La thèse étudie l'influence des seuils comptables dans les pratiques de gestion du résultat. Ses contributions sont (1) sémantique, (2) méthodologique et (3) empirique. (1) La thèse clarifie la terminologie et dresse une typologie des seuils. Elle propose un cadre d'analyse qui complète le modèle politico-contractuel par des explications psychologiques et met en relief le rôle clef des anticipations des dirigeants. (2) Les mesures non paramétriques habituellement utilisées pour étudier les irrégularités de distribution des résultats publiés sont examinées. Trois limites sont identifiées : le choix d'un instrument de mesure, de la largeur d'intervalle et de la variable de mise à l'échelle. Leur impact est évalué par une étude empirique des entreprises cotées françaises. Pour dépasser ces limites, la thèse propose une démarche paramétrique qui permet de mesurer le nombre total d'entreprises manipulatrices et les montants manipulés. (3) La démarche paramétrique est mise en œuvre pour étudier les résultats des entreprises françaises cotées de 1992 à 2004. Elle révèle que 5 à 10 % des entreprises manipulent chaque année leur résultat pour éviter de publier une perte. Les montants annuels manipulés sont évalués à 8,5 milliards d'euros et diminuent au cours de la période. En remettant en cause le postulat de manipulation marginale (ou évitement des petites pertes), la thèse souligne l'importance de la recherche sur les seuils, et ce résultat, observé en France, dépasse le cadre national.

Dans ce travail je présente une étude unifiée basée sur l'estimation du maximum de vraisemblance pour des modèles markoviens, semi-markoviens et semi-markoviens cachés. Il s'agit d'une étude théorique des propriétés asymptotiques de l'EMV des modèles mentionnés ainsi que une étude algorithmique. D'abord, nous construisons l'estimateur du maximum de vraisemblance (EMV) de la loi stationnaire et de la variance asymptotique du théorème de la limite centrale (TLC) pour des fonctionnelles additives des chaînes de Markov ergodiques et nous démontrons sa convergence forte et sa normalité asymptotique. Ensuite, nous considérons un modèle semi-markovien non paramétrique. Nous présentons l'EMV exact du noyau semi-markovien qui gouverne l'évolution de la chaîne semi-markovienne (CSM) et démontrons la convergence forte, ainsi que la normalité asymptotique de chaque sous-vecteur fini de cet estimateur en obtenant des formes explicites pour les matrices de covariance asymptotiques. Ceci a été appliqué pour une observation de longue durée d'une seule trajectoire d'une CSM, ainsi que pour une suite des trajectoires i.i.d. d'une CSM censurée à un instant fixe. Nous introduisons un modèle semi-markovien caché (MSMC) général avec dépendance des temps de récurrence en arrière. Nous donnons des propriétés asymptotiques de l'EMV qui correspond à ce modèle. Nous déduisons également des expressions explicites pour les matrices de covariance asymptotiques qui apparaissent dans le TLC pour l'EMV des principales caractéristiques des CSM. Enfin, nous proposons une version améliorée de l'algorithme EM (Estimation-Maximisation) et une version stochastique de cet algorithme (SAEM) afin de trouver l'EMV pour les MSMC non paramétriques. Des exemples numériques sont présentés pour ces deux algorithmes.

Les processus ponctuels spatiaux forment une branche de la statistique spatiale utilisée dans des domaines d'application variés (foresterie, géo-marketing, sismologie, épidémiologie...) et développée par de récents travaux théoriques. Nous nous intéressons principalement dans cette thèse à l'apport de la théorie des processus ponctuels spatiaux pour des problèmes de positionnement optimal, ainsi que pour la définition de nouveaux indices de concentration basés sur les distances en économétrie. Le problème de positionnement optimal s'écrit souvent comme un problème d'optimisation prenant en compte des données geo-référencées auxquelles peuvent être associées des caractéristiques. Pour prendre en compte l'aléa, nous considérons ces données issues d'un processus ponctuel spatial pour résoudre un problème de positionnement stochastique plus réaliste qu'un modèle déterministe. A travers l'étude du positionnement optimal d'une nouvelle caserne de pompiers dans la région toulousaine, nous développons une méthode de résolution stochastique permettant de juger de la variabilité de la solution optimale et de traiter des bases de données volumineuses. L'approche implémentée est validée par des premiers résultats théoriques sur le comportement asymptotique des solutions optimales empiriques. La convergence presque sure des solutions optimales empiriques de l'étude de cas précédente est obtenue dans un cadre i.i.d. en utilisant la théorie de Vapnik-Cervonenkis. Nous obtenons aussi la convergence presque sure des solutions optimales empiriques, dans un cadre plus général, pour un problème de positionnement dérivé du problème de transport de Monge-Kantorovich. Nous nous intéressons ensuite à des indices de concentration basés sur des distances en économétrie. Ces indices de concentration peuvent s'écrire comme des estimateurs de caractéristiques du second ordre de processus ponctuels marqués. Nous définissons ensuite un estimateur non-paramétrique d'une nouvelle caractéristique d'un processus ponctuel spatial marqué définissant ainsi un nouvel indice de concentration améliorant ceux déjà existants. Dans un cadre asymptotique avec fenêtre d'observation bornée, notre estimateur est asymptotiquement sans biais.

Le principal travail de<br />cette thèse porte sur l'étude des méthodes d'agrégation sous<br />l'hypothèse de marge. Nous avons mis en avant que l'hypothèse de<br />marge améliore les vitesses d'agrégation. Un autre résultat de<br />cette thèse montre que certaines méthodes de minimisation du risque<br />empirique pénalisé sont sous-optimales quand le risque est convexe,<br />même sous l'hypothèse de marge. Contrairement aux procédures<br />d'agrégation à poids exponentiels, ces méthodes n'arrivent pas à<br />profiter de la marge du modèle. Nous avons ensuite appliqué les<br />méthodes d'agrégation à la résolution de quelques problèmes<br />d'adaptation. Une dernière contribution apportée dans cette thèse a<br />été de proposer une approche du contrôle du biais en classification<br />par l'introduction d'espaces de règles de prédiction parcimonieuses.<br />Des vitesses minimax ont été obtenues pour ces modèles et une<br />méthode d'agrégation a donné une version adaptative de ces<br />procédures d'estimation.

Plusieurs machines actuellement utilisées, moteurs à combustion interne en automobile ou centrales thermiques dans l'énergie, rejettent de grandes quantités de chaleur. Généralement cette chaleur est dissipée dans l'atmosphère et son énergie perdue. Nous nous sommes donc intéressés aux moteurs à apport de chaleur externe dont l'énergie primaire est de l'énergie thermique, et plus particulièrement aux moteurs Stirling. L'une de ses principales caractéristiques est d'utiliser de la chaleur produite extérieurement comme source d'énergie. Ceci lui permet d'être multi-carburant et même d'utiliser de l'énergie thermique naturelle.L'étude menée comporte deux parties. Tout d'abord un modèle numérique zéro dimension, trois zones en temps fini a été développé. Il prend en compte les échanges thermiques aux parois et les pertes de charge, mais ne préjuge ni des dimensions moteur, ni des conditions de fonctionnement. Ceci lui permet de rester flexible pour s'adapter à l'architecture spécifique du moteur à simuler. Ensuite nous avons réalisé des mesures expérimentales sur deux moteurs de taille et puissance différentes (quelques watts et 1 kW). Ces résultats ont permis de valider le modèle. Au final nous avons obtenu un modèle numérique traduisant l'influence de paramètres dimensionnels et fonctionnels sur la puissance du moteur Stirling.Un outil d'aide à la conception de moteur Stirling a été développé en ajoutant au modèle un algorithme d'optimisation. Il permet une ébauche des caractéristiques d'un moteur Stirling. En fonction de l'application souhaitée et des contraintes s'y appliquant, il agit sur les caractéristiques choisies par l'utilisateur pour maximiser les performances.

Ce travail de recherche est consacré à l'élaboration et le développement d'une nouvelle méthode d'estimation<br />et de reconstruction de signaux fortement non-stationnaires, modulés non-linéairement à la fois<br />en amplitude et en fréquence. L'estimation de tels signaux dans un contexte trés bruité est un problème<br />délicat et les méthodes existantes de la littérature présentent plusieurs inconvénients dans ce cas.<br />Nous avons montré comment une approche locale permet une meilleure adaptabilité du modèle à la<br />nature des variations locales des amplitudes et des fréquences instantanées. Les résultats de l'estimation<br />sont par conséquent améliorés. L'originalité de la méthode proposée tient à l'application de modèles paramétriques bien adaptés sur des segments temporels de courtes durées extraits du signal étudié. Nous<br />avons proposé une stratégie de segmentation puis une stratégie de fusion des segments estimés permettant<br />la reconstruction du signal dans la totalité de sa durée. L'approche proposée permet de s'affranchir d'un<br />modèle global du signal requérant un ordre d'approximation élevé.<br />La validation de l'efficacité de l'estimation a été effectuée au préalable sur un segment temporel court.<br />Le modèle considéré localement consiste en une approximation polynomiale de la fréquence et de l'amplitude<br />exprimée dans une base polynomiale discrète et orthonormale que nous avons calculée. Cette base<br />permet de réduire le couplage entre les paramètres du modèle. Nous proposons et comparons deux techniques<br />différentes pour estimer ces derniers. La première est fondée sur la maximisation de la fonction<br />de vraisemblance en utilisant la technique d'optimisation stochastique le recuit simulé. Tandis que la<br />deuxième se base sur une approche Bayésienne employant les méthodes MCMC simulées par l'algorithme<br />de Metroplois-Hastings.<br />Nous montrons, sur des simulations et également sur des signaux réels, que l'approche proposée fournit<br />de bons résultats d'estimation par comparaison à celles de la HAF.

Ce mémoire traite de la fiabilité de l'inférence statistique pour des données spatiales se présentant sous la forme d'une image numérique texturée extraite d'une scène plus vaste. Plus particulièrement, nous proposons un cadre permettant d'évaluer le caractère représentatif de l'image observée par rapport à la scène, et de calculer la variance d'estimation de la moyenne et de la variance des niveaux de gris de l'image dans le cas où celle-ci est supposée homogène.<br />La première partie consiste en une formalisation du problème en termes statistiques.<br />Dans une seconde partie, nous présentons deux familles de méthodes paramétriques permettant le calcul de la variance d'estimation, de même que les relations entre ces deux familles. Nous montrons cependant les difficultés liées à leur mise en œuvre dans le contexte applicatif envisagé.<br />La troisième partie est consacrée à l'étude d'une méthode non paramétrique basée sur un sous-échantillonnage par blocs. Elle permet une estimation de la variance d'estimation dont les propriétés sont analysées dans le cadre général de la décomposition de Wold des processus stationnaires 2-D. Cette analyse exhaustive nous permet de proposer des critères objectifs qualifiant l'homogénéité de la moyenne et de la variance d'une texture, propriété nécessaire pour l'inférence statistique.<br />Enfin, dans une dernière partie, ces critères sont appliqués et validés dans un contexte industriel de caractérisation de matériaux composites par analyse d'image.

D'après la Théorie Quantique des Champs, tout diffuseur en accélération non-uniforme dans le vide subit une force dissipative liée aux fluctuations du vide. Par conservation de l'énergie, il doit émettre des photons. Cette prédiction théorique, appelée Effet Casimir Dynamique, est présentée dans la première partie de ce mémoire. Nous calculons les signatures du rayonnement émis par des miroirs oscillants, dans le vide et dans un bain thermique. La diffusion des champs au sein d'une cavité oscillante est déterminée par itération fréquentielle, de façon à pallier aux divergences des anciennes approches, et étendre les calculs au-delà du seuil d'oscillation paramétrique. Dans la deuxième partie de la thèse, nous montrons qu'il est possible de générer un phénomène analogue à l'Effet Casimir Dynamique par compression des fluctuations du vide au sein de dispositifs du type Amplificateur Paramétrique Optique (APO). De manière à reproduire la transformation des champs diffusés par des miroirs oscillants, nous étudions divers systèmes comportant des miroirs et des cristaux chi(2) pompés par laser. Après une analyse détaillée des contraintes expérimentales, nous proposons une réalisation pratique de l'analogie à l'aide d'un micro-APO monolithique, permettant d'espérer un rayonnement largement supérieur à celui accessible mécaniquement.

L'Ultra Large Bande constitue une technologie très prometteuse pour les futures communications sans fil à courte distance : débits très importants et fonctionnalités de localisation. Dans cette thèse, nous nous intéressons aux antennes ULB et plus particulièrement à leur caractérisation et modélisation. Les propriétés spécifiques des antennes ULB sont soulignées comparativement aux antennes des systèmes à bande étroite. Nous montrons l'intérêt de considérer les antennes ULB comme des systèmes linéaires et invariants et proposons de nouvelles approches pour définir les fonctions de transfert et réponses impulsionnelles associées. Cette caractérisation « système » est alors complétée en lui associant une modélisation paramétrique dans le but de réduire le nombre de données requises mais aussi d'intégrer les modèles d'antennes dans des environnements de simulation variés. Les modélisations proposées s'appuient sur des simulations électromagnétiques et des mesures fréquentielles, et considèrent différents types d'antennes ULB.

Nous présentons dans ce mémoire une technique d'imagerie laser à synthèse d'ouverture par réinjection optique. L'imageur de base, appelé Laser Optical Feedback Imaging (LOFI), détecte la faible quantité de lumière rétrodiffusée par la cible à analyser, qui est décalée en fréquence et réinjectée dans la source laser pour être amplifiée par la dynamique du laser. Le grand avantage de cette technique est qu'elle est auto-alignée, c'est à dire que le laser est à la fois la source et le détecteur. La résolution spatiale des images LOFI est limitée par la diffraction : nous proposons d'adapter la technique de synthèse d'ouverture, bien connue dans le domaine radar, pour nous affranchir de ce problème. En mettant à profit le balayage du laser sur la cible pour faire l'acquisition de l'image pixel par pixel, nous montrons qu'il est possible d'augmenter synthétiquement l'ouverture de collection du système et donc la résolution de l'image. Nous présentons le traitement du signal adapté à la reconstruction de l'image super-résolue à partir des données acquises pour les différentes positions successives du laser. Nous montrons qu'on peut étendre cette technique utilisée en balayage linéaire à un balayage angulaire et que nous pouvons obtenir une résolution, non seulement meilleure que la limite de diffraction, mais également meilleure que celle obtenue avec un balayage linéaire. Nous validons cette technique expérimentalement en comparant des images LOFI obtenues avec et sans synthèse d'ouverture.<br />Nous présentons ensuite dans ce mémoire le dispositif LOFI en régime paramétrique soumis à une modulation de pompage. Nous présentons l'analyse d'un laser soumis de manière synchronisée à une réinjection optique décalée en fréquence et une modulation de pompage et nous montrons qu'il est possible d'amplifier paramétriquement le signal rétrodiffusé par la cible. Nous validons cette analyse par des résultats numériques et expérimentaux et nous démontrons qu'il est possible de déterminer la quantité de lumière réinjectée dans le laser.