Dans cette thèse, nous étudions le modèle de synchronisation de Kuramoto et plus généralement des systèmes de diffusions interagissant en champ moyen, en présence d'un aléa supplémentaire appelé désordre. La motivation principale en est l'étude du comportement du système en grande population, pour une réalisation fixée du désordre (modèle quenched). Ce document, outre l'introduction, comporte quatre chapitres. Le premier s'intéresse à la convergence de la mesure empirique du système d'oscillateurs vers une mesure déterministe, solution d'un système d'équations aux dérivées partielles non linéaires couplées (équation de McKean-Vlasov). Cette convergence est prouvée indirectement via un principe de grandes déviations dans le cas averaged et directement dans le cas quenched, sous des hypothèses plus faibles sur le désordre. Le deuxième chapitre est issu d'un travail en commun avec Giambattista Giacomin et Christophe Poquet et concerne la régularité des solutions de l'EDP limite ainsi que la stabilité de ses solutions stationnaires synchronisées dans le cas d'un désordre faible. Les deux derniers chapitres étudient l'influence du désordre sur une population d'oscillateurs de taille finie et illustrent des problématiques observées dans la littérature physique. Nous prouvons dans le troisième chapitre un théorème central limite quenched associé à la loi des grands nombres précédente: on montre que le processus de fluctuations quenched converge, en un sens faible, vers la solution d'une EDPS linéaire. Le dernier chapitre étudie le comportement en temps long de cette EDPS, illustrant le fait que les fluctuations dans le modèle de Kuramoto ne sont pas auto-moyennantes.

Nous étudions le comportement asymptotique des dérivées intrinsèques d'une courbe évoluant sous l'action d'un système dynamique aléatoire régulier. Etant donnée une courbe $c$ sur une variété riemannienne, nous désignons par "dérivées intrinsèques de la courbe $c$ en un point $m$", les dérivées à l'origine d'une paramétrisation normale de la courbe transportée sur l'espace tangent au point $m$, par l'application exponentielle. En utilisant le théorème ergodique multiplicatif d'Oseledets, nous obtenons une condition suffisante sur les deux premiers exposants de Lyapounov d'un système dynamique aléatoire régulier, réversible et ergodique, pour que les premières dérivées intrinsèques des images d'une courbe par ce système convergent. Si $\lambda_1$ et $\lambda_2$ sont les deux premiers exposants de Lyapounov du système, $\lambda_1$ étant supposé de multiplicité un, la condition "$\lambda_2-k\lambda_1<0$" assure la convergence des $k$ premières dérivées intrinsèques ; elle n'exclut donc pas les systèmes dynamiques aléatoires stables. La preuve proposée utilise un développement des dérivées intrinsèques à l'aide de diagrammes et donne un procédé récursif pour déterminer les limites des dérivées intrinsèques. Lorsque le premier exposant de Lyapounov est strictement positif, nous faisons le lien entre les limites des dérivées intrinsèques et les variétés instables associées à cet exposant. Nous vérifions ensuite "l'optimalité" de la condition $\lambda_2-2\lambda_1<0$ assurant la convergence de la courbure, en étudiant une classe particulière de systèmes dynamiques aléatoires : les flots browniens isotropes sur la sphère unité de $R^d$. Plus généralement, nous établissons que la norme au carré du vecteur courbure de l'image d'une courbe par un tel système dynamique aléatoire est une diffusion. L'étude du comportement asymptotique de cette diffusion en fonction de la valeur des deux premiers exposants de Lyapounov montre que, sauf si elle est presque sûrement constante, cette diffusion est récurrente positive si et seulement si $\lambda_2-2\lambda_1<0$.

Le but de cette thèse est de décrire la loi conditionnelle d'un processus markovien multidimensionnel connaissant la valeur de certaines combinaisons linéaires de ses coordonnées à des instants donnés. La description recherchée consiste à mettre en évidence un processus de même type, facile à simuler, dont la loi est équivalente à la loi conditionnelle ciblée.La classe principalement étudiée est celle des processus à diffusion. Dans un premier temps, des techniques de grossissement de filtration (Jacod 1985) permettent de déterminer les paramètres de l'équation différentielle stochastique vérifiée par le processus conditionnel. Cependant, on s'aperçoit alors que la dérive n'est pas explicite, car celle-ci dépend des densités de transition du processus initial, inconnues en général. Ceci rend impossible,une simulation directe par exemple à l'aide d'un schéma d'Euler. Afin de pallier ce défaut, nous proposons une alternative, dans l'esprit de Delyon et Hu (2006). L'approche consiste à proposer une équation différentielle stochastique de paramètres explicites, dont la solution est de loi équivalente à la loi conditionnelle. Une application en collaboration avec Anne Cuzol et Etienne Mémin de l'INRIA, dans le cadre des écoulements fluides est également présentée. On applique la méthode proposée précédemment à un modèle stochastique inspiré des équations de Navier-Stokes. Enfin, la classe des processus markoviens à sauts est également abordée.

Nous nous intéressons à l'équivalence asymptotique, au sens de Le Cam, entre différents modèles statistiques. Plus précisément, nous avons exploré le cas de modèles statistiques associés à l'observation discrète de processus à sauts ou de diffusions unidimensionnelles, ainsi que des modèles à densité plus classiques.Ci-dessous, nous présentons brièvement les différents chapitres de la thèse.Nous commençons par présenter tous nos résultats dans un premier chapitre introductif. Ensuite, dans le Chapitre 2 nous rappelons les points clés de la théorie de Le Cam sur les expériences statistiques en se plaçant dans un contexte non paramétrique.Les Chapitres 3 et 4 traitent de l'équivalence asymptotique pour des modèles statistiques associés à l'observation discrète (haute fréquence) de processus à sauts. Dans un premier temps nous nous focalisons sur un problème d'équivalence en ce qui concerne l'estimation de la dérive, supposée appartenir à une certaine classe fonctionnelle. Il s'avère (Chapitre 3) qu'il y a une équivalence asymptotique, en ce qui concerne l'estimation de la dérive, entre le modèle statistique associé à l'observation discrète d'un processus additif $X$ et le modèle statistique gaussien associé à l'observation discrète de la partie continue de $X$.Dans un deuxième temps, nous nous sommes intéressés au problème de l'estimation non paramétrique de la densité de Lévy $f$ relative à un processus de Lévy à sauts purs, $Y$. Le Chapitre 4 illustre l'équivalence asymptotique, en ce qui concerne l'estimation de $f$, entre le modèle statistique associé à l'observation discrète de $Y$ et un certain modèle de bruit blanc gaussien ayant $sqrt f$ comme dérive.Le Chapitre 5 présente une extension d'un résultat bien connu sur l'équivalence asymptotique entre un modèle à densité et un modèle de bruit blanc gaussien.Le Chapitre 6 étudie l'équivalence asymptotique entre un modèle de diffusion scalaire avec une dérive inconnue et un coefficient de diffusion qui tend vers zéro et le schéma d'Euler correspondant.Dans le Chapitre 7 nous présentons une majoration en distance $L_1$ entre les lois de processus additifs.Le Chapitre 8 est consacré aux conclusions et discute des extensions possibles des travaux de thèse. / The subject of this Ph.D. thesis is the asymptotic equivalence, in the Le Cam sense, between different statistical models. Specifically, we explore the case of statistical models associated with the discrete observation of jump processes or diffusion processes as well as more classical density models.Below, we briefly introduce the different chapters of this dissertation.We begin by presenting our results in a first introductory chapter. Then, in Chapter 2, we recall the key points of the Le Cam theory on statistical experiences focusing on a nonparametric context.Chapters 3 and 4 deal with asymptotic equivalences for statistical models associated with discrete observation (high frequency) of jump processes. First, we focus on an equivalence problem regarding the estimation of the drift, assumed to belong to a certain functional class. It turns out (Chapter 3) that there is an asymptotic equivalence, for what concerns the estimation of the drift, between the statistical model associated with the discrete observation of an additive process $X$ and the Gaussian statistical model associated with the discrete observation of the continuous part of $X$. Then we study the problem of nonparametric density estimation for the Lévy density $f$ of a pure jump Lévy process $Y$. Chapter 4 illustrates the asymptotic equivalence, for what concerns the estimation of $f$, between the statistical model associated with the discrete observation of $Y$ and a certain Gaussian white noise model having $sqrt f$ as drift.In Chapter 5 we present an extension of the well-known asymptotic equivalence between density estimation experiments and a Gaussian white noise model.Chapter 6 describes the asymptotic equivalence between a scalar diffusion model with unknown drift and with diffusion coefficient tending to zero and the corresponding Euler scheme. In Chapter 7 we present a bound for the $L_1$ distance between the laws of additive processes.Chapter 8 is devoted to conclusions and discusses possible extensions of the results of this thesis.

Pour V un processus aléatoire càd-làg, on appelle diffusion dans le milieu aléatoire V la solution formelle de l’équation différentielle stochastique \[ dX_t = - \frac1{2} V'(X_t) dt + dB_t, \] où B est un mouvement brownien indépendant de V . Le temps local au temps t et à la position x dela diffusion, noté LX(t, x), donne une mesure de la quantité de temps passé par la diffusion au point x, avant l’instant t. Dans cette thèse nous considérons le cas où le milieu V est un processus de Lévyspectralement négatif convergeant presque sûrement vers −∞, et nous nous intéressons au comportementasymptotique lorsque t tend vers l’infini de $\mathcal{L}_X^*(t) := \sup_{\mathbb{R}} \mathcal{L}_X(t, .)$ le supremum du temps local de ladiffusion, ainsi qu’à la localisation du point le plus visité par la diffusion. Nous déterminons notammentla convergence en loi et le comportement presque sûr du supremum du temps local. Cette étude révèleque le comportement asymptotique du supremum du temps local est fortement lié aux propriétés desfonctionnelles exponentielles des processus de Lévy conditionnés à rester positifs et cela nous amène àétudier ces dernières. Si V est un processus de Lévy, V ↑ désigne le processus V conditionné à rester positif.La fonctionnelle exponentielle de V ↑ est la variable aléatoire $\int_0^{+ \infty} e^{- V^{\uparrow} (t)}dt$ . Nous étudions en particulier sa finitude, son auto-décomposabilité, l’existence de moments exponentiels, sa queue en 0, l’existence et larégularité de sa densité. / For V a random càd-làg process, we call diffusion in the random medium V the formal solution of thestochastic differential equation \[ dX_t = - \frac1{2} V'(X_t) dt + dB_t, \] where B is a brownian motion independent of V . The local time at time t and at the position x of thediffusion, denoted by LX(t, x), gives a measure of the amount of time spent by the diffusion at point x,before instant t. In this thesis we consider the case where the medium V is a spectrally negative Lévyprocess converging almost surely toward −∞, and we are interested in the asymptotic behavior, whent goes to infinity, of $\mathcal{L}_X^*(t) := \sup_{\mathbb{R}} \mathcal{L}_X(t, .)$ the supremum of the local time of the diffusion. We arealso interested in the localization of the point most visited by the diffusion. We notably establish theconvergence in distribution and the almost sure behavior of the supremum of the local time. This studyreveals that the asymptotic behavior of the supremum of the local time is deeply linked to the propertiesof the exponential functionals of Lévy processes conditioned to stay positive and this brings us to studythem. If V is a Lévy process, V ↑ denotes the process V conditioned to stay positive. The exponentialfunctional of V ↑ is the random variable $\int_0^{+ \infty} e^{- V^{\uparrow} (t)}dt$ . For this object, we study in particular finiteness,

Cette thèse s'articule autour de la problématique de l'extinction de populations comportant différents types d'individus, et plus particulièrement de leur comportement avant extinction et/ou en cas d'une extinction très tardive. Nous étudions cette question d'un point de vue strictement probabiliste, puis du point de vue de l'analyse des risques liés à l'extinction pour un modèle particulier de dynamique de population, et proposons plusieurs outils statistiques. La taille de la population est modélisée soit par un processus de branchement de type Bienaymé-Galton-Watson à temps continu multitype (BGWc), soit par son équivalent dans un espace de valeurs continu, le processus de diffusion de Feller multitype. Nous nous intéressons à différents types de conditionnement à la non-extinction, et aux états d'équilibre associés. Ces conditionnements ont déjà été largement étudiés dans le cas monotype. Cependant la littérature relative aux processus multitypes est beaucoup moins riche, et il n'existe pas de travail systématique établissant des connexions entre les résultats concernant les processus BGWc et ceux concernant les processus de diffusion de Feller. Nous nous y sommes attelés. Dans la première partie de cette thèse, nous nous intéressons au comportement de la population avant son extinction, en conditionnant le processus de branchement X_t à la non-extinction (X_t≠0), ou plus généralement à la non-extinction dans un futur proche 0≤θ<∞ (X_{t+θ}≠0), et en faisant tendre t vers l'infini. Nous prouvons le résultat, nouveau dans le cadre multitype et pour θ>0, que cette limite existe et est non-dégénérée, traduisant ainsi un comportement stationnaire pour la dynamique de la population conditionnée à la non-extinction, et offrant une généralisation de la limite dite de Yaglom (correspondant au cas θ=0). Nous étudions dans un second temps le comportement de la population en cas d'une extinction très tardive, obtenu comme limite lorsque θ tends vers l'infini du processus X_t conditionné par X_{t+θ}≠0. Le processus conditionné ainsi obtenu est un objet connu dans le cadre monotype (parfois dénommé Q-processus), et a également été étudié lorsque le processus X_t est un processus de diffusion de Feller multitype. Nous examinons le cas encore non considéré où X_t est un BGWc multitype, prouvons l'existence du Q-processus associé, examinons ses propriétés, notamment asymptotiques, et en proposons plusieurs interprétations. Enfin, nous nous intéressons aux échanges de limites en t et en θ, ainsi qu'à la commutativité encore non étudiée de ces limites vis-à-vis de la relation de type grande densité reliant processus BGWc et processus de Feller. Nous prouvons ainsi une liste exhaustive et originale de tous les échanges de limites possibles (limite en temps t, retard de l'extinction θ, limite de diffusion). La deuxième partie de ce travail est consacrée à l'analyse des risques liés à l'extinction d'une population et à son extinction tardive. Nous considérons un certain modèle de population branchante (apparaissant notamment dans un contexte épidémiologique) pour lequel un paramètre lié aux premiers moments de la loi de reproduction est inconnu, et construisons plusieurs estimateurs adaptés à différentes phases de l'évolution de la population (phase de croissance, phase de décroissance, phase de décroissance lorsque l'extinction est supposée tardive), prouvant de plus leurs propriétés asymptotiques (consistance, normalité). En particulier, nous construisons un estimateur des moindres carrés adapté au Q-processus, permettant ainsi une prédiction de l'évolution de la population dans le meilleur ou le pire des cas (selon que la population est menacée ou au contraire invasive), à savoir celui d'une extinction tardive. Ces outils nous permettent d'étudier la phase d'extinction de l'épidémie d'Encéphalopathie Spongiforme Bovine en Grande-Bretagne, pour laquelle nous estimons le paramètre d'infection correspondant à une possible source d'infection horizontale persistant après la suppression en 1988 de la voie principale d'infection (farines animales). Cela nous permet de prédire l'évolution de la propagation de la maladie, notamment l'année d'extinction, le nombre de cas à venir et le nombre d'animaux infectés, et en particulier de produire une analyse très fine de l'évolution de l'épidémie dans le cas peu probable d'une extinction très tardive.

Le smile de volatilité implicite observé sur les marchés d'options traduit l'insuffisance du modèle de Black et Scholes. Avec la nécessité d'élaborer un modèle d'actif financier plus satisfaisant, vient celle de sa calibration, objet de cette thèse. <br />La calibration de modèles financiers par minimisation de lentropie relative a été proposée récemment dans le cadre de la méthode de Monte Carlo. On a étudié la convergence et la stabilité de cette méthode et on a étendu les résultats à des critères plus généraux que lentropie relative. La prise en compte des contraintes sur le sous-jacent assurant labsence dopportunité darbitrage a été abordée sous langle dun problème de moments.<br />Dans la seconde partie, on a considéré un modèle simple du phénomène de krach en introduisant en particulier des sauts dans la volatilité du sous-jacent. On a calculé le risque quadratique et effectué un développement approché du smile utile pour la calibration.<br />Finalement, dans la troisième partie, on utilise lentropie relative pour calibrer lintensité des sauts dun modèle de diffusion avec sauts et volatilité locale. La stabilité de la méthode a été prouvée grâce à des techniques de contrôle optimal ainsi quau théorème des fonctions implicites.

Nous considérons les tests d'ajustement de type Cramér-von Mises pour tester l'hypothèse que le processus de diffusion observé est un "switching diffusion", c'est-à-dire un processus de diffusion à changement de régime dont la dérive est de type signe. Ces tests sont basés sur la fonction de répartition empirique et la densité empirique. Il est montré que les distributions limites des tests statistiques proposés sont définis par des fonctionnelles de type intégrale des processus Gaussiens continus. Nous établissons les développements de Karhunen-Loève des processus limites correspondants. Ces développements nous permettent de simplifier le problème du calcul des seuils. Nous étudions le comportement de ces statistiques sous les alternatives et nous montrons que ces tests sont consistants. Pour traiter les hypothèses de base composite nous avons besoin de connaître le comportement asymptotique des estimateurs statistiques des paramètres inconnus, c'est pourquoi nous considérons le problème de l'estimation des paramètres pour le processus de diffusion à changement de régime. Nous supposons que le paramètre inconnu est à deux dimensions et nous décrivons les propriétés asymptotiques de l'estimateur de maximum de vraisemblance et de l'estimateur bayésien dans ce cas. L'utilisation de ces estimateurs nous ramène à construire les tests de type Cramér-von Mises correspondants et à étudier leurs distributions limites. Enfin, nous considérons deux tests de type Cramér-von Mises de processus de diffusion ergodiques dans le cas général. Il est montré que pour le choix de certaines des fonctions de poids ces tests sont asymptotiquement " distribution-free ". Pour certains cas particuliers, nous établissons les expressions explicites des distributions limites de ces statistiques par le calcul direct de la transformée de Laplace.

Aujourd’hui la prédiction des défaillances de certains systèmes industriels est devenue indispensable pour l’amélioration de la fiabilité et de la rentabilité de ces derniers. Cette prédiction s’appuie principalement sur l’analyse d’évolution du niveau de dégradation du système. Pour les systèmes dont l’état de détérioration n’est pas directement observable, la définition d’indicateurs de santé mesurables est nécessaire. Une modélisation du processus de dégradation à partir de ces données peut être ensuite effectuée. Dans cette thèse, nous considérons un ensemble d’indicateurs non-monotones pour un système opérant dans un environnement dynamique. Compte tenu des principales caractéristiques des données ainsi que de l’impact des conditions environnementales et de leur instabilité, une modélisation stochastique de l’évolution de ces indicateurs est proposée. Les modèles proposés se basent principalement sur une combinaison d’un processus de Wiener et de processus de sauts. Les motivations, les méthodes de calibration, l’utilité et les limites de chaque modèle sont discutées. Nous proposons ensuite une approche pour l’aide à la décision concernant les actions de maintenance préventive. Cette approche consiste à évaluer la valeur d’une option réelle qui présente la possibilité d’«Attendre avant d’Agir» suite à un signal d’avertissement sur une défaillance probable. Une application de cette approche pour le cas d'une éolienne équipée d’un système de surveillance et de gestion est traitée / A major concern for engineers and managers nowadays is to make high quality products and highly reliable systems. In this context, reliability analysis and failure prediction, besides of efficient maintenance decision-making are strongly required. Deterioration modeling and analysis is a fundamental step for the understanding and the anticipation of system behavior. Consider a functional system operating in unstable conditions or environment where the deterioration level is not observable and could not be determined by direct measures. For this system a set of measurable health indicator that indirectly reflects the system working conditions and deterioration level can be defined and examined. Considering these indicators, the development of a mathematical model describing the system behavior is required.In this thesis, we consider a set of non-monotone indicators evolving in a dynamic environment. Taking into account the major features of the data evolution as well as the impact of dynamic environment consequences and potential shocks, stochastic models based on Wiener and jump processes are proposed for these indicators. Each model is calibrated and tested, and their limits are discussed. A decision-making approach for preventive maintenance strategies is then proposed. In this approach, knowing the RUL of the system, a simulation-based real options analysis is used in order to determine the best date to maintain. Considering a case study of a wind turbine with PHM structure, the decision optimization approach is described

Ce travail est consacré au problème de construction des tests d'ajustement dans le cas des processus stochastiques observés en temps continu. Comme modèles d'observations, nous considérons les processus de diffusion avec « petit bruit » et ergodique et le processus de Poisson non homogène. Sous l'hypothèse nulle, nous traitons le cas où chaque modèle dépend d'un paramètre inconnu unidimensionnel et nous proposons l'estimateur de distance minimale pour ce paramètre. Notre but est la construction des tests d'ajustement « asymptotically distribution free » (ADF) de niveau asymtotique α ϵ (0,1) dans le cas de cette hypothèse paramétrique pour les modèles traités. Nous montrons alors que la limite de chaque statistique étudiée ne dépend ni du modèle ni du paramètre inconnu. Les tests d'ajustement basés sur ces statistiques sont donc ADF. L'objectif principal de ce travail est la construction d'une transformation linéaire spéciale. En particulier, nous résolvons l'équation de Fredholm du second type avec le noyau dégénéré. Sa solution nous permet de construire la transformation linéaire désirée. Ensuite, nous montrons que l'application de cette transformation aux statistiques de base étudiées dans chaque modèle nous aide à introduire des statistiques ayant la même limite (l'intégrale du carrée du processus de Wiener). Cette dernière est « distribution free » vu qu'elle ne dépend ni du modèle ni du paramètre inconnu. Par conséquent, nous proposons des tests d'ajustement ADF en se basant sur cette transformation linéaire pour les processus de diffusion avec « petit bruit » et ergodique et le processus de Poisson non homogène. / This work is devoted to the problem of the construction of several goodness of-fit (GoF) tests in the case of somestochastic processes observed in continuous time. As models of observations, we take "small noise" and ergodic diffusionprocesses and an inhomogeneous Poisson process. Under the null hypothesis, we treat the case where each model depends on an unknown one-dimensional parameter and we consider the minimum distance estimator for this parameter. Our goal is to propose "asymptotically distribution free" (ADF) GoF tests of asymptotic size α ϵ (0,1) in the case of the parametric null hypotheses for the considered models. Indeed, we show that the limit of each studied statistic does not depend on the model and the unknown parameter. Therefore, the tests based on these statistics are ADF.The main purpose of this work is to construct a special linear transformation. In particular, we solve Fredholm equation ofthe second kind with degenerated kernel. Its solution gives us the desired linear transformation. Next, we show that theapplication of this transformation to the basic statistics allows us to introduce statistics with the same limit (the integral of the square of the Wiener process). The latter is "distribution free" because it does not depend on the models and the unknown parameter. Therefore, we construct the ADF GoF tests which are based on this linear transformation for the diffusion ("small noise" and ergodic) and inhomogeneous Poisson processes.