This diploma thesis follows my bachelor thesis in which the mother slang was described. This diploma thesis is aimed at the performance of the mother speech research, i.e. the use of specific expressions and language resources used by mothers of small children in Internet discussions in relevant forums or web pages. The diploma thesis aims at creating a questionnaire and establishing five hypotheses. The first part of the thesis describes the methodology of this research, in the following part there are presented the data obtained by the questionnaire survey. The hypotheses are verified in the following section, and the hypothesis testing procedure is described here. The appendix includes the questionnaire and a table of critical values that specifies the data that are needed for verifying hypotheses.

Ce travail est consacré aux problèmes de testd’hypothèses pour les processus de Poisson nonhomogènes.L’objectif principal de ce travail est l’étude decomportement des différents tests dans le cas desmodèles statistiques singuliers. L’évolution de lasingularité de la fonction d'intensité est comme suit :régulière (l'information de Fisher finie), continue maisnon différentiable (singularité de type “cusp”),discontinue (singularité de type saut) et discontinueavec un saut de taille variable. Dans tous les cas ondécrit analytiquement les tests. Dans le cas d’un saut detaille variable, on présente également les propriétésasymptotiques des estimateurs.En particulier, on décrit les statistiques de tests, le choixdes seuils et le comportement des fonctions depuissance sous les alternatives locales. Le problèmeinitial est toujours le test d’une hypothèse simple contreune alternative unilatérale. La méthode principale est lathéorie de la convergence faible dans l’espace desfonctions discontinues. Cette théorie est appliquée àl’étude des processus de rapport de vraisemblancenormalisé dans les modèles singuliers considérés. Laconvergence faible du rapport de vraisemblance sousl’hypothèse et sous les alternatives vers les processuslimites correspondants nous permet de résoudre lesproblèmes mentionnés précédemment.Les résultats asymptotiques sont illustrés par dessimulations numériques contenant la construction destests, le choix des seuils et les fonctions de puissancessous les alternatives locales. / This work is devoted to the hypotheses testing problems for inhomogeneous Poisson processes.The main object of the work is the study of the behaviour of different tests in the case of singular statistical models. The “evolution of singularity” of the intensity function is the following: regular (finite Fisherinformation), continuous but not differentiable (“cusp”type singularity), discontinuous (jump type singularity)and discontinuous with variable jump size. In all thecases we describe analytically the tests. In the case ofvariable jump size we present as well the asymptoticproperties of the estimators.In particular we describe the test statistics, the choice ofthresholds and the form of the power functions for thelocal alternatives. The initial problem is always the testof a simple hypothesis against a one-sided alternative.The main tool is the weak convergence theory in thespace of discontinuous functions. This theory is appliedto the study of the normalized likelihood ratio processesin the considered singular models. The weakconvergence of the likelihood ratio processes underhypothesis and under alternatives to the correspondinglimit processes allows us to solve the mentioned aboveproblems.The asymptotic results are illustrated by numericalsimulations which contain the construction of the tests,the choice of the thresholds, and the power functions forlocal alternatives.

Les données du monde réel sont souvent de très grande dimension, faisant intervenir un grand nombre de variables non pertinentes ou redondantes. La sélection de variables est donc utile dans ce cadre. D'abord, on considère la sélection de variables dans le modèle de régression quand le nombre de variables est très grand. En particulier on traite le cas où le nombre de variables pertinentes est bien plus petit que la dimension ambiante. Sans supposer aucune forme paramétrique pour la fonction de régression, on obtient des conditions minimales permettant de retrouver l'ensemble des variables pertinentes. Ces conditions relient la dimension intrinsèque à la dimension ambiante et la taille de l'échantillon. Ensuite, on considère le problème du test d'une hypothèse nulle composite sous un modèle de régression non paramétrique multi varié. Pour une fonctionnelle quadratique donnée $Q$, l'hypothèse nulle correspond au fait que la fonction $f$ satisfait la contrainte $Q[f] = 0$, tandis que l'alternative correspond aux fonctions pour lesquelles $ |Q[f]|$ est minorée par une constante strictement positive. On fournit des taux minimax de test et les constantes de séparation exactes ainsi qu'une procédure optimale exacte, pour des fonctionnelles quadratiques diagonales et positives. On peut utiliser ces résultats pour tester la pertinence d'une ou plusieurs variables explicatives. L'étude des taux minimax pour les fonctionnelles quadratiques diagonales qui ne sont ni positives ni négatives, fait apparaître deux régimes différents : un régime « régulier » et un régime « irrégulier ». On applique ceci au test de l'égalité des normes de deux fonctions observées dans des environnements bruités / Real-world data are often extremely high-dimensional, severely under constrained and interspersed with a large number of irrelevant or redundant features. Relevant variable selection is a compelling approach for addressing statistical issues in the scenario of high-dimensional and noisy data with small sample size. First, we address the issue of variable selection in the regression model when the number of variables is very large. The main focus is on the situation where the number of relevant variables is much smaller than the ambient dimension. Without assuming any parametric form of the underlying regression function, we get tight conditions making it possible to consistently estimate the set of relevant variables. Secondly, we consider the problem of testing a particular type of composite null hypothesis under a nonparametric multivariate regression model. For a given quadratic functional $Q$, the null hypothesis states that the regression function $f$ satisfies the constraint $Q[f] = 0$, while the alternative corresponds to the functions for which $Q[f]$ is bounded away from zero. We provide minimax rates of testing and the exact separation constants, along with a sharp-optimal testing procedure, for diagonal and nonnegative quadratic functionals. We can apply this to testing the relevance of a variable. Studying minimax rates for quadratic functionals which are neither positive nor negative, makes appear two different regimes: “regular” and “irregular”. We apply this to the issue of testing the equality of norms of two functions observed in noisy environments

This paper deals with sequential likelihood ratio tests based on grouped observations. It is demonstrated that the method of conjugated parameter pairs known from the non-grouped case can be extended to the grouped case obtaining Waldlike approximations for the OC- and ASN- function. For near hypotheses so-called F-optimal groupings are recommended. As example an SPRT based on grouped observations for the parameter of an exponentially distributed random variable is considered.

This paper deals with sequential likelihood ratio tests based on grouped observations. It is demonstrated that the method of conjugated parameter pairs known from the non-grouped case can be extended to the grouped case obtaining Waldlike approximations for the OC- and ASN- function. For near hypotheses so-called F-optimal groupings are recommended. As example an SPRT based on grouped observations for the parameter of an exponentially distributed random variable is considered.

Η παρούσα διατριβή εκπονήθηκε με σκοπό να γενικεύσει το πρόβλημα του ελέγχου υποθέσεων που εμπεριέχουν στοχαστική διάταξη στα πλαίσια της Μη Παραμετρικής Στατιστικής. Για τον σκοπό αυτό μελετήθηκε η σχετική βιβλιογραφία, εξετάσθηκε η ορολογία, οι ήδη υπάρχοντες ορισμοί και οι σχετικές προταθείσες μέθοδοι και ακολούθως έγινε προσπάθεια γενίκευσης του προαναφερθέντος προβλήματος. Η έρευνα αυτή απέδωσε δύο ομάδες αποτελεσμάτων. Στην πρώτη, ορίσθηκε μια νέα ολική διάταξη (XFO) σε κάθε σύνολο ασαφών αριθμών που έχουν διαφορετικές κορυφές οι οποίες σχηματίζουν συμπαγές υποσύνολο του ℝ. Η ασαφής αυτή διάταξη αποδίδει την σύγκριση των ασαφών αριθμών με ένα ασαφές μέτρο αναγκαιότητας και με το δυϊκό του μέτρο δυνατότητας. Η σύγκριση αυτής της μεθόδου με την πλέον αναγνωρισμένη αντίστοιχη μέθοδο διάταξης ασαφών αριθμών απέδειξε ότι η εισαχθείσα μέθοδος XFO είναι πιο κοντά στην αρχική μας εκτίμηση για την διάταξη και ανταποκρίνεται πιο αισιόδοξα. Στην δεύτερη ομάδα αποτελεσμάτων εισάγεται η έννοια της στοχαστικής διάταξης ασαφών τυχαίων μεταβλητών, με σύντηξη των ακολούθων εννοιών: α) της στοχαστικής διάταξης, β) της ανωτέρω ασαφούς διάταξης και γ) της εισαγόμενης έννοιας της ασαφούς συνάρτησης κατανομής. Ο ορισμός της στοχαστικής διάταξης δίδεται σε αρμονία με την μέθοδο XFO, αφού και οι δύο έχουν τις ρίζες τους στην ίδια διάταξη κλειστών διαστημάτων που εισάγεται αρχικά στην εργασία, μπορεί δε να θεωρηθεί η ασαφής στοχαστική διάταξη ως επέκταση της XFO. Η δεύτερη αυτή ομάδα περιλαμβάνει ένα εισαγόμενο για πρώτη φορά τρόπο ορισμού Ασαφών Υποθέσεων που περιέχουν στοχαστική διάταξη ασαφών τυχαίων μεταβλητών. Αυτό έχει αποτέλεσμα να βαθμολογείται θετικά μόνο η μία εκ των δύο ασαφών υποθέσεων, ασαφούς μηδενικής και ασαφούς εναλλακτικής, διευκολύνοντας έτσι την λήψη αποφάσεων. Προτείνεται διαδικασία ασαφούς ελέγχου που πιστοποιεί οποιαδήποτε ενυπάρχουσα στοχαστική διάταξη δύο ασαφών τυχαίων δειγμάτων, συμβατή με τον ορισμό, η οποία αντιστοιχεί θετικές τιμές αλήθειας μόνον στην αποδεκτή υπόθεση και μηδέν στην απορριπτόμενη. Τα αποτελέσματα του ελέγχου εκφράζονται με την βοήθεια δύο μέτρων αναγκαιότητας. Η μείζων συνεισφορά της προτεινόμενης ασαφούς διαδικασίας ελέγχου ασαφών υποθέσεων, που αναφέρονται σε στοχαστική διάταξη ασαφών τυχαίων μεταβλητών, είναι ότι παρέχει εργαλείο μετασχηματισμού του προβλήματος σε ένα περιορισμένο αριθμό ελέγχων κλασσικών υποθέσεων της μη Παραμετρικής Στατιστικής. Με τον τρόπο αυτό μπορούμε να συμβάλουμε στην επίλυση τέτοιων προβλημάτων ασαφών ελέγχων τόσο θεωρητικών ζητημάτων στοχαστικής διάταξης ασαφών τυχαίων μεταβλητών όσο και ενός αριθμού πρακτικών προβλημάτων, όπως της ασαφούς αξιολόγησης εξεταζομένων. / This dissertation has been carried out in order to extend the problem of testing hypotheses on stochastic orderings, with methods based on ranks. This study provides two sets of related results. In the first set of results we introduce a novel linear order, the “extended fuzzy order” (XFO), on every subset of F(ℝ), the members of which must have their modal values all different and form a compact subset of ℝ. A distinct new feature is that our linear determined procedure employs the corresponding order of a class interval associated with a confidence measure which assigns a necessity measure value on every comparison . This new XFO method measures the ordering of any two fuzzy numbers with a possibility and a necessity measure, a feature that makes the method relevant for processing of fuzzy statistical data. These fuzzy measures are compared with the widely accepted PD and NSD indices of D. Dubois and H. Prade. The comparison proves that our possibility and necessity measures are more optimistic and comply better with our intuition. In the second set of results it is investigated the fuzzy extension of hypotheses testing using non parametric methods based on ranks. To achieve this, the notion of fuzzy distribution function is introduced in a practical manner, which is proved to be equivalent to the known notion of Kruse and Mayer. The stochastic ordering of two fuzzy random samples is defined in a fusion of the notion of stochastic ordering, fuzzy distribution function and XFO method. A novel definition of fuzzy hypotheses related to a potential fuzzy stochastic order between two fuzzy random samples is given in a new manner so that the null and its alternative hypotheses do not overlap. Consequently, the method assigns positive possibility grades either to the null fuzzy hypothesis or to the its fuzzy alternative. This simplifies the fuzzy decision making, and moreover there is no need to defuzzify the results if a clear cut decision is required. A fuzzy statistical inference procedure of fuzzy hypotheses is proposed and it is carried out at a fuzzy significance level. The definition of a fuzzy critical value is required, which is carried out in a practical manner. The proposed method certifies any underlying stochastic fuzzy order between two fuzzy random samples giving grades of confidence to that. Two necessity measures are assigned to the rejection of the fuzzy null hypothesis in favor of its alternative. The first measures the necessity of the existence of any fuzzy stochastic ordering between the fuzzy random samples under examination. The second necessity measure expresses the confidence of the fuzzy null hypothesis rejection uniformly for all relevant α-cut levels. The main contribution of this thesis, as far as the second set of results is concerned, is that a problem of testing fuzzy hypotheses on stochastic orderings of fuzzy random variables at a fuzzy significance level, is transferred to a limited number of tests of classic hypotheses. These tests are carried out at a fuzzy significance level, and are processed with the application of the linear fuzzy ordering procedure XFO.