Cette thèse a pour objet l'étude de processus aléatoires en milieu aléatoire. Ce type de processus a été introduit pour la première fois en 1965 par A.A. Chernov, et a depuis fait l'objet de nombreuses recherches. Parallèlement au modèle élémentaire unidimensionnel ́etudié par A.A. Chernov, de nombreuses tentatives ont ́eté faites récemment afin d'appliquer le même type d'approche dans des contextes différents. Nous nous focalisons particulièrement sur deux exemples. Tout d'abord nous étudions le cas de la marche aléatoire en milieu aléatoire sur les arbres, pour laquelle nous étendons un critère de récurrence/transience dû à R. Lyons et R. Pemantle, avant de présenter une étude du comportement asymptotique dans le régime critique. Nous montrons dans un premier cas un théorème central limite, et dans un second nous identifions un équivalent en (logn)^3. Le régime intermédiaire entre ces deux comportements a fait l'objet de travaux plus anciens de Y. Hu et Z. Shi. Dans une autre partie nous étudions un processus aléatoire en milieu aléatoire à temps continu, connu sous le nom de diffusion de Brox. Nous étendons à ce processus des résultats dûs à A. Fribergh, N. Gantert et S. Popov concernant l'accélération et le ralentissement.

Ce travail porte sur la modélisation stochastique et l'estimation paramétrique de l'efficacité des opérations de maintenance corrective et préventive des systèmes réparables complexes. Dans une première partie, les modèles de réparation imparfaite sont classés à l'aide de l'intensité de défaillance d'un processus ponctuel. Cette revue regroupe les modèles existants et en propose de nouveaux. L'étude se focalise ensuite sur les modèles dits a réduction arithmétique de l'âge et de l'intensité, et sur le modèle de Brown-Proschan. Des résultats probabilistes originaux permettent de comprendre le comportement du processus des défaillances de ces modèles et de développer des méthodes statistiques d'estimation de leurs paramètres. Dans une deuxième partie, deux cadres de modélisation sont proposés et étudiés, afin de généraliser ces modèles au cas des différents types de maintenances préventives existants dans la réalité industrielle : maintenances préventives systématiques, planifiées ou conditionnelles. Les modèles généraux proposés permettent d'intégrer la possibilité d'une dépendance entre les instants de maintenance préventive et corrective. Enfin une méthode d'évaluation de l'efficacité globale des différentes opérations de maintenance est développée et illustrée sur un exemple réel issu de l'industrie.

Les transformées en ondelettes et par paquets d'ondelettes se sont largement imposées dans l'analyse et la résolution de problèmes liés aux sciences et techniques de l'ingénierie. Cet essor est dû principalement à deux propriétés spécifiques qui résultent des décompositions sur les bases d'ondelettes : la parcimonie de représentation pour les signaux réguliers et réguliers par morceaux; la tendance à transformer un processus aléatoire stationnaire en séquences de processus Gaussiens décorrélés. Ces deux propriétés sont observées expérimentalement et justifient de nombreux traitements effectués sur les coefficients obtenus par projection sur les bases d'ondelettes. Cependant, les résultats théoriques précisant la corrélation et la distribution asymptotiques des coefficients de paquets d'ondelettes sont de natures significativement différentes. La première partie de cette thèse propose une analyse de ces résultats théoriques, met en lumière la complexité du problème posé, et montre les résultats qu'on l'on peut obtenir à partir des critères de convergence. Les problèmes traités concernent à la fois les fonctions d'autocorrélation et les distributions asymptotiques des coefficients de paquets d'ondelettes de processus stationnaires. Les résultats annoncés conduisent à des schémas plus réalistes qui sont, de surcroît, soutenus par des résultats expérimentaux. La seconde partie de cette thèse analyse les propriétés de parcimonie des transformées à base d'ondelettes et propose l'utilisation de seuils associés à une mesure de parcimonie. Ces seuils établissent un lien entre la détection à l'estimation non-paramétrique, lien que nous résumons par la formule ``bien détecter pour mieux estimer''. Ces seuils unifient les seuils minimax et universels, qui correspondent ainsi à des seuils de détection associés à des degrés différents de parcimonie. D'autre part, cette thèse unifie également les fonctions de seuillage de base (seuillage dur et doux) de l'estimation non-paramétrique par l'introduction d'une famille de fonctions à atténuation de type sigmoïdale : les fonctions SSBS. Les fonctions de seuillage dur et doux sont alors des fonctions SSBS dégénérées, les fonctions SSBS non-dégénérées étant des fonctions régulières et à degré d'atténuation flexible. Les performances de l'estimation non-paramétrique utilisant les seuils de détection et les fonctions SSBS sont également analysées, tant du point de vue de l'erreur quadratique moyenne que de celui de la qualité visuelle en débruitage d'images.

Ces travaux portent sur les probabilités et la statistique appliquées à la sûreté de fonctionnement. Plus précisément, il s'agit d'une part de construire des modèles stochastiques du processus des défaillances et réparations de systèmes divers, et d'autre part de mettre en oeuvre des méthodes statistiques pour exploiter les données de défaillance dans le but d'évaluer et de prévoir la fiabilité de ces systèmes. Les résultats présentés concernent : la modélisation et l'évaluation de la fiabilité des logiciels, les tests d'adéquation aux modèles de croissance de fiabilité des systèmes réparables, la modélisation de l'influence d'un environnement aléatoire stressant sur la durée de vie des composants et systèmes, l'étude du vieillissement en temps discret, et l'évaluation de l'efficacité de la maintenance.

Cette thèse s'inscrit dans la thématique de planification d'expériences numériques. Elle porte plus précisément sur l'optimisation de simulateurs numériques coûteux à évaluer, par des stratégies d'échantillonnage basées sur des représentations simplifiées du simulateur, les metamodèles. Une fois choisi un metamodèle parmi les familles existantes (polynômes, splines, modèles additifs, Krigeage, réseaux de neurones), on estime les paramètres du metamodèle. On dispose alors d'une représentation simplifiée du simulateur, que l'on pourra faire évoluer en fonction des informations apportées par de nouvelles évaluations. Etant donné qu'il est difficile de savoir a priori quel sera le type de metamodèle capable de guider au mieux un algorithme d'optimisation, une des motivations de ce travail est d'examiner comment une construction ad hoc de la structure du metamodèle, voire la prise en compte de plusieurs metamodèles, peuvent améliorer les méthodes d'approximation et les stratégies d'optimisation globale actuellement employées. Cela soulève à la fois des questions mathématiques et statistiques de sélection de modèle (quelles familles de métamodèles considérer ? Comment estimer les termes de covariance et/ou de tendance d'un métamodèle de Krigeage, et selon quels critères les évaluer ? Comment prendre en compte certaines formes d'instationnarité dans la covariance de Krigeage que sont les symétries et la présence de bruits d'observation hétérogènes ?), de combinaison de modèles (Une fois un ensemble de metamodèles choisis, comment agrège-ton les pseudo-informations qu'ils nous apportent ?), et de définition de critères décisionnels pour guider les évaluations au sein d'algorithmes d'optimisation (Comment paralléliser EGO ou des procédures similaires d'exploration sur base de Krigeage ?).

Ce travail se situe dans le cadre de la modélisation aléatoire pour la sûreté de fonctionnement des systèmes réparables. Nous considérons des systèmes soumis à des maintenances correctives et préventives conditionnelles. La principale problématique que nous traitons est de modéliser conjointement la dépendance entre les deux types de maintenances en utilisant le cadre des risques concurrents et l'efficacité des maintenances imparfaites en utilisant le principe des âges virtuels. Dans ce cadre, nous proposons des modèles de maintenance imparfaite pour des systèmes présentant une période de jeunesse. Dans un premier temps, nous proposons un nouveau modèle de risques concurrents classique, le modèle alert-delay, qui permet de prendre en compte la dépendance entre les deux types de maintenances. Ses propriétés originales permettent d'analyser certains jeux de données pour lesquels aucun modèle usuel n'était adapté. Dans un deuxième temps, nous présentons plusieurs classes de modèles de risques concurrents généralisés: nous généralisons les modèles classiques en tenant compte du passé afin de caractériser l'efficacité des maintenances et la réactivité des équipes de maintenance. Enfin, nous présentons une classe générale de modèles de maintenance imparfaite pour des systèmes présentant une période de jeunesse. Jusqu'à présent, les modèles n'étaient adaptés qu'aux systèmes se dégradant continûment. Deux modèles particuliers sont alors étudiés plus en détail. Dans chacune de ces parties, les modèles proposés sont appliqués à des jeux de données issus de l'industrie.

Les signaux sujets à des contraintes non linéaires apparaissent dans un grand nombre d'applications physiques et techniques. Les travaux récents expriment une conscience croissante de l'importance des méthodes géométriques intrinsèques pour le traitement de tels signaux. La présente thèse s'inscrit dans cette orientation. Nous avons envisagé et résolu un certain nombre de problèmes en physique des ondes et en capture de mouvement. Les signaux sujets à des contraintes nonlinéaires sont modélisés comme des processus à valeurs dans les groupes de Lie matriciels. Nos problèmes correspondent alors à des problèmes d'estimation nonparamétrique et de filtrage. Afin de les résoudre nous avons mis en place des méthodes probabilistes et dynamiques, en particulier basées sur la notion de stabilité.

Ce travail est consacré à l'étude de méthodes statistiques pour l'évaluation de la fiabilité des logiciels. Son but principal est de fournir des outils statistiques permettant de construire et ensuite valider des modèles en tenant compte des spécificités des logiciels étudiés. Pour ce faire deux outils sont utilisés : les modèles linéaires généralisés (paramétriques et non-paramétriques) et l'analyse statistique bayésienne. La deuxième partie de ce travail est consacrée à l'ètude mathématique des problèmes de validation et de choix de modèles en fiabilité des Logiciels. On y étudie entre autres une approche dite "préquentielle" (prédictive-séquentielle) bien adaptée aux tests d'adéquation aux processus de Poisson. Cette approche semble pouvoir se généraliser à un grand nombre de modèles de fiabilité des logiciels.

Cette thèse est consacré aux tests d'adéquation basés sur la fonction caractéristique. Nous débutons en présentant et en complétant les résultats probabilistes nécessaires à la construction de statistiques de test prenant la fonction caractéristique et son pendant la fonction caractéristique empirique comme représentations respectives des lois de référence et de la loi inconnue de l'échantillon de vecteurs aléatoires à tester. Nous poursuivons le travail en faisant la revue et en classant les tests basés sur la fonction caractéristique existants. Nous élaborons ensuite une classe de statistiques de test s'appuyant sur le calcul d'une distance intégrale. Le cas de la distance L2 est étudié plus à fond, car nous avons pu établir des résultats asymptotiques dans ce dernier cas. Ceux-ci font intervenir les éléments propres inconnus d'un opérateur intégral. Nous présentons, puis utilisons, une méthode d'approximation spectrale basée sur une projection de l'opérateur sur une base orthonormée.Finalement, nous construisons une nouvelle classe de tests appartenant au paradigme des tests lisses de Neyman. L'étude précédente nous permet de simplifier considérablement la construction de ces tests, dont différentes versions sont proposées tant pour le test d'une hypothèse simple que pour le test d'une hypothèse composite. / This PhD thesis consists in building goodness-of-fit tests using the characteristic function (CF) as a prefered representation for the probability laws involved.We start with listing and improving results in probability theory necessary to build test statistics using the characteristic function and its conterpart the empirical characteristic function.We list and classify existing characteristic function based goodness-of-fit tests published by varions authors since 1977.Then, we build a class of tests based on integral metrics. We take particular attention to the case where the statistics are build using a L2 distance. More specifically, we give asymptotic results in this case. However, these results reveal the need for information on the unknown eigenelements of an integral operator. Thus, we present and implement an approximation method using a sequence of projections on orthonormal bases ofan hilbertian functional space.Finally, we will build another class of tests using the Neyman smooth test paradigm. This study is based on our previous results, that fit well into the construction of characteristic function based smooth tests. We give various applications, presenting tests for both a simple hypothesis and a composite hypothesis.

De nombreux systèmes biologiques présentent une organisation complexe. Par exemple, les biopolymères peuvent posséder une structure très hiérarchisée responsable de leur fonction particulière. Comprendre la complexité de cette organisation permet de décrire des phénomènes biologiques et de prédire les fonctions des molécules. En outre, en supposant que la structure primaire du polymère est formée aléatoirement, nous pouvons essayer de caractériser ce phénomène par des grandeurs probabilistes (variances, moyennes, etc). Cette formulation est propre aux problèmes d'évolution.Les réseaux biologiques sont d'autres objets communs de la physique statistique possédant de riches propriétés fonctionnelles. Pour décrire un mécanisme biologique, on utilise différents types de réseaux biomoléculaires. Le développement de nouvelles approches peut nous aider à structurer, représenter et interpréter des données expérimentales, comprendre les processus cellulaires et prédire la fonction d'une molécule.L'objectif de cette thèse est de développer des méthodes pour l'étude d'objets statiques ou dynamiques, ayant une architecture complexe. Ici, nous nous intéressons à deux problèmes.La première partie est consacrée à l'analyse statistique des biopolymères aléatoires. Nous étudions une transition de phase présente dans les séquences aléatoires de l'ARN. On met alors en évidence deux modes : le régime où presque toutes les bases qui composent l'ARN sont couplées et la situation où une fraction finie de ces bases restent non complémentaires.La deuxième partie de cette thèse se concentre sur les propriétés statistiques des réseaux. Nous développons des méthodes pour l'identification d'amas de gènes co-expressifs sur les réseaux et la prédiction de gènes régulateurs novateurs. Pour cela, nous utilisons la fonction du plus court chemin et l'analyse du profil des motifs formés par ces amas. Ces méthodes ont pu prédire les facteurs de transcription impliqués dans le processus de longévité. Enfin, nous discutons de la formation de motifs stables sur les réseaux due à une évolution sélective. / Complex organization is found in many biological systems. For example, biopolymers could possess very hierarchic structure, which provides their functional peculiarity. Understating such, complex organization allows describing biological phenomena and predicting molecule functions. Besides, we can try to characterize the specific phenomenon by some probabilistic quantities (variances, means, etc), assuming the primary biopolymer structure to be randomly formed according to some statistical distribution. Such a formulation is oriented toward evolutionary problems.Artificially constructed biological network is another common object of statistical physics with rich functional properties. A behavior of cells is a consequence of complex interactions between its numerous components, such as DNA, RNA, proteins and small molecules. Cells use signaling pathways and regulatory mechanisms to coordinate multiple processes, allowing them to respond and to adapt to changing environment. Recent theoretical advances allow us to describe cellular network structure using graph concepts to reveal the principal organizational features shared with numerous non-biological networks.The aim of this thesis is to develop bunch of methods for studying statistical and dynamic objects of complex architecture and, in particular, scale-free structures, which have no characteristic spatial and/or time scale. For such systems, the use of standard mathematical methods, relying on the average behavior of the whole system, is often incorrect or useless, while a detailed many-body description is almost hopeless because of the combinatorial complexity of the problem. Here we focus on two problems.The first part addresses to statistical analysis of random biopolymers. Apart from the evolutionary context, our studies cover more general problems of planar topology appeared in description of various systems, ranging from gauge theory to biophysics. We investigate analytically and numerically a phase transition of a generic planar matching problem, from the regime, where almost all the vertices are paired, to the situation, where a finite fraction of them remains unmatched.The second part of this work focus on statistical properties of networks. We demonstrate the possibility to define co-expression gene clusters within a network context from their specific motif distribution signatures. We also show how a method based on the shortest path function (SPF) can be applied to gene interactions sub-networks of co-expression gene clusters, to efficiently predict novel regulatory transcription factors (TFs). The biological significance of this method by applying it on groups of genes with a shared regulatory locus, found by genetic genomics, is presented. Finally, we discuss formation of stable patters of motifs in networks under selective evolution in context of creation of islands of "superfamilies".