Ce document propose des outils de simulation de matrices nulles basés sur la loi conditionnelle d’une matrice de présence-absence sachant ses statistiques exhaustives. Ces outils sont basés sur la régression logistique et de plus, ils tiennent compte de l’hétérogénéité des sites et aussi de l’interaction qui peut exister entre les variables qui définissent cette hétérogénéité. Dans ce travail, nous avons traité le cas où les variables qui caractérisent l’hétérogénéité des sites sont binaires et elles sont au plus au nombre de deux. Ainsi, deux outils ont été mis en place à savoir l’algorithme basé sur la régression logistique avec interaction entre les deux variables sites et celui sans interaction entre les variables sites. À partir d’une étude de simulation sur10 000 matrices de présence-absence, nous avons pu, non seulement décrire les propriétés des algorithmes mis en place, mais aussi comparer ces derniers avec d’autres algorithmes de simulation de matrices nulles. Ces comparaisons ont permis de constater que les tests scores avec les algorithmes basés sur la régression logistique avec ou sans interaction entre lesvariables sites donnent des résultats acceptables peu importe l’impact des variables sites. En revanche, l’algorithme ’fixed-fixed’, lorsque les variables sites ont des effets alternés, devient vulnérable aux erreurs de type I. Avec l’algorithme basé sur le modèle d’indépendance, les résultats obtenus ne sont pas fiables parce que le test est très vulnérable aux erreurs de type I.Pour l’algorithme de Peres-Neto, le test de score est très conservateur mais celui-ci s’améliore avec les variables sites à effets alternés. Pour finir, ces différents algorithmes ont été utiliséspour simuler des matrices nulles à partir d’un jeu de données réelles. Cela nous a permis decomparer la structure des matrices simulées par les différents algorithmes par rapport à celle de la matrice observée. / This document proposes tools of simulation of null matrices based on the conditional law of a presence-absence matrix knowing its sufficient statistics. These tools are based on logistic regression and, moreover, they take into account the heterogeneity of the sites and also the interaction that can exist between the variables that define this heterogeneity. In this work, we have treated the case where the variables that characterize the heterogeneity of the sites are binary and there are more than two. Thus, two tools have been put in place, namely the logistic regression algorithm with interaction between the two site variables and the one without interaction between the site variables. From a simulation study on10 000 presence-absence matrices, we were able not only to describe the properties of the implemented algorithms, but also to compare these algorithms with other null matrix simulation algorithms. These comparisons showed that the score tests with the logistic regression based algorithms with or without interaction between the site variables give acceptable results regardless of the impactof the site variables. On the other hand, the ’fixed-fixed’ algorithm, when the site variables have alternate effects, becomes vulnerable to type I errors. With the algorithm based on the independence model, the results obtained are not reliable because the test is very vulnerable to type I errors. For the Peres-Neto algorithm, the score test is very conservative but itimproves with the alternate effect site variables. Finally, these different algorithms were used to simulate null matrices from a real dataset. This enabled us to compare the structure of the matrices simulated by the different algorithms with respect to that of the observed matrix.

La curiethérapie et la protonthérapie sont toutes deux des méthodes permettant de traiter des mélanomes oculaires. Une différence majeure entre ces deux méthodes est la façon de les appliquer. En effet, la curiethérapie est une modalité de radiothérapie interne qui utilise des implants, plus spécifiquement des plaques dans le cas du mélanome oculaire, tandis que la protonthérapie utilise un faisceau externe de radiation ionisante. Pour ces deux méthodes de traitement, il est essentiel de déterminer leurs distributions de dose de radiation associées. La méthode Monte Carlo est reconnue pour être le standard dans le calcul de distribution dose. TOPAS (TOol for Particle Simulations) est un logiciel de simulation utilisant un algorithme Monte Carlo qui a initialement été développé pour des applications de protonthérapie. Le but de ce projet est de comparer d'un point de vue dosimétrique la curiethérapie et la protonthérapie pour des traitements du mélanome oculaire. Une première étape à été de valider et d'étendre TOPAS pour des applications de curiethérapie. Pour ce faire, 11 modèles de sources et les modèles de plaques oculaire de type COMS (10 à 22 mm de diamètre) ont été modélisés, puis caractérisés selon leur paramètres TG-43et TG-129. L'étape suivante est de créer et valider une géométrie d'œil contenant un mélanome oculaire dans ce même logiciel dans le but d'avoir un référentiel anatomique commun pour les méthodes de traitements. La validation de celui-ci est faite en le simulant conjointement avec une plaque oculaire de type COMS. Finalement, la comparaison dosimétrique des deux méthodes de traitement est effectuée après avoir simulé le traitement de deux formes de mélanomes oculaires par protonthérapie et par curiethérapie. Les cartes de distributions de dose, les doses moyennes des structures d'intérêt les points de dose spécifiques et les histogrammes cumulatifs sont extraits pour pouvoir tirer des informations quantitatives servant à la comparaison de la curiethérapie versus la protonthérapie.

Ajuster adéquatement pour les variables confondantes est une problématique majeure en économie de la santé. Différentes méthodes ont été proposées. Les études qui ont comparé ces méthodes l'ont rarement fait à partir de données simulées, mais plutôt sur la base d'arguments conceptuels. Notre étude visait ainsi à réaliser des simulations de Monte-Carlo pour comparer les méthodes les plus recommandées dans la littérature telles que la régression par le bénéfice monétaire net et les régressions apparemment indépendantes, en générant des données pour les réponses en log-linéaire et linéaire. Nous avons estimé l'effet causal sous la forme d'un rapport de coût-efficacité différentiel et d'un bénéfice monétaire net, soit pour la population générale, soit chez les traités, afin de déterminer les méthodes qui contrôlent le mieux le biais en utilisant divers scénarios où la taille d'échantillon et les corrélations variaient. Seul la méthode d'appariement complet sur le score de propension ajusté pour tous les confondants permettait d'obtenir un biais faible. Des analyses supplémentaires ont permis de déterminer que lorsque les réponses sont générées selon des modèles log-linéaires, la modélisation linéaire de ces réponses induit un biais. Ce biais n'était pas atténué par la modélisation des confondants à l'aide de splines cubiques, alors qu'il était résorbé en utilisant l'estimation ciblée par maximum de vraisemblance couplé à l'apprentissage machine, d'autant que les coûts soient ajustés pour leurs propres confondants ainsi que les confondants simultanés des coûts et de l'efficacité, et que l'efficacité soit ajustée pour ses propres confondants et les confondants simultanés des coûts et de l'efficacité. Puisque les réponses en évaluation économique sont potentiellement souvent log-linéaires, nous recommandons l'utilisation de l'appariement complet en ajustant pour tous les confondants, ou l'utilisation d'apprentissage machine pour modéliser les réponses où chaque réponse est ajustée pour ses confondants et les confondants simultanés du coût et de l'efficacité. / Adjusting for confounding variables is a major issue in health economics. Various methods have been proposed. Studies that have compared these methods have rarely done so on the basis of simulated data, but rather on the basis of conceptual arguments. The aim of our study was therefore to carry out Monte Carlo simulations to compare the methods most recommended in the literature, such as regression by net monetary benefit and seemingly unrelated regressions, by generating log-linear or linear outcome data. We estimated the causal effect in the form of incremental cost-effectiveness ratio and net monetary benefit, either for the general population or among the treated, to determine which methods best controlled for bias using various scenarios where sample size and correlations varied. Only the full matching on a propensity score adjusted for all confounders achieved a low bias. Further analysis determined that when outcomes were generated according to log-linear models, linear modeling of these outcomes induced bias. This bias was not mitigated by modeling confounders using cubic splines, whereas it was removed using targeted maximum likelihood estimation coupled with machine learning, provided that costs were adjusted for their own confounders as well as simultaneous cost and effictiveness confounders, and effectiveness was adjusted for its own confounders and simultaneous cost and effectiveness confounders. Since outcomes in economic evaluation are potentially often log-linear, we recommend the use of full matching by adjusting for all confounders, or the use of machine learning to model outcomes where each outcome is adjusted for its confounders and the simultaneous confounders of cost and effectiveness.

Les travaux présentes s'inscrivent dans le cadre de la réduction de variance pour les méthodes de Monte-Carlo et plus généralement dans l'optimisation de méthodes numériques à l'aide de couplage entre des méthodes déterministes et des méthodes probabilistes. Trois thèmes principaux seront abordés à l'aide de ces techniques: l'intégration numérique sur un hypercube, la résolution d' équations aux dérivées partielles linéaires et le calcul des éléments propres principaux (valeur propre et vecteur propre) de certains opérateurs linéaires.

.

Dans la thèse, nous avons utilisé des simulations de Monte Carlo combinées avec différentes techniques efficaces tels que les méthodes d'histogramme pour étudier les transitions de phase et transport des spins dans différents systèmes. La première partie est consacrée à l'étude des transition de phase dans les systèmes de spins frustrés: (i) le modèle J_1-J_2 avec des spins Ising dans le régime antiferromagnétique complet, (ii) le modèle HCP avec des spins Ising et des spins $XY$ dans le régime antiferromagnétique complet. Les résultats obtenus montrent en effet une transition du premier ordre que l'on trouve plus tôt dans d'autres systèmes frustrés. La deuxième partie montre les état fondamental et transitions de phase dans les cristaux moléculaires et dans les liquides de dimères. Pour faire face à ces systèmes, nous avons utilisé le modèle de Potts en tenant compte de l'interaction dipolaire pour expliquer structures périoques en couches observées expérimentalement. Les résultats montrent des effets étonnants de cette interaction à longue portée. L'effet de l'interaction d'échange de surface a été pris en compte dans ce travail. Finalement, nous avons calculé la résistivité des spins itinérants. Nous nous sommes concentrés en particulier sur les effets des fluctuations de spin dans la région de transition de phase. Des résultats intéressants ont été obtenus montrant une forte corrélation entre les fluctuations de spin et le comportement de la résistivité. / In this thesis, we have used Monte Carlo simulations combined with different efficient techniques such as histogram methods to study the phase transitions and spin transport in various systems. The first part is devoted to the investigation of phase transition in frustrated spin systems: (i) the J_1-J_2 model with Ising spin in the full antiferromagnetic regime, (ii) the HCP lattice with both Ising and XY spin in the full antiferromagnetic regime. The results obtained show indeed a first-order transition as found earlier in other frustrated systems. The second part shows the ground state and phase transitions in molecular crystals and in dimer liquids. To deal with these systems, we have used the Potts model taking into the account the dipolar interaction to explain long-period layered structures experimentally observed. The results show amazing effects of this long-range interaction. The effect of surface exchange interaction has been considered in this work. Finally, we describe the resistivity of itinerant spins. We focused in particular on the effects of spin fluctuations in the phase transition region. Interesting results have been obtained showing a strong correlation between spin fluctuations and the behavior of the resistivity.

La thèse contient 6 chapitres. Le premier chapitre contient une introduction à la régression linéaire et aux problèmes Lasso et Lasso bayésien. Le chapitre 2 rappelle les algorithmes d’optimisation convexe et présente l’algorithme FISTA pour calculer l’estimateur Lasso. La statistique de la convergence de cet algorithme est aussi donnée dans ce chapitre en utilisant l’entropie et l’estimateur de Pitman-Yor. Le chapitre 3 est consacré à la comparaison des méthodes quasi-Monte Carlo et Monte Carlo dans les calculs numériques du Lasso bayésien. Il sort de cette comparaison que les points de Hammersely donne les meilleurs résultats. Le chapitre 4 donne une interprétation géométrique de la fonction de partition du Lasso bayésien et l’exprime en fonction de la fonction Gamma incomplète. Ceci nous a permis de donner un critère de convergence pour l’algorithme de Metropolis Hastings. Le chapitre 5 présente l’estimateur bayésien comme la loi limite d’une équation différentielle stochastique multivariée. Ceci nous a permis de calculer le Lasso bayésien en utilisant les schémas numériques semi implicite et explicite d’Euler et les méthodes de Monte Carlo, Monte Carlo à plusieurs couches (MLMC) et l’algorithme de Metropolis Hastings. La comparaison des coûts de calcul montre que le couple (schéma semi-implicite d’Euler, MLMC) gagne contre les autres couples (schéma, méthode). Finalement dans le chapitre 6 nous avons trouvé la vitesse de convergence du Lasso bayésien vers le Lasso lorsque le rapport signal/bruit est constant et le bruit tend vers 0. Ceci nous a permis de donner de nouveaux critères pour la convergence de l’algorithme de Metropolis Hastings. / The thesis contains 6 chapters. The first chapter contains an introduction to linear regression, the Lasso and the Bayesian Lasso problems. Chapter 2 recalls the convex optimization algorithms and presents the Fista algorithm for calculating the Lasso estimator. The properties of the convergence of this algorithm is also given in this chapter using the entropy estimator and Pitman-Yor estimator. Chapter 3 is devoted to comparison of Monte Carlo and quasi-Monte Carlo methods in numerical calculations of Bayesian Lasso. It comes out of this comparison that the Hammersely points give the best results. Chapter 4 gives a geometric interpretation of the partition function of the Bayesian lasso expressed as a function of the incomplete Gamma function. This allowed us to give a convergence criterion for the Metropolis Hastings algorithm. Chapter 5 presents the Bayesian estimator as the law limit a multivariate stochastic differential equation. This allowed us to calculate the Bayesian Lasso using numerical schemes semi-implicit and explicit Euler and methods of Monte Carlo, Monte Carlo multilevel (MLMC) and Metropolis Hastings algorithm. Comparing the calculation costs shows the couple (semi-implicit Euler scheme, MLMC) wins against the other couples (scheme method). Finally in chapter 6 we found the Lasso convergence rate of the Bayesian Lasso when the signal / noise ratio is constant and when the noise tends to 0. This allowed us to provide a new criteria for the convergence of the Metropolis algorithm Hastings.

L'ouverture des marchés de l'énergie et la volonté grandissante de protéger l'environnement va conduire au développement massif de la production décentralisée. Les réseaux de transport, déjà saturés, devront être soutenus par les réseaux de distribution auxquels ces nouvelles sources seront connectées. Néanmoins, l'introduction massive de productions décentralisées pourrait modifier le fonctionnement des réseaux de distribution électrique. Cette thèse illustre un meilleur moyen d'accueillir ces productions par l'introduction de nouveaux chemins pour la circulation des flux. Une nouvelle architecture, au mode d'exploitation partiellement bouclé, est ainsi proposée et validée par des études technicoéconomiques et des tests stochastiques. Cette architecture permet d'augmenter l'insertion de production décentralisée dans le réseau à un coût compétitif tout en garantissant les critères de fiabilité du distributeur.

Dans la thèse, nous avons utilisé des simulations de Monte Carlo combinées avec différentes techniques efficaces tels que les méthodes d'histogramme pour étudier les transitions de phase et transport des spins dans différents systèmes. La première partie est consacrée à l'étude des transition de phase dans les systèmes de spins frustrés: (i) le modèle J_1-J_2 avec des spins Ising dans le régime antiferromagnétique complet, (ii) le modèle HCP avec des spins Ising et des spins $XY$ dans le régime antiferromagnétique complet. Les résultats obtenus montrent en effet une transition du premier ordre que l'on trouve plus tôt dans d'autres systèmes frustrés. La deuxième partie montre les état fondamental et transitions de phase dans les cristaux moléculaires et dans les liquides de dimères. Pour faire face à ces systèmes, nous avons utilisé le modèle de Potts en tenant compte de l'interaction dipolaire pour expliquer structures périoques en couches observées expérimentalement. Les résultats montrent des effets étonnants de cette interaction à longue portée. L'effet de l'interaction d'échange de surface a été pris en compte dans ce travail. Finalement, nous avons calculé la résistivité des spins itinérants. Nous nous sommes concentrés en particulier sur les effets des fluctuations de spin dans la région de transition de phase. Des résultats intéressants ont été obtenus montrant une forte corrélation entre les fluctuations de spin et le comportement de la résistivité.

Dans ce mémoire, nous étudions l'approche bayésienne dans l'estimation des durées de vie pour des problèmes avec des points de rupture et avec des données censurées. Dans le chapitre 1, nous présentons les deux approches statistiques, l'approche fréquentiste et l'approche bayésienne. Nous montrons les points de ressemblance et de différence entre ces deux approches. Aussi, nous présentons le modèle bayésien hiérarchique avec les méthodes d'estimation Monte-Carlo avec un bref aperçu des méthodes de simulation par chaînes de Markov (MCMC). nous nous intéressons en particulier aux deux algorithmes qui sont utiles pour ces méthodes: il s'agit de l'algorithme Metropolis-Hastings et la méthode d'échantillonnage de Gibbs. Cette dernière a été utilisée par Geman et Geman (84) pour générer des observations à partir d'une distribution de Gibbs (distribution de Boltzmann). Il s'agit d'une forme particulière de méthode de Monte-Carlo par chaîne de Markov qui, du fait de son efficacité, est largement utilisée dans de nombreux domaines d'analyse statistique bayésienne. Nous parlons aussi dans ce chapitre du logiciel BUGS(Bayesian Inference Using Gibbs Sampling). Ce logiciel de programmation a été développé à l'unité MRC de Biostatistique de Cambridge. Il vise à tirer avantage des probabilités de l'échantillonnage de Gibbs dans l'inférence bayésienne sur des systèmes complexes. Dans le chapitre 2, nous abordons quelques concepts nécessaires à l'étude de l'analyse de survie, tels les fonctions de survie et de risque, les différents types de données censurées. Nous parlons aussi des méthodes fréquentistes d'analyse de survie, notamment la méthode de Kaplan-Meier. Nous rappellons aussi comment est déterminée la fonction de vraisemblance d'un modèle bayésien paramétrique de durée avec censure. Le chapitre 3 présente deux méthodes bayésiennes qui seront analysées et implémentées dans le logiciel BUGS. Une méthode qui est semi paramétrique, il s'agit de la méthode de Kalbfteisch. L'autre méthode paramétrique est celle de Carlin, Gelfand et Smith. Nous vérifions, grâce à des simulations, l'efficacité de ces deux méthodes bayésiennes. Deux exemples de simulations seront traités, un avec données censurées et l'autre avec points de rupture. Nous démontrons principalement que les estimations par simulation et l'inférence bayésienne paramétrique donnent de bons résultats par rapport aux méthodes classiques. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Fonction de survie, Méthodes paramétrique et semi paramétrique bayésiennes, Méthodes de Monte Carlo par chaîne de Markov, Échantillonnage de Gibbs.