Le périodogramme est un outil naturel pour l'analyse spectrale d'une série temporelle stationnaire au second ordre. La littérature sur les séries temporelles en donne grand nombre de propriétés - principalement asymptotiques -, que le signal soit a dependence courte ou longue. Beaucoup de ces resultats font l'hypothese supplementaire de gaussianite. La principale contribution de ce travail est l'extension de nombreux resultats connus aux signaux non-gaussiens. Nous traiterons le periodogramme de l'i.i.d. et donnerons une expression asymptotique de ses moments a tout ordre. Nous montrerons que l'on peut traiter le cas plus général du signal linéaire selon deux méthodes. Soit en s'appuyant sur le résultat précédent et la decomposition de Bartlett, soit en traitant directement le periodogramme du lineaire par developpement asymptotique (developement d'Edgeworth) de sa distribution. La premiere methode conduit a des resultats de type "limite centrale" sur une large classe de tableaux triangulaires de fonctionnelles non-lineaire du periodogramme, alors que la seconde permet des resultats de consistance.

Dans ce travail nous nous intéressons à l'estimation de la densité spectrale par la méthode du noyau pour des processus à temps continu et des champs aléatoires observés selon des schémas d'échantillonnage (ou plan d'expériences) discrets aléatoires. Deux types d'échantillonnage aléatoire sont ici considérés : schémas aléatoires dilatés, et schémas aléatoires poissonniens. Aucune condition de gaussiannité n'est imposée aux processus et champs étudiés, les hypothèses concerneront leurs cumulants.En premier nous examinons un échantillonnage aléatoire dilaté utilisé par Hall et Patil (1994) et plus récemment par Matsuda et Yajima (2009) pour l'estimation de la densité spectrale d'un champ gaussien. Nous établissons la convergence en moyenne quadratique dans un cadre plus large, ainsi que la vitesse de convergence de l'estimateur.Ensuite nous appliquons l'échantillonnage aléatoire poissonnien dans deux situations différentes : estimation spectrale d'un processus soumis à un changement de temps aléatoire (variation d'horloge ou gigue), et estimation spectrale d'un champ aléatoire sur R2. Le problème de l'estimation de la densité spectrale d'un processus soumis à un changement de temps est résolu par projection sur la base des vecteurs propres d'opérateurs intégraux définis à partir de la fonction caractéristique de l'accroissement du changement de temps aléatoire. Nous établissons la convergence en moyenne quadratique et le normalité asymptotique de deux estimateurs construits l'un à partir d'une observation continue, et l'autre à partir d'un échantillonnage poissonnien du processus résultant du changement de temps.La dernière partie de ce travail est consacrée au cas d'un champ aléatoire sur R2 observé selon un schéma basé sur deux processus de Poissons indépendants, un pour chaque axe de R2. Les résultats de convergence sont illustrés par des simulations / In this work, we are dealing in the kernel estimation of the spectral density for a continuous time process or random eld observed along random discrete sampling schemes. Here we consider two kind of sampling schemes : random dilated sampling schemes, and Poissonian sampling schemes. There is no gaussian condition for the process or the random eld, the hypotheses apply to their cumulants.First, we consider a dilated sampling scheme introduced by Hall and Patil (1994) and used more recently by Matsuda and Yajima (2009) for the estimation of the spectral density of a Gaussian random eld.We establish the quadratic mean convergence in our more general context, as well as the rate of convergence of the estimator.Next we apply the Poissonian sampling scheme to two different frameworks : to the spectral estimation for a process disturbed by a random clock change (or time jitter), and to the spectral estimation of a random field on R2.The problem of the estimatin of the spectral density of a process disturbed by a clock change is solved with projection on the basis of eigen-vectors of kernel integral operators defined from the characteristic function of the increment of the random clock change. We establish the convergence and the asymptotic normality of two estimators contructed, from a continuous time observation, and the other from a Poissonian sampling scheme observation of the clock changed process.The last part of this work is devoted to random fields on R2 observed along a sampling scheme based on two Poisson processes (one for each axis of R2). The convergence results are illustrated by some simulations

Cette thèse est une contribution à la construction de l'Approche Locale de la rupture à l'échelle microscopique à l'aide de la modélisation d'agrégats polycristallins. Elle consiste à prendre en compte la variabilité spatiale de la microstructure du matériau. Pour ce faire, la modélisation micromécanique du matériau est réalisée par la simulation d'agrégats polycristallins par éléments finis. Les champs aléatoires de contrainte (principale maximale et de clivage) dans le matériau qui représentent la variabilité spatiale de la microstructure sont ensuite modélisés par un champ aléatoire gaussien stationnaire ergodique. Les propriétés de variabilité spatiale de ces champs sont identifiés par une méthode d'identification, e.g. méthode du périodogramme, méthode du variogramme, méthode du maximum de vraisemblance. Des réalisations synthétiques des champs de contraintes sont ensuite simulées par une méthode de simulation, e.g. méthode Karhunen-Loève discrète, méthode "Circulant Embedding", méthode spectrale, sans nouveau calcul aux éléments finis. Enfin, le modèle d'Approche Locale de la rupture par simulation de champ de contrainte de clivage permettant d'y intégrer les réalisations simulées du champ est construit pour estimer la probabilité de rupture du matériau.

Le thème de cette habilitation est centré sur la modélisation et l'étude statistique de processus spatiaux ou spatio-temporels. Le premier chapitre synthétise les travaux sur une modélisation spatio-temporelle générale, consistant en des chaînes de Markov (temporelles) de champs de Markov (spatiaux), et à une généralisation des auto-modèles de Besag qui constituent une classe de champs markoviens particulièrement utilisés en statistique spatiale. Ces modèles généraux permettent une modélisation non hiérarchique pour des données spatiales ou spatio-temporelles de nature mixte, composées par exemple d'une masse en zéro accompagnée de valeurs réelles. Nous étudions la structure de ces modèles et leurs propriétés statistiques, comme l'ergodicité ou l'estimation paramétrique. Des applications sur des données réelles en météorologie ou en images illustrent les résultats. Le second chapitre concerne la modélisation de mécanismes conduisant à l'adoption de certains standards technologiques, dans un cadre de l'économie spatiale. Le but est de décrire la diffusion d'un processus technologique et de proposer des tests de coordination spatiale lorsque la règle de choix est locale et peut être dictée par les choix précédents des voisins. Le chapitre 3 présente quelques résultats récents sur le calcul de la constante de normalisation pour un processus de Gibbs via un algorithme récursif sur les lois conditionnelles. Enfin, le chapitre 4 reprend des travaux plus anciens en statistique paramétrique sur les méthodes d'estimation par minimum de contraste en situation non ergodique, et les méthodes de régression temporelle avec résidu à longue mémoire.

Cette thèse est une contribution à la construction de l’Approche Locale de la rupture à l’échelle microscopique à l’aide de la modélisation d’agrégats polycristallins. Elle consiste à prendre en compte la variabilité spatiale de la microstructure du matériau. Pour ce faire, la modélisation micromécanique du matériau est réalisée par la simulation d’agrégats polycristallins par éléments finis. Les champs aléatoires de contrainte (principale maximale et de clivage) dans le matériau qui représentent la variabilité spatiale de la microstructure sont ensuite modélisés par un champ aléatoire gaussien stationnaire ergodique. Les propriétés de variabilité spatiale de ces champs sont identifiés par une méthode d’identification, e.g. méthode du périodogramme, méthode du variogramme, méthode du maximum de vraisemblance. Des réalisations synthétiques des champs de contraintes sont ensuite simulées par une méthode de simulation, e.g. méthode Karhunen-Loève discrète, méthode “Circulant Embedding”, méthode spectrale, sans nouveau calcul aux éléments finis. Enfin, le modèle d’Approche Locale de la rupture par simulation de champ de contrainte de clivage permettant d’y intégrer les réalisations simulées du champ est construit pour estimer la probabilité de rupture du matériau. / This thesis is a contribution to the construction of the Local Approach to fracture at the microscopic scale using polycrystalline aggregate modeling. It consists in taking into account the spatial variability of the microstructure of the material. To do this, the micromechanical modeling is carried out by finite element analysis of polycrystalline aggregates. The random stress fields (maximum principal et cleavage stress) in the material representing the spatial variability of the microstructure are then modeled by a stationary ergodic Gaussian random field. The properties of the spatial variability of these fields are identified by an identification method, e.g. periodogram method, variogram method, maximum likelihood method. The synthetic realizations of the stress fields are then simulated by a simulation method, e.g. discrete Karhunen-Loève method, circulant embedding method, spectral method, without additional finite element calculations. Finally, a Local Approach to fracture by simulation of the cleavage stress field using the simulated realizations is constructed to estimate the rupture probability of the material.