Thèse doctorat : Productique : Villeurbanne, INSA : 2006. / Titre provenant de l'écran-titre. Bibliogr. p. 142-150.

Thèse de doctorat : Automatique : Nancy 1 : 2008. / Titre provenant de l'écran-titre.

Cette thèse est consacrée à la sélection de variables ou de modèles en régression logistique. Elle peut-être divisée en deux parties, une partie appliquée et une partie méthodologique. La partie appliquée porte sur l'analyse des données d'une grande enquête socio - épidémiologique dénommée actu-palu. Ces grandes enquêtes socio - épidémiologiques impliquent généralement un nombre considérable de variables explicatives. Le contexte est par nature dit de grande dimension. En raison du fléau de la dimension, le modèle de régression logistique n'est pas directement applicable. Nous procédons en deux étapes, une première étape de réduction du nombre de variables par les méthodes Lasso, Group Lasso et les forêts aléatoires. La deuxième étape consiste à appliquer le modèle logistique au sous-ensemble de variables sélectionné à la première étape. Ces méthodes ont permis de sélectionner les variables pertinentes pour l'identification des foyers à risque d'avoir un épisode fébrile chez un enfant de 2 à 10 ans à Dakar. La partie méthodologique, composée de deux sous-parties, porte sur l'établissement de propriétés techniques d'estimateurs dans le modèle de régression logistique non paramétrique. Ces estimateurs sont obtenus par maximum de vraisemblance pénalisé, dans un cas avec une pénalité de type Lasso ou Group Lasso et dans l'autre cas avec une pénalité de type 1 exposant 0. Dans un premier temps, nous proposons des versions pondérées des estimateurs Lasso et Group Lasso pour le modèle logistique non paramétrique. Nous établissons des inégalités oracles non asymptotiques pour ces estimateurs. Un deuxième ensemble de résultats vise à étendre le principe de sélection de modèle introduit par Birgé et Massart (2001) à la régression logistique. Cette sélection se fait via des critères du maximum de vraisemblance pénalisé. Nous proposons dans ce contexte des critères de sélection de modèle, et nous établissons des inégalités oracles non asymptotiques pour les estimateurs sélectionnés. La pénalité utilisée, dépendant uniquement des données, est calibrée suivant l'idée de l'heuristique de pente. Tous les résultats de la partie méthodologique sont illustrés par des études de simulations numériques. / This thesis is devoted to variables selection or model selection in logistic regression. The applied part focuses on the analysis of data from a large socioepidémiological survey, called actu-palu. These large socioepidemiological survey typically involve a considerable number of explanatory variables. This is well-known as high-dimensional setting. Due to the curse of dimensionality, logistic regression model is no longer reliable. We proceed in two steps, a first step of reducing the number of variables by the Lasso, Group Lasso ans random forests methods. The second step is to apply the logistic model to the sub-set of variables selected in the first step. These methods have helped to select relevant variables for the identification of households at risk of having febrile episode amongst children from 2 to 10 years old in Dakar. In the methodological part, as a first step, we propose weighted versions of Lasso and group Lasso estimators for nonparametric logistic model. We prove non asymptotic oracle inequalities for these estimators. Secondly we extend the model selection principle introduced by Birgé and Massart (2001) to logistic regression model. This selection is done using penalized macimum likelihood criteria. We propose in this context a completely data-driven criteria based on the slope heuristics. We prove non asymptotic oracle inequalities for selected estimators. The results of the methodological part are illustrated through simulation studies.

Reproduction de : Thèse doctorat : Informatique : Lyon 2 : 2006. / Titre provenant de l'écran-titre. Bibliogr.. Glossaire.

Reproduction de : Thèse de doctorat : Systèmes industriels : Toulouse, INPT : 2008. / Titre provenant de l'écran-titre. Bibliogr. 154 réf.

Thèse (Ph.D.)--Université Laval, 2008. / Bibliogr.: f. 147-156. Publié aussi en version électronique dans la Collection Mémoires et thèses électroniques.

Thèse (Ph. D.)--Technische Universität, Berlin. / Titre de l'écran-titre (visionné le 22 avril 2008). In Coutts MyiLibrary. In SpringerLink Business & Economics.

La thèse est structurée en cinq chapitres. Le premier chapitre met en évidence le contexte actuel du marché de l’énergie et du GN sur lequel porte la recherche. L’histoire du marché du GN est présentée en focalisant la distribution, où les nouvelles règles édictées pour l’ensemble du marché de l’énergie, ont créé un nouvel environnement concurrentiel. Celui-ci est le résultat du changement de structure du secteur, passé d’un monopole public à la compétition privée. On ymontre le besoin d’outils de gestion plus performants, tels que les options réelles. De même, on peut voir que les systèmes de distribution flexibles deviennent un atout important pour le déploiement d’un réseau de distribution.Le deuxième chapitre présente la structure générale de la recherche empirique. Il discute l’épistémologie de la recherche et l’approche abductive qui y est utilisée. Cette dernière, basée sur Thiétart (2001), permet que la recherche puisse avanceravec les interactions entre le terrain de recherche et la théorie de façon simultanée. On montre aussi que l’approche méthodologique systématique (Grawitz, 2001) est celle qui s’adapte le mieux à la recherche.Le troisième chapitre expose le cadre d’analyse de la recherche. Il exploite les aspects importants de l’approche par les options réelles pour l’analyse du système de distribution de GN. L’objectif ici est de montrer l’état de la recherche sur lesoptions réelles et les contributions que l’approche optionnelle peut offrir à la gestion de la distribution du GN. / The thesis is structured in five chapters. The first chapter brings to light the current context of the market of the energy and the GN which the research concerns. The history of the market of the GN is presented by focusing the distribution, where the new rules promulgated for the whole market of the energy, created a new competitive environment.This one is the result of the change of structure of the sector, go from a public monopoly to the private competition. We show the more successful need of management tools, such as the real options.Also, we can see that the flexible systems of distribution become an asset important for the deployment of a distribution network. The second chapter presents the general structure of the empirical research. It discusses the epistemology of the research and the abductive approach which is used there. This last one, based on Thiétart ( 2001 ), allows that the research can advance with the interactions enter the ground of research And the theory in a simultaneous way. We also show that the systematic methodological approach (Grawitz,2001) is the one which adapts itself best to the research.The third chapter exposes the frame of analysis of the research. It exploits the important aspects of the approach by the real options for the analysis of the system of distribution of GN. The objective here is to show the state of the research on the real options and the contributions which the optional approach can offer to the management of the distribution of the GN.

Cette thèse est une contribution à la construction de méthodes statistiques applicables à l’évaluation (modélisation et estimation) de certains indices utilisés pour analyser la gravité corporelle des accidents de la route. On se focalise sur quatre points lors du développement de la méthodologie adoptée : la sélection des variables (ou facteurs) présentant un effet aléatoire, la construction de modèles logistique-normaux mixtes, l’estimation des paramètres par approximation de Laplace et PQL (quasi-vraisemblance pénalisée), et la comparaison de la performance des méthodes d’estimation. Dans une première contribution, on construit un modèle logistique-Normal avec « Type de collision » comme variable à effet aléatoire pour analyser la gravité corporelle maximale observée dans un échantillon de véhicules accidentés. Des méthodes d’estimation fondées sur l’approximation de Laplace de la log-vraisemblance sont proposées pour estimer et analyser la contribution des variables présentes dans le modèle. On compare, par simulation, cette approximation Laplacienne à celle basée sur l’adaptation des polynômes de Gauss-Hermite (AGH). On montre que les deux approches sont équivalentes par rapport à la précision de l’estimation bien qu’AGH soit légèrement supérieure. Une deuxième contribution consiste à adapter certains algorithmes de la famille PQL à l’estimation des paramètres d’un deuxième modèle et à comparer sa performance en termes de biais aux méthodes de Laplace et AGH. Deux exemples de données simulées illustrent les résultats obtenus. Dans une troisième et dense contribution, on identifie plusieurs modèles logistique-normaux mixtes avec plus d’un effet aléatoire. La convergence numérique des algorithmes (Laplace, AGH, PQL) ainsi que la précision des estimations sont étudiées. Des simulations ainsi qu’une base de données détaillées d’accidents sont utilisées pour analyser la performance des modèles à détecter des véhicules contenant des usagers ayant des blessures graves corporelles maximales. Une programmation orientée R accompagnent l’ensemble des résultats obtenus. La thèse se termine sur des perspectives relatives aux critères de sélection de modèles GLM Mixtes et à l’extension de ces modèles à la famille multinomiale. / This thesis is a contribution to the construction of statistical methods for the evaluation (modeling and estimation) of some indices used to analyze the injury severity of road crashes. We focus on four points during the development of the adopted methodology: the random variables (or factors) selection, the construction of mixed logistic-Normal model, the parameters estimation by Laplace approximation and PQL (penalized quasi-likelihood) and the performance comparison of the estimation methods. In a first contribution, a logistic-Normal model is constructed with "collision type" as random variable to analyze the maximum injury severity observed in a sample of crashed vehicles. Estimation methods based on the Laplace approximation of the log-likelihood are proposed to estimate and analyze the contribution of variables in the model. We compare, by simulation, this Laplacian approximation to those based on the adaptation of Gauss-Hermite polynomials (AGH). We show that the two approaches are equivalent with respect to the accuracy of the estimate although AGH is superior. A second contribution is to adapt some algorithms of PQL family to estimate the parameters of a second model and compare its performance to Laplace and AGH methods in terms of bias. Two examples of simulated data illustrate the obtained results. In a third and dense contribution, we identify several mixed logistic-Normal models with more than one random effect. The convergence of the algorithms (Laplace, AGH, and PQL) and the precision of the estimates are investigated. Simulations as well as a database of detailed crash data are used to analyze the models performance to detect vehicles containing users with maximum injury severity. Programming oriented R accompany all results. The thesis concludes with perspectives on GLM Mixed models selection criteria and the extension of these models to the multinomial family.

Diss.--Berlin--Technische Universität, [2004]. / Bibliogr. p. 217-240.