The current study contributes to the already substantial scholarly literature on telecommuting by estimating a joint model of three dimensions- option, choice and frequency of telecommuting. In doing so, we focus on workers who are not self-employed workers and who have a primary work place that is outside their homes. The unique methodological features of this study include the use of a general and flexible generalized hurdle count model to analyze the precise count of telecommuting days per month, and the formulation and estimation of a model system that embeds the count model within a larger multivariate choice framework. The unique substantive aspects of this study include the consideration of the "option to telecommute" dimension and the consideration of a host of residential neighborhood built environment variables. The 2009 NHTS data is used for the analysis, and allows us to develop a current perspective of the process driving telecommuting decisions. This data set is supplemented with a built environment data base to capture the effects of demographic, work-related, and built environment measures on the telecommuting-related dimensions. In addition to providing important insights for policy analysis, the results in this study indicate that ignoring the "option" dimension of telecommuting can, and generally will, lead to incorrect conclusions regarding the behavioral processes governing telecommuting decisions. The empirical results have implications for transportation planning analysis as well as for the worker recruitment/retention and productivity literature. / text

Spectral tools in econometrics have lately experienced a renewed surge in interest. This dissertation contributes to this literature by providing conceptually different spectral-based methods and their applications to problems of modern economics. In the first part, we take a spectral decomposition of realized volatility and construct a multivariate GARCH style model that we fit by standard quasi-maximum likelihood and generalized autoregressive score procedures. We build our model on a belief that market agents obtain information in various time horizons and therefore form their expectations in various informational horizons. This behavior creates an overall volatility process that is a mixture of spectrum specific processes. We then apply the model to the currency markets, namely GBP, CHF, and EUR. With the help of the model confidence set test we show that the multi-scale model and the generalized autoregressive score based models produce forecasts that are in most cases superior to the competing models. Moreover, we find that most of the information for future volatility comes from the high frequency part of the spectra representing the very short investment horizons. In the second part, we provide a spectral decomposition of a system multivariate connectedness measure based on Diebold and Yilmaz...

Le travail présenté dans cette thèse a pour objectif d’évaluer le potentiel de modèles probabilistes multivariés appliqués sur les sous-bandes d’une décomposition en ondelettes pour la classification d’images de télédétection optiques à très haute résolution spatiale. Trois thématiques principales ont été investiguées dans ce travail : la différenciation de classes d’âge de peuplements de pins maritimes, la détection de parcelles viticoles et la détection de parcs ostréicoles. Une contribution originale concerne la proposition d’une chaîne traitement pour une classification supervisée orientée objet se basant sur des mesures de similarité adaptées au contexte de modélisation probabiliste. Celle-ci implique la création d’une base de données de patchs de texture pour l’apprentissage et l’utilisation d’une pré-segmentation de l’image à classifier. Les modèles probabilistes multivariés testés ont tout d’abord été évalués dans une procédure d’indexation d’images. Les modèles les plus performants identifiés par cette procédure ont été ensuite appliqués dans la chaîne de traitement proposée. Dans les trois thématiques explorées, les modèles multivariés ont révélé des capacités remarquables de représentation de la texture et ont permis d’obtenir une qualité de classification supérieure à celle obtenue par la méthode des matrices de co-occurrence. Ces résultats démontrent l’intérêt de la représentation multi-échelles et multi-orientations de la texture dans l’espace transformé en ondelettes et la pertinence de la modélisation multivariée des coefficients d’ondelettes issus de cette décomposition. / The prime objective of this thesis is to evaluate the potential of multivariate probabilistic models applied on wavelet subbands for the classification of very high resolution remote sensing optical data. Three main applications are investigated in this study: the differentiation of age classes of maritime pine forest stands, the detection of vineyards and the detection of oyster fields. One main contribution includes the proposal of an original supervised and object-oriented classification scheme based on similarity measurements adapted to the context of probabilistic modeling. This scheme involves the creation of a database of texture patches for the learning step and a pre-segmentation of the image to classify. The tested multivariate models were first evaluated in an image retrieval framework. The best models identified in this procedure were then applied in the proposed image processing scheme. In the three proposed thematic applications, multivariate models revealed remarkable abilities to represent the texture and reached higher classification accuracies than the method based on co-occurrence matrices. These results confirm the interest of the multi-scale and multi-orientation representation of textures through the wavelet transform, as well as the relevance of the multivariate modeling of wavelet coefficients

Le travail présenté dans cette thèse s’inscrit dans le cadre de la modélisation d’images texturées à l’aide des représentations multi-échelles et multi-orientations. Partant des résultats d’études en neurosciences assimilant le mécanisme de la perception humaine à un schéma sélectif spatio-fréquentiel, nous proposons de caractériser les images texturées par des modèles probabilistes associés aux coefficients des sous-bandes. Nos contributions dans ce contexte concernent dans un premier temps la proposition de différents modèles probabilistes permettant de prendre en compte le caractère leptokurtique ainsi que l’éventuelle asymétrie des distributions marginales associées à un contenu texturée. Premièrement, afin de modéliser analytiquement les statistiques marginales des sous-bandes, nous introduisons le modèle Gaussien généralisé asymétrique. Deuxièmement, nous proposons deux familles de modèles multivariés afin de prendre en compte les dépendances entre coefficients des sous-bandes. La première famille regroupe les processus à invariance sphérique pour laquelle nous montrons qu’il est pertinent d’associer une distribution caractéristique de type Weibull. Concernant la seconde famille, il s’agit des lois multivariées à copules. Après détermination de la copule caractérisant la structure de la dépendance adaptée à la texture, nous proposons une extension multivariée de la distribution Gaussienne généralisée asymétrique à l’aide de la copule Gaussienne. L’ensemble des modèles proposés est comparé quantitativement en terme de qualité d’ajustement à l’aide de tests statistiques d’adéquation dans un cadre univarié et multivarié. Enfin, une dernière partie de notre étude concerne la validation expérimentale des performances de nos modèles à travers une application de recherche d’images par le contenu textural. Pour ce faire, nous dérivons des expressions analytiques de métriques probabilistes mesurant la similarité entre les modèles introduits, ce qui constitue selon nous une troisième contribution de ce travail. Finalement, une étude comparative est menée visant à confronter les modèles probabilistes proposés à ceux de l’état de l’art. / In this thesis we study the statistical modeling of textured images using multi-scale and multi-orientation representations. Based on the results of studies in neuroscience assimilating the human perception mechanism to a selective spatial frequency scheme, we propose to characterize textures by probabilistic models of subband coefficients.Our contributions in this context consist firstly in the proposition of probabilistic models taking into account the leptokurtic nature and the asymmetry of the marginal distributions associated with a textured content. First, to model analytically the marginal statistics of subbands, we introduce the asymmetric generalized Gaussian model. Second, we propose two families of multivariate models to take into account the dependencies between subbands coefficients. The first family includes the spherically invariant processes that we characterize using Weibull distribution. The second family is this of copula based multivariate models. After determination of the copula characterizing the dependence structure adapted to the texture, we propose a multivariate extension of the asymmetric generalized Gaussian distribution using Gaussian copula. All proposed models are compared quantitatively using both univariate and multivariate statistical goodness of fit tests. Finally, the last part of our study concerns the experimental validation of the performance of proposed models through texture based image retrieval. To do this, we derive closed-form metrics measuring the similarity between probabilistic models introduced, which we believe is the third contribution of this work. A comparative study is conducted to compare the proposed probabilistic models to those of the state-of-the-art.

[ES] La gestión de los recursos hídricos es de vital importancia para la comprensión de las sequias a largo plazo. En la actualidad, se presentan problemas debido a la disponibilidad y manejo del recurso hídrico. Además, el cambio climático afecta de manera negativa las variables climáticas y la disponibilidad del recurso hídrico. El tomar decisiones en base a información confiable y precisa conlleva un arduo trabajo y es necesario contar con diferentes herramientas que permitan llegar a la gestión de los recursos hídricos. La modelización de las variables climáticas es parte fundamental para determinar la disponibilidad del recurso hídrico. Las más importantes son la precipitación y temperatura o precipitación y evapotranspiración. Los modelos estocásticos se encuentran en un proceso de evolución que permiten reducir la escala de análisis. En esta investigación se ha abordado la modelación de variables climáticas con detalle diario. Se ha planteado una metodología para la generación de series sintéticas de precipitación y temperatura mediante modelización estocástica continua multivariada a escala diaria. Esta metodología también incorpora la corrección del sesgo para precipitación y temperatura de los escenarios de cambio climático con detalle diario. Los resultados de la presente tesis indican que los modelos estocásticos multivariados pueden representar las condiciones espaciales y temporales de las diferentes variables climáticas (precipitación y temperatura). Además, se plantea una metodología para la determinación de la evapotranspiración en función de los datos climáticos disponibles. Por otro lado, los modelos estocásticos multivariados permiten la corrección del sesgo con resultados diarios, mensuales y anuales más realistas que otros métodos de corrección de sesgo. Estos modelos climáticos son una herramienta para pronosticar eventos o escenarios futuros que permiten tomar mejores decisiones de manera anticipada. Estos modelos se programaron en el entorno de MatLab con el objetivo de aplicarlos a diferentes zonas de estudio de manera eficiente y automatizada. Los análisis realizados en la presente tesis se realizaron para la cuenca del Júcar con un buen desempeño para las condiciones de la cuenca. / [CA] La gestió dels recursos hídrics és de vital importància per a la comprensió de les sequeres a llarg termini. En l'actualitat, es presenten problemes a causa de la disponibilitat i maneig del recurs hídric. A més, el canvi climàtic afecta de manera negativa les variables climàtiques i la disponibilitat del recurs hídric. El prendre decisions sobre la base informació de confiança i precisa comporta un ardu treball i és necessari comptar amb diferents eines que permeten arribar a la gestió dels recursos hídrics. La modelització de les variables climàtiques és part fonamental per a determinar la disponibilitat del recurs hídric. Les més importants són la precipitació i temperatura o precipitació i evapotranspiració. Els models estocàstics es troben en un procés d'evolució que permet la incorporació de més detalls reduint l'escala d'anàlisi. En aquesta investigació s'ha abordat el modelatge de variables climàtiques amb detall diari. S'ha plantejat una metodologia per a la generació de sèries sintètiques de precipitació i temperatura mitjançant modelització estocàstica contínua multivariada a escala diària. Aquesta metodologia també incorpora la correcció del biaix per a precipitació i temperatura dels escenaris de canvi climàtic amb detall diari. Els resultats de la present tesi indiquen que els models estocàstics multivariats poden representar les condicions espacials i temporals de les diferents variables climàtiques (precipitació i temperatura). A més es planteja una metodologia per a la determinació de l'evapotranspiració en funció de les dades climàtiques disponibles. D'altra banda, els models estocàstics multivariats permeten la correcció del biaix amb resultats diaris, mensuals i anuals més realistes que altres mètodes de correcció de biaix. Aquests models climàtics són una eina per a pronosticar esdeveniments o escenaris futurs que permeten prendre millors decisions de manera anticipada. Aquests models es van programar a l'entorn de Matlab amb l'objectiu d'aplicar-los a diferents zones d'estudi de manera eficient i automatitzada. Les anàlisis realitzades en la present tesi es van realitzar per a la conca del Xúquer amb un bon acompliment per a les condicions de la conca. / [EN] Management of the water resources is important for understanding long-term droughts. Currently, there are problems due to the availability and management of water resources. Furthermore, climate change negatively affecting climate variables and the availability of water resources. Making decisions based on reliable and accurate information involves hard work and it is necessary to have different tools to achieve the management of water resources. The modeling of the climatic variables is a fundamental part to determine the availability of the water resource. The most important are precipitation and temperature or precipitation and evapotranspiration. Stochastic models are in a process of evolution that allows the incorporation of more details by reducing the scale of analysis. In this research, the modeling of climatic variables has been approached in daily detail. A methodology has been proposed for the generation of synthetic series of precipitation and temperature by means of multivariate continuous stochastic modeling on a daily scale. This methodology also incorporates the bias correction for precipitation and temperature of the climate change scenarios with daily detail. The results of this thesis indicate that multivariate stochastic models can represent the spatial and temporal conditions of the different climatic variables (precipitation and temperature). In addition, a methodology is proposed for the determination of evapotranspiration based on the available climatic data. On the other hand, multivariate stochastic models allow bias correction with more realistic daily, monthly and annual results than other bias correction methods. These climate models are a tool to forecast future events or scenarios that allow better decisions to be made in advance. These models were programmed in the MatLab software with the aim of applying them to different study areas in an efficient and automatically. The work in this thesis was carried out for the Júcar basin with a good performance for the conditions of the basin / Hernández Bedolla, J. (2022). Análisis estocástico de datos climáticos como predictor para la gestión anticipada de sequías en recursos hídricos [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/182095 / TESIS