seuillage des coefficients d'ondelette. Ce sont les deux premières parties de la thèse. Dans la troisième partie, nous étudions les propriétés mathématiques de l'algorithme 'Osher-Vese qui traite mieux les composantes texturées.

Dans le cadre d'une analyse par ondelettes, nous nous intéressons à l'étude statistique d'une classe particulière d'espaces de Lorentz : les espaces de Besov faibles qui apparaissent naturellement dans le contexte de la théorie maxiset. Avec des hypothèses de type "bruit blanc gaussien", nous montrons, grâce à des techniques bayésiennes, que les vitesses minimax des espaces de Besov forts ou faibles sont les mêmes. Les distributions les plus défavorables que nous exhibons pour chaque espace de Besov faible sont construites à partir des lois de Pareto et diffèrent en cela de celles des espaces de Besov forts. Grâce aux simulations de ces distributions, nous construisons des représentations visuelles des "ennemis typiques". Enfin, nous exploitons ces distributions pour bâtir une procédure d'estimation minimax, de type "seuillage" appelée ParetoThresh, que nous étudions d'un point de vue pratique. Dans un deuxième temps, nous nous plaçons sous le modèle hétéroscédastique de bruit blanc gaussien et sous l'approche maxiset, nous établissons la sous-optimalité des estimateurs linéaires par rapport aux procédures adaptatives de type "seuillage". Puis, nous nous interrogeons sur la meilleure façon de modéliser le caractère "sparse" d'une suite à travers une approche bayésienne. À cet effet, nous étudions les maxisets des estimateurs bayésiens classiques - médiane, moyenne - associés à une modélisation construite sur des densités à queues lourdes. Les espaces maximaux pour ces estimateurs sont des espaces de Lorentz, et coïncident avec ceux associés aux estimateurs de type "seuillage". Nous prolongeons de manière naturelle ce résultat en obtenant une condition nécessaire et suffisante sur les paramètres du modèle pour que la loi a priori se concentre presque sûrement sur un espace de Lorentz précis.

Premièrement, nous construisons de tels tests basés sur des approches par bootstrap ou par permutation, et étudions leurs propriétés asymptotiques dans un cadre de processus ponctuels, à travers l'étude du comportement asymptotique des lois conditionnelles des statistiques de test bootstrappée et permutée, sous l'hypothèse nulle ainsi que toute alternative. Nous les validons en pratique par simulation et les comparons à des méthodes classiques en neurosciences. Ensuite, nous nous concentrons sur les tests par permutation, connus pour contrôler non-asymptotiquement leur niveau. Les p-valeurs basées sur la notion de coïncidences avec délai, sont implémentées dans une procédure de tests multiples, appelée méthode Permutation Unitary Events, pour détecter les synchronisations entre deux neurones. Nous validons la méthode par simulation avant de l'appliquer à de vraies données. Deuxièmement, nous étudions les propriétés non-asymptotiques des tests par permutation en termes de vitesse de séparation uniforme. Nous construisons une procédure de tests agrégés, basée sur du seuillage par ondelettes dans un cadre de variables aléatoires à densité. Nous déduisons d'une inégalité fondamentale de Talagrand, une nouvelle inégalité de concentration de type Bernstein pour des sommes permutées aléatoirement qui nous permet de majorer la vitesse de séparation uniforme sur des espaces de Besov faibles et d'en déduire que cette procédure semble être optimale et adaptative au sens du minimax. / On the one hand, we construct such tests based on bootstrap and permutation approaches. Their asymptotic performance are studied in a point process framework through the analysis of the asymptotic behavior of the conditional distributions of both bootstrapped and permuted test statistics, under the null hypothesis as well as under any alternative. A simulation study is performed verifying the usability of these tests in practice, and comparing them to existing classical methods in Neuroscience. We then focus on the permutation tests, well known for their non-asymptotic level properties. Their p-values, based on the delayed coincidence count, are implemented in a multiple testing procedure, called Permutation Unitary Events method, to detect the synchronization occurrences between two neurons. The practical validity of the method is verified on a simulation study before being applied on real data. On the other hand, the non-asymptotic performances of the permutation tests are studied in terms of uniform separation rates. A new aggregated procedure based on a wavelet thresholding method is developed in the density framework. Based on Talagrand's fundamental inequalities, we provide a new Bernstein-type concentration inequality for randomly permuted sums. In particular, it allows us to upper bound the uniform separation rate of the aggregated procedure over weak Besov spaces and deduce that this procedure seems to be optimal and adaptive in the minimax sens.

Le projet de thèse comporte différentes directions possibles: a) Améliorer la compréhension des relations entre la théorie des structures de régularité développée par M. Hairer et la méthode des Distributions Paracontrolées développée par Gubinelli, Imkeller et Perkowski, et éventuellement fournir une synthèse des deux. C'est très spéculatif et, pour le moment, il n'y a pas de chemin clair vers cet objectif à long terme. b) Utiliser la théorie des Distributions Paracontrolées pour étudier différents types d'équations aux dérivés partiels: équations de transport et équations générales d'évolution hyperbolique, équations dispersives, systèmes de lois de conservation. Ces EDP ne sont pas dans le domaine des méthodes actuelles qui ont été développées principalement pour gérer les équations d'évolution semi-linéaire parabolique. c) Une fois qu'une théorie pour l'équation de transport perturbée par un signal irregulier a été établie, il sera possible de se dédier à l'étude des phénomènes de régularisation par le bruit qui, pour le moment, n'ont étés étudiés que dans le contexte des équations de transport perturbées par le mouvement brownien, en utilisant des outils standard d'analyse stochastique. d) Les techniques du Groupe de Renormalisation (GR) et les développements multi-échelles ont déjà été utilisés à la fois pour aborder les EDP et pour définir des champs quantiques euclidiens. La théorie des Distributions Paracontrolées peut être comprise comme une sorte d'analyse multi-échelle des fonctionnels non linéaires et il serait intéressant d'explorer l'interaction des techniques paradifférentielles avec des techniques plus standard, comme les "cluster expansions" et les méthodes liées au GR. / The thesis project has various possible directions: a) Improve the understanding of the relations between the theory of Regularity Structures developed by M.Hairer and the method of Paracontrolled Distributions developed by Gubinelli, Imkeller and Perkowski, and eventually to provide a synthesis. This is highly speculative and at the moment there are no clear path towards this long term goal. b) Use the theory of Paracontrolled Distributions to study different types of PDEs: transport equations and general hyperbolic evolution equation, dispersive equations, systems of conservation laws. These PDEs are not in the domain of the current methods which were developed mainly to handle parabolic semilinear evolution equations. c) Once a theory of transport equation driven by rough signals have been established it will become possible to tackle the phenomena of regularization by transport noise which for the moment has been studied only in the context of transport equations driven by Brownian motion, using standard tools of stochastic analysis. d) Renormalization group (RG) techniques and multi-scale expansions have already been used both to tackle PDE problems and to define Euclidean Quantum Field Theories. Paracontrolled Distributions theory can be understood as a kind of mul- tiscale analysis of non-linear functionals and it would be interesting to explore the interplay of paradifferential techniques with more standard techniques like cluster expansions and RG methods.