Dans ce travail, les propriétés thermiques effectives du milieu fibreux sont déterminées en tenant compte du couplage conduction et rayonnement. Un échantillon numérique fibreux statistiquement homogène composé de deux phases a été généré en empilant des cylindres finis absorbant dans le vide. Ces cylindres sont dispersés selon des fonctions de distribution de la position de leur centre et de leur orientation. L'interpénétration des cylindres est permis. L'extinction, l'absorption et la diffusion sont caractérisées par des fonctions statistiques radiatives qui permettent de savoir si le milieu est Beerien (ou non). Elles sont déterminées précisément à l'aide d'une méthode de Monte Carlo. On montre que la phase gazeuse a un comportement Beerien et que le phase fibreuse a un comportement fortement non Beerien. Le champ de puissance radiative déposée dans le milieu fibreux est calculé en résolvant un modèle qui couple une Équation du Transfert Radiatif Généralisée (ETRG) et une Équation du Transfert radiatif Classique (ETR). Le modèle de conduction thermique est basé sur une méthode de marche aléatoire ne nécessitant aucun maillage. La simulation du mouvement Brownien de marcheurs dans les fibres permet de résoudre l'équation de l'énergie. L'idée de la méthode est de caractériser la température d'un volume élémentaire par une densité de marcheurs, qui peuvent parcourir le milieu. Le problème est gouverné par les conditions aux limites ; Une concentration constante de marcheurs (ou un flux constant) est associée à une température imposée (ou un flux). / In the present work, the effective heat transfer properties of fibrous medium are determined by taking into account a coupling of heat conduction and radiation. A virtual, statistically homogeneous, two-phase fibrous sample has been built by stacking finite absorbing cylinders in vaccum. These cylinders are dispersed according to prescribed distribution functions defining the cylinder positions and orientations. Cylinder overlappings are allowed. Extinction, absorption and scattering are characterised by radiative statistical functions which allow the Beerian behaviour of a medium to be assessed (or not). They are accurately determined with a Monte Carlo method. Whereas the gaseous phase exhibits a Beerian behaviour, the fibre phase is strongly non Beerian. The radiative power field deposited within the fibrous material is calculated by resolving a model which couples a Generalized Radiative Transfer Equation (GRTE) and a classic Radiative Transfer Equation (RTE). The model of conduction transfer is based on a random walk method without meshing. The simulation of Brownian motion of walkers in fibres allows the energy equation to be solved. The idea of the method is to characterize the temperature in an elementary volume by the density of walkers, which roam the medium. The problem is governed by boundary conditions ; A constant concentration of walkers (or a constant flux) is associated with a fixed temperature (or flux).

Dans le cadre de cette thèse, nous nous intéressons à ”l’exposant de Lyapu-nov” pour deux modèles en milieu aléatoire : la marche aléatoire en potentiel aléatoire, le mouvement brownien en potentiel poissonnien.Dans la première partie de la thèse (chapitre II), on étudie une marche aléatoire dans un potentiel aléatoire donné par une famille de variables aléa¬toires i.i.d. non-négatives. La continuité des exposants de Lyapunov par rap¬port à la loi du potentiel est démontrée dans le cas transient, c’est-à-dire en dimension d ≥ 3 ou en dimension 2 pour un potentiel borné inférieurement. On poursuit avec l’étude des exposants critiques : l’exposant de volume ξ et l’exposant de fluctuation X. On obtient l’une des inégalités suggérée par la conjecture de KPZ sous une condition de courbure de la forme asymptotique. Les exposants de Lyapunov jouent un rôle important dans cette étude.La deuxième partie de la thèse (chapitre III) est surtout consacrée à l’étude du brownien dans un potentiel aléatoire de longue portée. On débute cependant par un potentiel classique à portée finie. Sznitman (1987-1998) a étudié plusieurs aspects de ce modèle. Un premier résultat de cette partie est la continuité des exposants de Lyapunov par rapport au paramètre du pro¬cessus de Poisson. On étudie ensuite le modèle proposé par Lacoin (2012) qui est un modèle avec un potentiel à longue portée. Il a obtenu des estimations des exposants critiques sensiblement différentes de celles de Wüthrich (1998) pour le modèle de Sznitman. Dans cette thèse, on poursuit l’étude du modèle de Lacoin. On montre l’existence des exposants de Lyapunov, le théorème de la forme limite et une estimation de grandes déviations. / In this thesis, we are interested in Lyapunov exponent for two models in random media : random walk in random potential, Brownian motion in Poisson potential.In the first part (chapter II), we study a random walk in a random potential given by a family of i.i.d random non-negative variables. The continuity of Lyapunov exponents with respect to the law of potential is shown in the case transient, that is, in the dimension d ≥ 3 or in the dimension d = 2 for a lower bounded potential. Next, we consider the critical exponents : the exponent of volume ξ and the exponent of fluctuation X. We give an inequality suggested by the KPZ conjecture under a condition of asymptotic form. Lyapunov exponents play an important role in this work.The second part (chapter III) is mainly devoted to the study Brownian motion in a long-range random potential. However, we begin with a classical finite-range potential. Sznitman (1987-1998) investigated several aspects of this model. The first result of this part is the continuity of the Lyapunov exponents with respect to the parameter of the Poisson process. Then, we study the model proposed by Lacoin (2012) which is a long-range potential model. He obtained some estimations of critical exponents that are significantly different from those of Wüthrich (1998) for the model of Sznitman.In this thesis, we pursue the study of Lacoin model. We show the existence of Lyapunov exponents, the shape limit theorem and an estimation of large deviations

La matrice des composites thermostructuraux est obtenue par infiltration chimique en phase vapeur : une préforme placée dans un four est pénétrée par des gaz précurseur qui vont déclencher la formation matricielle par réaction hétérogène. Une modélisation numérique de ce procédé est proposée. Deux programmes furent développés puis validés. Le premier est dédié au calcul des propriétés effectives de la préforme à l'échelle de la fibre tandis que second les exploite propriétés pour accomplir une infiltration macroscopique. Ils s'appuient sur des algorithmes de marche aléatoire et requièrent des images 3D de la préforme. Dans cette optique, plusieurs tomographies de préformes ont été acquises aux deux échelles d'intérêt. Par cette méthode, l'étude des prévisions de densification de composites SiC/SiC a permis de comparer leur infiltrabilité. De plus, l'outil développé, combiné à un modèle chimique, simule l'infiltration de composites C/C et anticipe la microtexture de la matrice déposée.

Cette thèse présente une approximation fine de la densité de longues sous-suites d'une marche aléatoire conditionnée par la valeur de son extrémité, ou par une moyenne d'une fonction de ses incréments, lorsque sa taille tend vers l'infini. Dans le domaine d'un conditionnement de type grande déviation, ce résultat généralise le principe conditionnel de Gibbs au sens où il décrit les sous suites de la marche aléatoire, et non son comportement marginal. Une approximation est aussi obtenue lorsque l'événement conditionnant énonce que la valeur terminale de la marche aléatoire appartient à un ensemble mince, ou gros, d'intérieur non vide. Les approximations proposées ont lieu soit en probabilité sous la loi conditionnelle, soit en distance de la variation totale. Deux applications sont développées; la première porte sur l'estimation de probabilités de certains événements rares par une nouvelle technique d'échantillonnage d'importance; ce cas correspond à un conditionnement de type grande déviation. Une seconde application explore des méthodes constructives d'amélioration d'estimateurs dans l'esprit du théorème de Rao-Blackwell, et d'inférence conditionnelle sous paramètre de nuisance; l'événement conditionnant est alors dans la gamme du théorème de la limite centrale. On traite en détail du choix effectif de la longueur maximale de la sous suite pour laquelle une erreur relative maximale fixée est atteinte par l'approximation; des algorithmes explicites permettent la mise en oeuvre effective de cette approximation et de ses conséquences.

Les méthodes de Monte Carlo par chaîne de Markov (MCMC) sont des outils très populaires pour l’échantillonnage de lois de probabilité complexes et/ou en grandes dimensions. Étant donné leur facilité d’application, ces méthodes sont largement répandues dans plusieurs communautés scientifiques et bien certainement en statistique, particulièrement en analyse bayésienne. Depuis l’apparition de la première méthode MCMC en 1953, le nombre de ces algorithmes a considérablement augmenté et ce sujet continue d’être une aire de recherche active. Un nouvel algorithme MCMC avec ajustement directionnel a été récemment développé par Bédard et al. (IJSS, 9 :2008) et certaines de ses propriétés restent partiellement méconnues. L’objectif de ce mémoire est de tenter d’établir l’impact d’un paramètre clé de cette méthode sur la performance globale de l’approche. Un second objectif est de comparer cet algorithme à d’autres méthodes MCMC plus versatiles afin de juger de sa performance de façon relative. / Markov Chain Monte Carlo algorithms (MCMC) have become popular tools for sampling from complex and/or high dimensional probability distributions. Given their relative ease of implementation, these methods are frequently used in various scientific areas, particularly in Statistics and Bayesian analysis. The volume of such methods has risen considerably since the first MCMC algorithm described in 1953 and this area of research remains extremely active. A new MCMC algorithm using a directional adjustment has recently been described by Bédard et al. (IJSS, 9:2008) and some of its properties remain unknown. The objective of this thesis is to attempt determining the impact of a key parameter on the global performance of the algorithm. Moreover, another aim is to compare this new method to existing MCMC algorithms in order to evaluate its performance in a relative fashion.

Dans le cadre des recherches de la qualité des ressources en eau, l'étude du processus de transfert de masse du sol vers la nappe phréatique constitue un élément primordial pour la compréhension de la pollution de cette dernière. En effet, les éléments polluants solubles à la surface (produits liés aux activités humaines tels engrais, pesticides...) peuvent transiter vers la nappe à travers le milieu poreux qu'est le sol. Ce scénario de transfert de pollution repose sur deux phénomènes : la pluie qui génère la masse d'eau à la surface et la dispersion de celle-ci à travers le milieu poreux. La dispersion de masse dans un milieu poreux naturel comme le sol forme un sujet de recherche vaste et difficile aussi bien au plan expérimental que théorique. Sa modélisation constitue une préoccupation du laboratoire EMMAH, en particulier dans le cadre du projet Sol Virtuel dans lequel un modèle de transfert (modèle PASTIS) a été développé. Le couplage de ce modèle de transfert avec en entrée un modèle décrivant la dynamique aléatoire de la pluie est un des objectifs de la présente thèse. Ce travail de thèse aborde cet objectif en s'appuyant d'une part sur des résultats d'observations expérimentaux et d'autre part sur de la modélisation inspirée par l'analyse des données d'observation. La première partie du travail est consacrée à l'élaboration d'un modèle stochastique de pluie. Le choix et la nature du modèle sont basés sur les caractéristiques obtenus à partir de l'analyse de données de hauteur de pluie recueillies sur 40 ans (1968-2008) sur le Centre de Recherche de l'INRA d'Avignon. Pour cela, la représentation cumulée des précipitations sera assimilée à une marche aléatoire dans laquelle les sauts et les temps d'attente entre les sauts sont respectivement les amplitudes et les durées aléatoires entre deux occurrences d'événements de pluie. Ainsi, la loi de probabilité des sauts (loi log-normale) et celle des temps d'attente entre les sauts (loi alpha-stable) sont obtenus en analysant les lois de probabilité des amplitudes et des occurrences des événements de pluie. Nous montrons alors que ce modèle de marche aléatoire tend vers un mouvement brownien géométrique subordonné en temps (quand les pas d'espace et de temps de la marche tendent simultanément vers zéro tout en gardant un rapport constant) dont la loi de densité de probabilité est régie par une équation de Fokker Planck fractionnaire (FFPE). Deux approches sont ensuite utilisées pour la mise en œuvre du modèle. La première approche est de type stochastique et repose sur le lien existant entre le processus stochastique issu de l'équation différentielle d'Itô et la FFPE. La deuxième approche utilise une résolution numérique directe par discrétisation de la FFPE. Conformément à l'objectif principal de la thèse, la seconde partie du travail est consacrée à l'analyse de la contribution de la pluie aux fluctuations de la nappe phréatique. Cette analyse est faite sur la base de deux relevés simultanées d'observations de hauteurs de pluie et de la nappe phréatique sur 14 mois (février 2005-mars 2006). Une étude statistique des liens entre les signaux de pluie et de fluctuations de la nappe est menée comme suit : Les données de variations de hauteur de nappe sont analysées et traitées pour isoler les fluctuations cohérentes avec les événements de pluie. Par ailleurs, afin de tenir compte de la dispersion de masse dans le sol, le transport de la masse d'eau pluviale dans le sol sera modélisé par un code de calcul de transfert (modèle PASTIS) auquel nous appliquons en entrée les données de hauteurs de pluie mesurées. Les résultats du modèle permettent entre autre d'estimer l'état hydrique du sol à une profondeur donnée (ici fixée à 1.6m). Une étude de la corrélation entre cet état hydrique et les fluctuations de la nappe sera ensuite effectuée en complément à celle décrite ci-dessus pour illustrer la possibilité de modéliser l'impact de la pluie sur les fluctuations de la nappe

La dispersion dans des milieux poreux homogènes (empilements de grains) a été étudiée par des mesures par résonance magnétique nucléaire (RMN) et des simulations de marches aléatoires dans un réseau de pores. La RMN permet de mesurer l'ensemble des déplacements des molécules d'eau durant un temps tΔ, et d'obtenir propagateurs et moments caractéristiques. L'évolution temporelle du second moment σ (σ2 ∝ taΔ) permet de caractériser de manière précise le régime de dispersion des molécules (Gaussien ou anormal). Des mesures pour des écoulements de 15 < Pe < 45 dans un empilement de grains de 30μm ont permis d'observer une dispersion anormale faiblement super-dispersive (a = 1.17) en écoulement saturé et une augmentation progressive du caractère super-dispersif avec la diminution de la saturation en eau (jusqu'à a = 1.5 pour 42 %)lors d'une co-injection stationnaire eau-huile. En écoulement saturé, les propagateurs et courbes de percée sont quasi-gaussiennes, tandis qu'en écoulement insaturé, les propagateurs sont asymétriques et les courbes de percée présentent des trainées aux grands temps. Dans ces conditions, on montre que la dispersion anormale observée est mieux décrite par des lois stables de Lévy que par des lois gaussiennes. Des simulations de marche aléatoire ont été réalisées dans un réseau de pores extrait d'un milieu poreux réel par imagerie microscanner.Elles permettent d'obtenir les mêmes informations que la RMN, les marcheurs se déplaçant par advection et diffusion. Ces simulations montrent l'existence d'une stagnation non observée dans les expériences, montrant que la simplification du réseau poreux est trop importante et empêche de reproduire certains aspects du champ de vitesses détecté par la RMN. Toutefois, l'évolution temporelle du second moment a également un caractère super-dispersif à temps long à 100 % de saturation

L'estimation de canal est une tâche cruciale du récepteur dans les systèmes de communication sans fil, en particulier en cas de mobilité où les paramètres du canal varient avec le temps. Dans cette thèse, un nouvel estimateur de boucle de poursuite d'ordre 3 (RW3-CATL), qui a une structure semblable à la boucle à verrouillage de phase (PLL) avec une faible complexité a été tout d'abord proposé pour estimer l'amplitude complexe du canal dans le cas mono-trajet mono-porteuse. Le lien entre un filtre de Kalman en régime asymptotique basé sur un modèle d'approximation de marche aléatoire (RW3-KF) et l'estimateur proposé est établi. Les expressions des paramètres sous-optimaux et d'EQM correspondante sont données sous forme analytiques en fonction des gains de boucle. Ensuite, les performances asymptotiques du RW3-KF ont été analysées en résolvant les équations de Riccati. L'expression analytique de la variance optimale du bruit d'état qui minimise l'EQM asymptotique a été également déduite. Pour les systèmes multi-trajet multi-porteuses, tels que les systèmes OFDM, la boucle RW3-CATL est étendue à la structure vectorielle (RW3-LS-CATL). Cette boucle conserve la même structure qu'en mono-trajet mono-porteuse, mais un signal d'erreur vectoriel adéquat est redéfini à partir d'un estimateur LS des amplitudes complexes des trajets, basé sur les pilotes du symbole OFDM courant et sur la connaissance a priori des retards des trajets. Par ailleurs, pour ce scénario, le filtre de Kalman, RW-KF estime conjointement les amplitudes complexes des trajets. Il présente une forte complexité, et nous n'avons pas de formules analytiques pour le régler. Pour réduire la complexité, nous proposons un filtre de dimension réduite, obtenu par une approximation du filtre original à l'aide des identités de Woodbury. Ce filtre revient à estimer l'amplitude complexe de chaque trajet de manière séparée. Le réglage optimal des paramètres est déduit du cas mono-trajet mono-porteuse. Les performances de ce filtre à complexité réduite, obtenues par simulation, sont quasiment les mêmes que celles du filtre de Kalman original.

Dans cette étude, nous produisons une analyse des réseaux de transport publics (acronyme PTN en anglais) en combinant des outils de la théorie des réseaux complexes, des simulations numériques et des approches analytiques. Nous avons commencé par une analyse empirique des PTN de 14 villes importantes dans le monde et en avons déterminé les principales caractéristiques en termes de réseaux complexes. Cette apporche empirique montre que les PTN apparaissent comme des réseaux ("small world") fortement corrélés avec des "coefficients d'agrégation" élevés et des "distances les plus courtes moyennes" comparativement faibles. Nous avons ensuite introduit divers modèles de PTN à 1 et 2 dimensions. Le modèle de marches aléatoires auto-évitantes (SAW) en interactions mutuelles capture certaines des propriété statistiques des PTN dans les divers modes de représentation. Nous avons poursuivi cette étude en examinant la résistance des PTN à divers scénarios d'attaques, ce qui permet de définir des critères de robustesse des réseaux considérés.

Les méthodes de Monte Carlo par chaînes de Markov (MCCM) sont des méthodes servant à échantillonner à partir de distributions de probabilité. Ces techniques se basent sur le parcours de chaînes de Markov ayant pour lois stationnaires les distributions à échantillonner. Étant donné leur facilité d’application, elles constituent une des approches les plus utilisées dans la communauté statistique, et tout particulièrement en analyse bayésienne. Ce sont des outils très populaires pour l’échantillonnage de lois de probabilité complexes et/ou en grandes dimensions. Depuis l’apparition de la première méthode MCCM en 1953 (la méthode de Metropolis, voir [10]), l’intérêt pour ces méthodes, ainsi que l’éventail d’algorithmes disponibles ne cessent de s’accroître d’une année à l’autre. Bien que l’algorithme Metropolis-Hastings (voir [8]) puisse être considéré comme l’un des algorithmes de Monte Carlo par chaînes de Markov les plus généraux, il est aussi l’un des plus simples à comprendre et à expliquer, ce qui en fait un algorithme idéal pour débuter. Il a été sujet de développement par plusieurs chercheurs. L’algorithme Metropolis à essais multiples (MTM), introduit dans la littérature statistique par [9], est considéré comme un développement intéressant dans ce domaine, mais malheureusement son implémentation est très coûteuse (en termes de temps). Récemment, un nouvel algorithme a été développé par [1]. Il s’agit de l’algorithme Metropolis à essais multiples revisité (MTM revisité), qui définit la méthode MTM standard mentionnée précédemment dans le cadre de l’algorithme Metropolis-Hastings sur un espace étendu. L’objectif de ce travail est, en premier lieu, de présenter les méthodes MCCM, et par la suite d’étudier et d’analyser les algorithmes Metropolis-Hastings ainsi que le MTM standard afin de permettre aux lecteurs une meilleure compréhension de l’implémentation de ces méthodes. Un deuxième objectif est d’étudier les perspectives ainsi que les inconvénients de l’algorithme MTM revisité afin de voir s’il répond aux attentes de la communauté statistique. Enfin, nous tentons de combattre le problème de sédentarité de l’algorithme MTM revisité, ce qui donne lieu à un tout nouvel algorithme. Ce nouvel algorithme performe bien lorsque le nombre de candidats générés à chaque itérations est petit, mais sa performance se dégrade à mesure que ce nombre de candidats croît. / Markov Chain Monte Carlo (MCMC) algorithms are methods that are used for sampling from probability distributions. These tools are based on the path of a Markov chain whose stationary distribution is the distribution to be sampled. Given their relative ease of application, they are one of the most popular approaches in the statistical community, especially in Bayesian analysis. These methods are very popular for sampling from complex and/or high dimensional probability distributions. Since the appearance of the first MCMC method in 1953 (the Metropolis algorithm, see [10]), the interest for these methods, as well as the range of algorithms available, continue to increase from one year to another. Although the Metropolis-Hastings algorithm (see [8]) can be considered as one of the most general Markov chain Monte Carlo algorithms, it is also one of the easiest to understand and explain, making it an ideal algorithm for beginners. As such, it has been studied by several researchers. The multiple-try Metropolis (MTM) algorithm , proposed by [9], is considered as one interesting development in this field, but unfortunately its implementation is quite expensive (in terms of time). Recently, a new algorithm was developed by [1]. This method is named the revisited multiple-try Metropolis algorithm (MTM revisited), which is obtained by expressing the MTM method as a Metropolis-Hastings algorithm on an extended space. The objective of this work is to first present MCMC methods, and subsequently study and analyze the Metropolis-Hastings and standard MTM algorithms to allow readers a better perspective on the implementation of these methods. A second objective is to explore the opportunities and disadvantages of the revisited MTM algorithm to see if it meets the expectations of the statistical community. We finally attempt to fight the sedentarity of the revisited MTM algorithm, which leads to a new algorithm. The latter performs efficiently when the number of generated candidates in a given iteration is small, but the performance of this new algorithm then deteriorates as the number of candidates in a given iteration increases.