Spelling suggestions: "subject:"dois elliptic"" "subject:"dois elliptical""
1 |
Quantiles univariés et multivariés, approches probabilistes et statistiques : applications radar / Univariate and multivariate quantiles, probabilistic and statistical approaches : radar applicationsDecurninge, Alexis 26 January 2015 (has links)
La description et l’estimation des modèles aussi bien univariés que multivariés impliquantdes distributions à queue lourde est un enjeu applicatif majeur. Les L-moments sontdevenus des outils classiques alternatifs aux moments centraux pour décrire les comportementsen dispersion, asymétrie, kurtosis d’une distribution univariée à queue lourde. Eneffet, contrairement aux moments centraux correspondants, ils sont bien définis dès quel’espérance de la distribution d’intérêt est finie. Les L-moments peuvent être vus comme laprojection de la fonction quantile sur une famille orthogonale de polynômes, récupérant lalinéarité inhérente aux quantiles. Nous estimerons dans un premier temps les paramètresde modèles semi paramétriques définis par des contraintes sur ces L-moments par des méthodesde minimisation de divergences.Nous proposons dans un second temps une généralisation des L-moments aux distributionsmultivariées qui passe par la définition d’un quantile multivarié défini comme untransport entre la distribution uniforme sur [0; 1]d et la distribution d’intérêt. Cela nouspermet de proposer des descripteurs pour des distributions multivariées adaptés à l’étudedes queues lourdes. Nous détaillons leurs expressions dans le cadre de modèles possédantdes paramètres de rotation.Enfin, nous proposons des M-estimateurs de la matrice de dispersion des distributions complexeselliptiques. Ces dernières forment un modèle multivarié semi-paramétrique contenantnotamment des distributions à queue lourde. Des M-estimateurs spécifiques adaptésaux distributions elliptiques avec une hypothèse supplémentaire de stationnarité sont égalementproposés. Les performances et la robustesse des estimateurs sont étudiées.Les signaux radar provenant de fouillis tels les fouillis de mer ou les fouillis de sol sontsouvent modélisés par des distributions elliptiques. Nous illustrerons les performances dedétecteurs construits à partir de l’estimation de la matrice de dispersion par les méthodesproposées pour différents scénarios radar pour lesquels la robustesse de la procédure d’estimationest cruciale. / The description and the estimation of univariate and multivariate models whose underlyingdistribution is heavy-tailed is a strategic challenge. L-moments have becomeclassical tools alternative to central moments for the description of dispersion, skewnessand kurtosis of a univariate heavy-tailed distribution. Indeed, contrary to correspondingcentral moments, they are well defined since the expectation of the distribution of interestis finite. L-moments can be seen as projections of the quantile function on a family oforthogonal polynomials. First, we will estimate parameters of semi-parametric modelsdefined by constraints on L-moments through divergence methods.We will then propose a generalization of L-moments for multivariate distributions using amultivariate quantile function defined as a transport of the uniform distribution on [0; 1]dand the distribution of interest. As their univariate versions, these multivariate L-momentsare adapted for the study of heavy-tailed distributions. We explicitly give their formulationsfor models with rotational parameters.Finally, we propose M-estimators of the scatter matrix of complex elliptical distributions.The family of these distributions form a multivariate semi-parametric model especiallycontaining heavy-tailed distributions. Specific M-estimators adapted to complex ellipticaldistribution with an additional assumption of stationarity are proposed. Performancesand robustness of introduced estimators are studied.Ground and sea clutters are often modelized by complex elliptical distributions in the fieldof radar processing. We illustrate performances of detectors built from estimators of thescatter matrix through proposed methods for different radar scenarios.
|
2 |
Extrêmes multivariés et spatiaux : approches spectrales et modèles elliptiques / Multivariate and spatial extremes : spectral approaches and elliptical modelsOpitz, Thomas 30 October 2013 (has links)
Cette thèse présente des contributions à la modélisation multivariée et spatiale des valeurs extrêmes. Au travers d'une extension de la représentation par coordonnées pseudo-polaires, représentation très utilisée en théorie des valeurs extrêmes, une approche unifiée et générale pour la modélisation en valeurs extrêmes est proposée. La variable radiale de ces coordonnées est donnée par une fonction non négative et homogène dite fonction d'agrégation permettant d'agréger un vecteur dans un scalaire. La loi de la variable d'angle est caractérisée par une mesure dite angulaire ou spectrale. Nous définissons les lois radiales de Pareto et une version inversée de ces lois, toutes deux motivées dans le cadre de la variation régulière multivariée. Cette classe de modèles est assez souple et permet de modéliser les valeurs extrêmes de vecteurs aléatoires dont la variable agrégée est à décroissance de type Pareto ou Pareto inversé. Dans le cadre spatial, nous mettons l'accent sur les lois bivariées à l'instar des méthodes couramment utilisées. Des approches inférentielles originales sont développées, fondées sur un nouvel outil de représentation appelé spectrogramme. Le spectrogramme est constitué des mesures spectrales caractérisant le comportement extrémalbivarié. Enfin, la construction dite spectrale du processus limite max-stable des processus elliptiques, à savoir le processus t-extrémal, est présentée. Par ailleurs, nous énonçons des méthodesd'inférence et explorons des méthodes de simulation des processus de type max-stable et de type Pareto. L'intérêt pratique des modèles et méthodes proposés est illustré au travers d'applications à des données environnementales et financières. / This PhD thesis presents contributions to the modelling of multivariate andspatial extreme values. Using an extension of commonly used pseudo-polar representations inextreme value theory, we propose a general unifying approachto modelling of extreme value dependence. The radial variable of such coordinates is obtained from applying a nonnegative and homogeneous function, called aggregation function, allowing us to aggregate a vector into a scalar value. The distribution of the angle component is characterized by a so-called angular or spectral measure. We define radial Pareto distribution and an inverted version of thesedistributions, both motivated within the framework of multivariateregular variation. This flexible class of models allows for modelling of extreme valuesin random vectors whose aggregated variable shows tail decay of thePareto or inverted Pareto type. For the purpose of spatial extreme value analysis, we follow standard methodology in geostatistics of extremes and put the focus on bivariatedistributions. Inferentialapproaches are developed based on the notion of a spectrogram,a tool composed of thespectral measures characterizing bivariate extreme value behavior. Finally, the so-called spectral construction of the max-stable limit processobtained from elliptical processes, known as extremal-t process, ispresented. We discuss inference and explore simulation methods for the max-stableprocess and the corresponding Pareto process. The utility of the proposed models and methods is illustrated throughapplications to environmental and financial data.
|
Page generated in 0.0772 seconds