Titre de l'écran-titre (visionné le 5 septembre 2023) / Dans cette thèse, nous étudions la perturbation d'ordre critique des processus de diffusion et de type diffusion, tels que le mouvement brownien ou le processus α-stable, par un terme de drift. Notre attention se focalisera principalement sur le point de vue analytique, c'est-à-dire l'existence et les propriétés du processus qui proviennent de la théorie de régularité de l'objet analytique qui lui correspond. Ce point de vue est bien adapté pour traiter des perturbations singulières. Dans un premier temps, en nous appuyant sur les points précédents et en tirant parti du point de vue analytique, nous avons pu prouver que les équations différentielles stochastiques avec un drift dans une large classe de champs vectoriels dépendant du temps ont une solution faible et unique. Deuxièmement, nous avons développé la théorie de la régularité de l'opérateur fractionnaire (non local) de Kolmogorov avec un drift ayant des singularités d'ordre critique, en d'autres termes nous avons établi la régularité des solutions à l'équation parabolique correspondante, et nous avons ensuite prouvé l'existence et l'unicité de la solution à l'équation différentielle associée. Enfin, nous avons étudié le noyau de chaleur de l'équation de diffusion fractionnaire supercritique avec un drift ayant une continuité critique de Hölder. Nous montrons qu'un tel drift peut avoir des irrégularités ponctuelles suffisamment fortes pour que le noyau de chaleur disparaisse en un point pour tout t > 0. / In this thesis we study the critical order perturbation of diffusion and diffusion-like processes, such as Brownian motion or α-stable processes, by a drift term. We will mainly focus on the analytic point of view, i.e. the existence and the properties of the process which come from the theory of regularity of the analytical object which corresponds to it. This point of view is well adapted to deal with singular perturbations. First, based on the previous points and taking advantage of the analytical point of view, we were able to prove that the stochastic differential equations with drift in a large class of time-dependent vector fields have a unique weak solution. Secondly, we have developed the regularity theory of the fractional (non-local) Kolmogorov operator with a drift having critical order singularities, in other words we established the regularity of the solutions to the corresponding parabolic equation, and then proved the existence and uniqueness of the solution to the associated differential equation. Finally, we have studied the heat kernel of the supercritical fractional diffusion equation with drift having critical Hölder continuity. We show that such a drift can have point irregularities strong enough for the heat kernel to vanish at a point for any t > 0.

Nous considérons deux problèmes. Le premier est la construction des tests d’ajustement (goodness-of-fit) pour les modèles de processus de diffusion ergodique. Nous considérons d’abord le cas où le processus sous l’hypothèse nulle appartient à une famille paramétrique. Nous étudions les tests de type Cramer-von Mises et Kolmogorov- Smirnov. Le paramètre inconnu est estimé par l’estimateur de maximum de vraisemblance ou l’estimateur de distance minimale. Nous construisons alors les tests basés sur l’estimateur du temps local de la densité invariante, et sur la fonction de répartition empirique. Nous montrons alors que les statistiques de ces deux types de test convergent tous vers des limites qui ne dépendent pas du paramètre inconnu. Par conséquent, ces tests sont appelés asymptotically parameter free. Ensuite, nous considérons l’hypothèse simple. Nous étudions donc le test du khi-deux. Nous montrons que la limite de la statistique ne dépend pas de la dérive, ainsi on dit que le test est asymptotically distribution free. Par ailleurs, nous étudions également la puissance du test du khi-deux. En outre, ces tests sont consistants. Nous traitons ensuite le deuxième problème : l’approximation des équations différentielles stochastiques rétrogrades. Supposons que l’on observe un processus de diffusion satisfaisant à une équation différentielle stochastique, où la dérive dépend du paramètre inconnu. Nous estimons premièrement le paramètre inconnu et après nous construisons un couple de processus tel que la valeur finale de l’un est une fonction de la valeur finale du processus de diffusion donné. Par la suite, nous montrons que, lorsque le coefficient de diffusion est petit, le couple de processus se rapproche de la solution d’une équations différentielles stochastiques rétrograde. A la fin, nous prouvons que cette approximation est asymptotiquement efficace. / We consider two problems in this work. The first one is the goodness of fit test for the model of ergodic diffusion process. We consider firstly the case where the process under the null hypothesis belongs to a given parametric family. We study the Cramer-von Mises type and the Kolmogorov-Smirnov type tests in different cases. The unknown parameter is estimated via the maximum likelihood estimator or the minimum distance estimator, then we construct the tests in using the local time estimator for the invariant density function, or the empirical distribution function. We show that both the Cramer-von Mises type and the Kolmogorov-Smirnov type statistics converge to some limits which do not depend on the unknown parameter, thus the tests are asymptotically parameter free. The alternatives as usual are nonparametric and we show the consistency of all these tests. Then we study the chi-square test. The basic hypothesis is now simple The chi-square test is asymptotically distribution free. Moreover, we study also power function of the chi-square test to compare with the others. The other problem is the approximation of the forward-backward stochastic differential equations. Suppose that we observe a diffusion process satisfying some stochastic differential equation, where the trend coefficient depends on some unknown parameter. We try to construct a couple of processes such that the final value of one is a function of the final value of the given diffusion process. We show that when the diffusion coefficient is small, the couple of processes approximates well the solution of a backward stochastic differential equation. Moreover, we present that this approximation is asymptotically efficient.

L'objet de la thèse est l'étude d'un algorithme, simple d'implémentation et récursif, permettant de calculer l'intégrale d'une fonction par rapport à la probabilité invariante d'un processus solution d'une équation différentielle stochastique de dimension finie. <br /> La principale hypothèse sur ces solutions (diffusions) est l'existence d'une fonction de Lyapounov garantissant une condition de stabilité. Par le théorème ergodique on sait que les mesures empiriques de la diffusion convergent vers une mesure invariante. Nous étudions une convergence similaire lorsque la diffusion est discrétisée par un schéma d'Euler de pas décroissant. Nous prouvons que les mesures empiriques pondérées de ce schéma convergent vers la mesure invariante de la diffusion, et qu'il est possible d'intégrer des fonctions exponentielles lorsque le coefficient de diffusion est suffisamment petit. De plus, pour une classe de diffusions plus restreinte, nous prouvons la convergence presque sûre et dans Lp du schéma d'Euler vers la diffusion.<br /> Nous obtenons des vitesses de convergence pour les mesures empiriques pondérées et donnons les paramètres permettant une vitesse optimale. Nous finissons l'étude de ce schéma lorsqu'il y a présence de multiples mesures invariantes. Cette étude se fait en dimension 1, et nous permet de mettre en évidence un lien entre classification de Feller et fonctions de Lyapounov.<br /> Dans la dernière partie, nous exposons un nouvel algorithme adaptatif permettant de considérer des problèmes plus généraux tels que les systèmes Hamiltoniens ou les systèmes monotones. Il s'agit de considérer les mesures empiriques d'un schéma d'Euler construit à partir d'une suite de pas aléatoires adaptés dominée par une suite décroissant vers 0.

Cette thèse s'inscrit dans le cadre de la R&D pour la production de faisceaux d'ions radioactifs par la méthode ISOL au GANIL à Caen. Ce travail de thèse a porté sur plusieurs techniques différentes basées sur la méthode ISOL.<br> La première est la production de faisceaux d'ions radioactifs à partir d'un ensemble cible-source de SPIRAL (cible + source ECR). Les taux de production des faisceaux de néon radioactif ont été déterminés sur le banc de tests SIRa et les prévisions pour SPIRAL ont été établies. La faisabilité de la production de faisceaux d'éléments radioactifs condensables à partir d'un tel ensemble cible-source, en utilisant un transport sous une forme moléculaire volatile entre la cible et la source, a été démontré expérimentalement en produisant des faisceaux d'oxygène radioactif via la molécule CO.<br> La deuxième technique est la production de faisceaux d'alcalins radioactifs à partir de l'ensemble ciblesource MONILITHE (cible + source à cavité chaude). Les efficacités de production des faisceaux de lithium et de sodium radioactifs ont été déterminées. Une nouvelle méthodologie, la « méthode globale », a été développée dans le cadre de cette thèse, afin de déduire les propriétés de diffusion, d'effusion et d'ionisation de ces deux éléments à partir de cet ensemble. Elle a montré que l'évolution des propriétés de diffusion entre les différents alcalins a un comportement similaire à celle entre les différents gaz rares.<br> La troisième est la technique IGISOL (cible + guide d'ions). Le code MI-GI-CHEMIN a été conçu afin de reproduire le mouvement des ions dans un guide d'ions, rempli d'hélium et d'une concentration donnée d'impuretés, incluant des champs électriques et magnétiques. Un premier prototype IGISOL est en cours de réalisation au GANIL.

Cette thèse regroupe trois travaux qui concernent respectivement la chaîne de spins 1 désordonnée, les impuretés non magnétiques dans la chaîne de spins 1/2 et les processus de réaction-diffusion. La chaîne de spins 1 sous faible désordre est étudiée par la bosonisation abélienne et le groupe de renormalisation. Cette technique permet de prendre en compte la compétition entre le désordre et les interactions, et prédit le devenir des différentes phases de la chaîne de spins 1 anisotrope sous plusieurs types de désordre. L'un des résultats est la grande stabilité de la phase de Haldane, et l'instabilité de la phase antiferromagnétique sous champ magnétique aléatoire, qui sont prouvés par des arguments de groupe de renormalisation. Un deuxième travail utilise les impuretés non magnétiques comme sondes locales des corrélations dans la chaîne de spins 1/2. Dans le cas où les impuretés sont couplées au bord de la chaîne, je prédis un comportement en température du taux de relaxation du spin nucléaire des impuretés (11T,) radicalement différent du cas où ces mêmes impuretés sont couplées à la chaîne tout entière. Ceci peut en particulier être utilisé pour mesurer les exposants de surface des systèmes quantiques unidimensionnels. Le dernier travail traite des processus réaction-diffusion à une dimension dont la matrice de transfert s'exprime comme un modèle de spin. La transformation de Jordan-Wigner permet d'obtenir une théorie des champs fermionique dont les exposants critiques se déduisent du groupe de renormalisation. Cette nouvelle approche fournit une méthode alternative aux développements en c, et semble validée par l'accord raisonnable avec les résultats numériques pour la réaction dé Schlôgl.

Ce document se décompose en trois axes: – Le premier s'attache à différents problèmes de filtrage et de statistique pour des processus de diffusion partiellement observés. – Le deuxième traite d'un problème de contrôle stochastique de type ergodique. il s'agit de calculer des lois de commande pour des amortisseurs semi–actifs (contrat avec Renault). – Le dernier traite de quelques problèmes d'homogénéisation pour des processus aléatoires en milieux hétérogène. Il s'agissait à l'origine d'un contrat avec l'IFP pour le développement de méthodes de Monte Carlo pour le calcul de coefficients effectifs.

Nous considérons deux problèmes. Le premier est la construction des tests d'ajustement (goodness-of-fit) pour les modèles de processus de diffusion ergodique. Nous considérons d'abord le cas où le processus sous l'hypothèse nulle appartient à une famille paramétrique. Nous étudions les tests de type Cramer-von Mises et Kolmogorov- Smirnov. Le paramètre inconnu est estimé par l'estimateur de maximum de vraisemblance ou l'estimateur de distance minimale. Nous construisons alors les tests basés sur l'estimateur du temps local de la densité invariante, et sur la fonction de répartition empirique. Nous montrons alors que les statistiques de ces deux types de test convergent tous vers des limites qui ne dépendent pas du paramètre inconnu. Par conséquent, ces tests sont appelés asymptotically parameter free. Ensuite, nous considérons l'hypothèse simple. Nous étudions donc le test du khi-deux. Nous montrons que la limite de la statistique ne dépend pas de la dérive, ainsi on dit que le test est asymptotically distribution free. Par ailleurs, nous étudions également la puissance du test du khi-deux. En outre, ces tests sont consistants. Nous traitons ensuite le deuxième problème : l'approximation des équations différentielles stochastiques rétrogrades. Supposons que l'on observe un processus de diffusion satisfaisant à une équation différentielle stochastique, où la dérive dépend du paramètre inconnu. Nous estimons premièrement le paramètre inconnu et après nous construisons un couple de processus tel que la valeur finale de l'un est une fonction de la valeur finale du processus de diffusion donné. Par la suite, nous montrons que, lorsque le coefficient de diffusion est petit, le couple de processus se rapproche de la solution d'une équations différentielles stochastiques rétrograde. A la fin, nous prouvons que cette approximation est asymptotiquement efficace.

Le but de ma thèse est de développer des méthodes statistiques permettant d'estimer la position des gènes qui influencent l'expression d'un caractère à valeurs continues (QTL). Je propose d'abord un algorithme numérique permettant d'approcher la densité de transition des fréquences d'haplotypes sous un modèle de diffusion à deux loci avec recombinaison. Je montre aussi que cette méthode peut être utilisée pour calculer la vraisemblance de la position d'un gène. Je présente ensuite une méthode de cartographie de QTL par maximum de vraisemblance. Je calcule la vraisemblance à l'ordre 1 en utilisant l'espérance des fréquences d'haplotypes sous un modèle de Wright-Fisher à 3 loci avec recombinaison, dont je dérive une expression approchée. Je m'intéresse enfin au problème de la détection de QTL dans le cas de populations structurées. J'étudie la loi asymptotique du Transmission Desequilibrium Test (TDT) et en déduis des résultats concernant son erreur de première espèce et sa puissance

Nous étudions le comportement en temps long de certains processus stochastiques dont la dynamique dépend non seulement de la position, mais aussi du temps, et dont le terme de diffusion et le potentiel satisfont des conditions d'invariance d'échelle. Nous mettons en lumière un phénomène de transition de phase générale, entièrement déterminé par les différents indices d'auto-similarité en jeu. La principale idée mise en exergue est de considérer une transformation d'échelle adéquate, tirant pleinement parti des nombreuses invariances de notre problème.Dans une première partie, nous étudions une famille de processus de diffusion unidimensionnels, dirigés par un mouvement brownien, dont la dérive est polynomiale en temps et en espace. Ces diffusions généralisent les marches aléatoires, en lien avec le modèle d'urne de Friedman, étudiées par Menshikov et Volkov (2008). Nous donnons, de manière exhaustive, les lois du type logarithme itéré, les limites d'échelle ainsi que les temps de survie de ces processus. La seconde partie est, quant à elle, consacrée à l'étude d'une famille de processus de diffusion en environnement aléatoire, dirigés par un mouvement brownien unidimensionnel, dont le potentiel est brownien en espace et polynomial en temps. Ces diffusions sont une extensiondu modèle amplement étudié de Brox (86) et, en un sens randomisé, du modèle précédent. La différence notable avec le modèle déterministe est que nous obtenons, dans le cas critique, une mesure aléatoire quasi-invariante et quasi-stationnaire pour le semi-groupe, déduite de l'étude d'un système dynamique aléatoire sous-jacent.

Cette thèse est consacrée au problème d'estimation de la fonction de dérive de certains modèles de processus stochastiques périodiques lorsque la durée d'observation tend vers l'infini. Aucune hypothèse de récurrence n'est posée a priori.Dans un premier temps nous considérons le modèle du type signal plus bruit dζt = f (t, θ)dt + σ(t)dWt,; et puis nous étudions l'estimation du paramètre θ à partir d'une observation continue et puis d'une observation discrète du processus {ζt} sur l'intervalle [0; T]. Les fonctions f (·, ·) et σ(·) sont continues et périodiques en t de même période P > 0, σ(·) > 0 et θ ∈ Θ ⊂R. Nous établissons la convergence en probabilité d'un estimateur du maximum de vraisemblance θˆT , sa normalité asymptotique et son efficacité asymptotique minimax. Lorsque f (t, θ) = θf (t), l'expression de θˆT est explicite et nous obtenons la convergence en moyenne quadratique aussi bien pour le cas d'une observation continue que pour le cas d'une observation discrète. De plus, nous déduisons la convergence presque sûre dans le cas d'une observation continue.Dans la seconde partie nous traitons l'estimation non-paramétrique de la fonction f(_) pour les modèles périodiques du type signal plus bruit et du type Ornstein-Uhlenbeck donnés par dζt = f (t)dt + σ(t)dWt, dξt = f (t)ξtdt + dWt. Pour le premier modèle, un estimateur à noyau périodique est construit, la convergence en moyenne quadratique uniformément sur [0; P] et presque sûre de cet estimateur est établie ainsi que sa normalité asymptotique. Dans le cas du modèle d'Ornstein-Uhlenbeck, la convergence du biais ainsi que la convergence en moyenne quadratique uniformément sur [0; P] sont prouvées, et leurs vitesses de convergence sont étudiées. / In this thesis, we consider a drift estimation problem of a certain class of stochastic periodic processes when the length of observation goes to infinity. Firstly, we deal with the linear periodic signal plus noise model dζt = f (t, θ)dt + σ(t)dWt, ;and we study the parametric estimation from a continuous and discrete observation of the process f_tg throughout the interval [0; T]. Using the maximum likelihood method we show the existence of an estimator θˆT which is consistent, asymptotically normal and asymptotically efficient in the sens minimax. When f(t; _) = _f(t), the expression of ^_T is explicit and we obtain the mean square convergence in the both continuous and discrete observation cases. In addition, we deduce the strong consistency in the case of continuous observation.Secondly, we consider the nonparametric estimation problem of the function f(_) for the next two periodic models of type signal plus noise and Ornstein-Uhlenbeckd_t = f(t)dt + _(t)dWt; d_t = f(t)_tdt + dWt:For the signal plus noise model, we build a kernel estimator, the convergence in mean square uniformly over [0; P] and almost sure convergence are established, as well as the asymptotic normality. For the Ornstein-Uhlenbeck model, we prove the convergence uniformly over [0; P] of the bias and the mean square convergence. Moreover, we study the speed of these convergences.