Ce rapport présente brièvement l'essentiel de mon activité de recherche depuis ma thèse de doctorat [53], laquelle visait principalement à étendre l'utilisation des progrès récents de l'Analyse Harmonique Algorithmique pour l'estimation non paramétrique adaptative dans le cadre d'observations i.i.d. (tels que l'analyse par ondelettes) à l'estimation statistique pour des données markoviennes. Ainsi qu'il est éxpliqué dans [123], des résultats relatifs aux propriétés de concentration de la mesure (i.e. des inégalités de probabilité et de moments sur certaines classes fonctionnelles, adaptées à l'approximation non linéaire) sont indispensables pour exploiter ces outils d'analyse dans un cadre probabiliste et obtenir des procédures d'estimation statistique dont les vitesses de convergence surpassent celles de méthodes antérieures. Dans [53] (voir également [54], [55] et [56]), une méthode d'analyse fondée sur le renouvellement, la méthode dite 'régénérative' (voir [185]), consistant à diviser les trajectoires d'une chaîne de Markov Harris récurrente en segments asymptotiquement i.i.d., a été largement utilisée pour établir les résultats probabilistes requis, le comportement à long terme des processus markoviens étant régi par des processus de renouvellement (définissant de façon aléatoire les segments de la trajectoire). Une fois l'estimateur construit, il importe alors de pouvoir quantifier l'incertitude inhérente à l'estimation fournie (mesurée par des quantiles spécifiques, la variance ou certaines fonctionnelles appropriées de la distribution de la statistique considérée). A cet égard et au delà de l'extrême simplicité de sa mise en oeuvre (puisqu'il s'agit simplement d'eectuer des tirages i.i.d. dans l'échantillon de départ et recalculer la statistique sur le nouvel échantillon, l'échantillon bootstrap), le bootstrap possède des avantages théoriques majeurs sur l'approximation asymptotique gaussienne (la distribution bootstrap approche automatiquement la structure du second ordre dans le développement d'Edegworth de la distribution de la statistique). Il m'est apparu naturel de considérer le problème de l'extension de la procédure traditionnelle de bootstrap aux données markoviennes. Au travers des travaux réalisés en collaboration avec Patrice Bertail, la méthode régénérative s'est avérée non seulement être un outil d'analyse puissant pour établir des théorèmes limites ou des inégalités, mais aussi pouvoir fournir des méthodes pratiques pour l'estimation statistique: la généralisation du bootstrap proposée consiste à ré-échantillonner un nombre aléatoire de segments de données régénératifs (ou d'approximations de ces derniers) de manière à imiter la structure de renouvellement sous-jacente aux données. Cette approche s'est révélée également pertinente pour de nombreux autres problèmes statistiques. Ainsi la première partie du rapport vise essentiellement à présenter le principe des méthodes statistiques fondées sur le renouvellement pour des chaînes de Markov Harris. La seconde partie du rapport est consacrée à la construction et à l'étude de méthodes statistiques pour apprendre à ordonner des objets, et non plus seulement à les classer (i.e. leur aecter un label), dans un cadre supervisé. Ce problème difficile est d'une importance cruciale dans de nombreux domaines d' application, allant de l'élaboration d'indicateurs pour le diagnostic médical à la recherche d'information (moteurs de recherche) et pose d'ambitieuses questions théoriques et algorithmiques, lesquelles ne sont pas encore résolues de manière satisfaisante. Une approche envisageable consiste à se ramener à la classification de paires d'observations, ainsi que le suggère un critère largement utilisé dans les applications mentionnées ci-dessus (le critère AUC) pour évaluer la pertinence d'un ordre. Dans un travail mené en collaboration avec Gabor Lugosi et Nicolas Vayatis, plusieurs résultats ont été obtenus dans cette direction, requérant l'étude de U-processus: l'aspect novateur du problème résidant dans le fait que l'estimateur naturel du risque a ici la forme d'une U-statistique. Toutefois, dans de nombreuses applications telles que la recherche d'information, seul l'ordre relatif aux objets les plus pertinents importe véritablement et la recherche de critères correspondant à de tels problèmes (dits d'ordre localisé) et d'algorithmes permettant de construire des règles pour obtenir des 'rangements' optimaux à l'égard de ces derniers constitue un enjeu crucial dans ce domaine. Plusieurs développements en ce sens ont été réalisés dans une série de travaux (se poursuivant encore actuellement) en collaboration avec Nicolas Vayatis. Enfin, la troisième partie du rapport reflète mon intérêt pour les applications des concepts probabilistes et des méthodes statistiques. Du fait de ma formation initiale, j'ai été naturellement conduit à considérer tout d'abord des applications en finance. Et bien que les approches historiques ne suscitent généralement pas d'engouement dans ce domaine, j'ai pu me convaincre progressivement du rôle important que pouvaient jouer les méthodes statistiques non paramétriques pour analyser les données massives (de très grande dimension et de caractère 'haute fréquence') disponibles en finance afin de détecter des structures cachées et en tirer partie pour l'évaluation du risque de marché ou la gestion de portefeuille par exemple. Ce point de vue est illustré par la brève présentation des travaux menés en ce sens en collaboration avec Skander Slim dans cette troisième partie. Ces dernières années, j'ai eu l'opportunité de pouvoir rencontrer des mathématiciens appliqués et des scientifiques travaillant dans d'autres domaines, pouvant également bénéficier des avancées de la modélisation probabiliste et des méthodes statistiques. J'ai pu ainsi aborder des applications relatives à la toxicologie, plus précisément au problème de l'évaluation des risque de contamination par voie alimentaire, lors de mon année de délégation auprès de l'Institut National de la Recherche Agronomique au sein de l'unité Metarisk, unité pluridisciplinaire entièrement consacrée à l'analyse du risque alimentaire. J'ai pu par exemple utiliser mes compétences dans le domaine de la modélisation maarkovienne afin de proposer un modèle stochastique décrivant l'évolution temporelle de la quantité de contaminant présente dans l'organisme (de manère à prendre en compte à la fois le phénomène d'accumulation du aux ingestions successives et la pharmacocinétique propre au contaminant régissant le processus d'élimination) et des méthodes d'inférence statistique adéquates lors de travaux en collaboration avec Patrice Bertail et Jessica Tressou. Cette direction de recherche se poursuit actuellement et l'on peut espérer qu'elle permette à terme de fonder des recommandations dans le domaine de la santé publique. Par ailleurs, j'ai la chance de pouvoir travailler actuellement avec Hector de Arazoza, Bertran Auvert, Patrice Bertail, Rachid Lounes et Viet-Chi Tran sur la modélisation stochastique de l'épidémie du virus VIH à partir des données épidémiologiques recensées sur la population de Cuba, lesquelles constituent l'une des bases de données les mieux renseignées sur l'évolution d'une épidémie de ce type. Et bien que ce projet vise essentiellement à obtenir un modèle numérique (permettant d'effectuer des prévisions quant à l'incidence de l'épidémie à court terme, de manière à pouvoir planifier la fabrication de la quantité d'anti-rétroviraux nécéssaire par exemple), il nous a conduit à aborder des questions théoriques ambitieuses, allant de l'existence d'une mesure quasi-stationnaire décrivant l'évolution à long terme de l'épidémie aux problèmes relatifs au caractère incomplet des données épidémiologiques disponibles. Il m'est malheureusement impossible d'évoquer ces questions ici sans risquer de les dénaturer, la présentation des problèmes mathématiques rencontrés dans ce projet mériterait à elle seule un rapport entier.

No description available.

We study some Hölderian functional central limit theorems for the polygonal partial sum processes built on a first order nearly nonstationary autoregressive process and its least squares residuals Innovations are i.i.d. centered and at least square-integrable innovations. Two types of models are considered. For the first type model we prove that the limiting process depends on Ornstein – Uhlenbeck one. In the second type model, the convergence to Brownian motion is established in Hölder space in terms of the rate of coefficient and the integrability of the residuals. We also investigate some epidemic change in the innovations of the first order nearly nonstationary autoregressive process . We build the alpha-Hölderian uniform increments statistics based on the observations and on the least squares residuals to detect the short epidemic change in the process under consideration. Under the assumptions for innovations we find the limit of the statistics under null hypothesis, some conditions of consistency and we perform a test power analysis. / Disertacijoje nagrinėjami dalinių sumų laužčių procesai sudaryti iš pirmos eilės beveik nestacionaraus proceso bei jo mažiausių kvadratų liekanų. Inovacijos yra nepriklausomi, vienodai pasiskirstę ir bent kvadratu integruojami atsitiktiniai dydžiai su nuliniu vidurkiu. Įrodomos funkcinės ribinės teoremos šiems laužčių procesams Hiolderio erdvėje. Nagrinėjami du beveik nestacionaraus proceso atvejai. Vienu atveju įrodoma, kad ribinis procesas priklauso nuo Ornsteino–Uhlenbecko proceso. Kitu atveju, įrodomas konvergavimas į Brauno judesį Hiolderio erdvėje, atsižvelgiant į koeficiento divergavimo greitį bei inovacijų integruojamumą. Toliau nagrinėjamas epideminio pasikeitimo modelis beveik nestacionaraus pirmos eilės autoregresinio proceso inovacijoms. Nagrinėjami du modeliai. Iš stebėjimų bei liekanų konstruojama tolydžiųjų prieaugių alpha-Hiolderio statistika. Remiantis prielaidomis inovacijoms, randama statistikos ribinis procesas prie nulinės hipotezės, suderinamumo sąlygos, atliekama galios analizė.

Disertacijoje nagrinėjami dalinių sumų laužčių procesai sudaryti iš pirmos eilės beveik nestacionaraus proceso bei jo mažiausių kvadratų liekanų. Inovacijos yra nepriklausomi, vienodai pasiskirstę ir bent kvadratu integruojami atsitiktiniai dydžiai su nuliniu vidurkiu. Įrodomos funkcinės ribinės teoremos šiems laužčių procesams Hiolderio erdvėje. Nagrinėjami du beveik nestacionaraus proceso atvejai. Vienu atveju įrodoma, kad ribinis procesas priklauso nuo Ornsteino–Uhlenbecko proceso. Kitu atveju, įrodomas konvergavimas į Brauno judesį Hiolderio erdvėje, atsižvelgiant į koeficiento divergavimo greitį bei inovacijų integruojamumą. Toliau nagrinėjamas epideminio pasikeitimo modelis beveik nestacionaraus pirmos eilės autoregresinio proceso inovacijoms. Nagrinėjami du modeliai. Iš stebėjimų bei liekanų konstruojama tolydžiųjų prieaugių alpha-Hiolderio statistika. Remiantis prielaidomis inovacijoms, randama statistikos ribinis procesas prie nulinės hipotezės, suderinamumo sąlygos, atliekama galios analizė. / We study some Hölderian functional central limit theorems for the polygonal partial sum processes built on a first order nearly nonstationary autoregressive process and its least squares residuals Innovations are i.i.d. centered and at least square-integrable innovations. Two types of models are considered. For the first type model we prove that the limiting process depends on Ornstein – Uhlenbeck one. In the second type model, the convergence to Brownian motion is established in Hölder space in terms of the rate of coefficient and the integrability of the residuals. We also investigate some epidemic change in the innovations of the first order nearly nonstationary autoregressive process . We build the alpha-Hölderian uniform increments statistics based on the observations and on the least squares residuals to detect the short epidemic change in the process under consideration. Under the assumptions for innovations we find the limit of the statistics under null hypothesis, some conditions of consistency and we perform a test power analysis.

Baigiamajame magistro darbe gautos dvejetainių atstatymo procesų sumų konvergavimo į Puasono procesą sąlygos. Remiamasi Grigelionio teorema, nusakančia nepriklausomų taškinių procesų sumų konvergavimo sąlygas. Analizuojami atvejai, kai sumuojamų dvejetainių atstatymo procesų veikimo ir atstatymo periodai yra nepriklausomi ir pasiskirstę pagal tolygųjį, eksponentinį, geometrinį ir Erlango dėsnius. Taip pat nagrinėjamas atvejis, kai veikimo ir atstatymo laikotarpiai turi skirtingus skirstinius. Kiekvienu atveju gautos ir įrodytos būtinos ir pakankamos sąlygos. Remiantis teoriniais rezultatais, procesai yra modeliuojami ir lyginami. Darbo pabaigoje yra suformuluojamos išvados. / In this master thesis conditions for convergence of sums of alternating renewal processes to Poisson process is obtained. Thesis is based on Grigelionis theorem, which defines conditions for convergence of sums of independent counting processes. More specific cases, when alternating renewal processes life and recovery periods are independent and have uniform, exponential, geometric and Erlang distributions, are examined too. Also, case when life and recovery periods have different distributions is examined. Necessary and sufficient conditions are formulated and proven for each case. Processes are modeled and compared according to theoretical results. In the end of thesis conclusions are made.

The aim of this thesis is to show that the use of heavy-tailed distributions in finance is theoretically unfounded and may cause significant misunderstandings and fallacies in model interpretation. The main reason seems to be a wrong understanding of the concept of the distributional tail. Also in models based on real data it seems more reasonable to concentrate on the central part of the distribution not tails. Powered by TCPDF (www.tcpdf.org)

We construct and investigate random geometric structures that are based on a homogeneous Poisson point process. We investigate the random Vietoris-Rips complex constructed as the clique complex of the well known gilbert graph as an infinite random simplicial complex and prove that every realizable finite sub-complex will occur infinitely many times almost sure as isolated complex and also in the case of percolations connected to the unique giant component. Similar results are derived for the Cech complex. We derive limit theorems for the f-vector of the Vietoris-Rips complex on the unit cube centered at the origin and provide a central limit theorem and a Poisson limit theorem based on the model parameters. Finally we investigate random polytopes that are given as convex hulls of a Poisson point process in a smooth convex body. We establish a central limit theorem for certain linear combinations of intrinsic volumes. A multivariate limit theorem involving the sequence of intrinsic volumes and the number of i-dimensional faces is derived. We derive the asymptotic normality of the oracle estimator of minimal variance for estimation of the volume of a convex body.

Os modelos de Daley-Kendall e Maki-Thompson são os dois modelos estocásticos para difusão de rumores mais citados até o momento. Em ambos, uma população finita fechada e totalmente misturada é subdividida em três classes de indivíduos denominados ignorantes, informantes e contidos. Depois de um rumor ser introduzido na população, difunde-se através desta seguindo determinadas regras que dependem da classe à qual a pessoa que sabe do rumor pertence. Tanto a proporção final de indivíduos que nunca chegam a conhecer o rumor quanto o tempo que este demora em ser difundido são variáveis de interesse para os modelos propostos. As técnicas encontradas na literatura para estudar modelos de rumores são o princípio de difusão de constantes arbitrárias; argumentos de martingais; o método de funções geradoras e a análise de versões determinísticas do processo. Neste trabalho apresentamos uma alternativa para essas técnicas baseando-nos na teoria de cadeias de Markov \"density dependent\'\'. O uso desta nova abordagem nos permite apresentar resultados assintóticos para um modelo geral que tem como casos particulares os famosos modelos de Daley-Kendall e Maki-Thompson, além de variações de modelos de rumores apresentados na literatura recentemente. / Daley-Kendall and Maki-Thompson models are the two most cited stochastic models for the spread of rumours phenomena, in scientific literature. In both, a closed homogeneously mixing population is subdivided into three classes of individuals called ignorants, spreaders and stiflers. After a rumor is introduced in the population, it spreads by following certain rules that depend on the class to which the individual who knows the rumor belongs. Both the final proportion of the population never hearing the rumor and the time it takes are variables of interest for the proposed models. The main tools used to study stochastic rumours have been the principle of the diffusion of arbitrary constants, martingale arguments, generating functions and the study of analogue deterministic versions. Relying on the theory of density dependent Markov chains, we present an alternative to these tools. This approach allows us to establish asymptotical results for a general model that has as particular cases the classical Daley-Kendall and Maki-Thompson models, and other variations for rumour models reported in the literature recently.

Zentrale Grenzwertsätze und Konfidenzmengen werden in zwei verschiedenen, nichtparametrischen, inversen Problemen ähnlicher Struktur untersucht, und zwar in der Kalibrierung eines exponentiellen Lévy-Modells und im Dekonvolutionsmodell. Im ersten Modell wird eine Geldanlage durch einen exponentiellen Lévy-Prozess dargestellt, Optionspreise werden beobachtet und das charakteristische Tripel des Lévy-Prozesses wird geschätzt. Wir zeigen, dass die Schätzer fast sicher wohldefiniert sind. Zu diesem Zweck beweisen wir eine obere Schranke für Trefferwahrscheinlichkeiten von gaußschen Zufallsfeldern und wenden diese auf einen Gauß-Prozess aus der Schätzmethode für Lévy-Modelle an. Wir beweisen gemeinsame asymptotische Normalität für die Schätzer von Volatilität, Drift und Intensität und für die punktweisen Schätzer der Sprungdichte. Basierend auf diesen Ergebnissen konstruieren wir Konfidenzintervalle und -mengen für die Schätzer. Wir zeigen, dass sich die Konfidenzintervalle in Simulationen gut verhalten, und wenden sie auf Optionsdaten des DAX an. Im Dekonvolutionsmodell beobachten wir unabhängige, identisch verteilte Zufallsvariablen mit additiven Fehlern und schätzen lineare Funktionale der Dichte der Zufallsvariablen. Wir betrachten Dekonvolutionsmodelle mit gewöhnlich glatten Fehlern. Bei diesen ist die Schlechtgestelltheit des Problems durch die polynomielle Abfallrate der charakteristischen Funktion der Fehler gegeben. Wir beweisen einen gleichmäßigen zentralen Grenzwertsatz für Schätzer von Translationsklassen linearer Funktionale, der die Schätzung der Verteilungsfunktion als Spezialfall enthält. Unsere Ergebnisse gelten in Situationen, in denen eine Wurzel-n-Rate erreicht werden kann, genauer gesagt gelten sie, wenn die Sobolev-Glattheit der Funktionale größer als die Schlechtgestelltheit des Problems ist. / Central limit theorems and confidence sets are studied in two different but related nonparametric inverse problems, namely in the calibration of an exponential Lévy model and in the deconvolution model. In the first set-up, an asset is modeled by an exponential of a Lévy process, option prices are observed and the characteristic triplet of the Lévy process is estimated. We show that the estimators are almost surely well-defined. To this end, we prove an upper bound for hitting probabilities of Gaussian random fields and apply this to a Gaussian process related to the estimation method for Lévy models. We prove joint asymptotic normality for estimators of the volatility, the drift, the intensity and for pointwise estimators of the jump density. Based on these results, we construct confidence intervals and sets for the estimators. We show that the confidence intervals perform well in simulations and apply them to option data of the German DAX index. In the deconvolution model, we observe independent, identically distributed random variables with additive errors and we estimate linear functionals of the density of the random variables. We consider deconvolution models with ordinary smooth errors. Then the ill-posedness of the problem is given by the polynomial decay rate with which the characteristic function of the errors decays. We prove a uniform central limit theorem for the estimators of translation classes of linear functionals, which includes the estimation of the distribution function as a special case. Our results hold in situations, for which a square-root-n-rate can be obtained, more precisely, if the Sobolev smoothness of the functionals is larger than the ill-posedness of the problem.

Os modelos de Daley-Kendall e Maki-Thompson são os dois modelos estocásticos para difusão de rumores mais citados até o momento. Em ambos, uma população finita fechada e totalmente misturada é subdividida em três classes de indivíduos denominados ignorantes, informantes e contidos. Depois de um rumor ser introduzido na população, difunde-se através desta seguindo determinadas regras que dependem da classe à qual a pessoa que sabe do rumor pertence. Tanto a proporção final de indivíduos que nunca chegam a conhecer o rumor quanto o tempo que este demora em ser difundido são variáveis de interesse para os modelos propostos. As técnicas encontradas na literatura para estudar modelos de rumores são o princípio de difusão de constantes arbitrárias; argumentos de martingais; o método de funções geradoras e a análise de versões determinísticas do processo. Neste trabalho apresentamos uma alternativa para essas técnicas baseando-nos na teoria de cadeias de Markov \"density dependent\'\'. O uso desta nova abordagem nos permite apresentar resultados assintóticos para um modelo geral que tem como casos particulares os famosos modelos de Daley-Kendall e Maki-Thompson, além de variações de modelos de rumores apresentados na literatura recentemente. / Daley-Kendall and Maki-Thompson models are the two most cited stochastic models for the spread of rumours phenomena, in scientific literature. In both, a closed homogeneously mixing population is subdivided into three classes of individuals called ignorants, spreaders and stiflers. After a rumor is introduced in the population, it spreads by following certain rules that depend on the class to which the individual who knows the rumor belongs. Both the final proportion of the population never hearing the rumor and the time it takes are variables of interest for the proposed models. The main tools used to study stochastic rumours have been the principle of the diffusion of arbitrary constants, martingale arguments, generating functions and the study of analogue deterministic versions. Relying on the theory of density dependent Markov chains, we present an alternative to these tools. This approach allows us to establish asymptotical results for a general model that has as particular cases the classical Daley-Kendall and Maki-Thompson models, and other variations for rumour models reported in the literature recently.