Le théorème ergodique de Birkhoff nous renseigne sur la convergence de suites de fonctions. Nous nous intéressons alors à étudier la convergence en moyenne et presque partout de ces suites, mais dans le cas où la suite est une suite strictement croissante de nombres entiers positifs. C’est alors que nous définirons les suites uniformes et étudierons la convergence presque partout pour ces suites. Nous regarderons également s’il existe certaines suites pour lesquelles la convergence n’a pas lieu. Nous présenterons alors un résultat dû en partie à Alexandra Bellow qui dit que de telles suites existent. Finalement, nous démontrerons une équivalence entre la notion de transformatiuon fortement mélangeante et la convergence d'une certaine suite qui utilise des “poids” qui satisfont certaines propriétés. / Birkhoff’s ergodic theorem gives us information about the convergence of sequences of functions. We are then interested in studying the mean and pointwise convergence of these sequences, but in the case the sequence is a strictly increasing sequence of positive integers. With that goal in mind, we will define uniform sequences and study the pointwise convergence for these sequences. We will also explore the possibility that there exists some sequences for which the convergence of the sequence does not occur. We will present a result of Alexandra Bellow that says that such sequences exist. Finally, we will prove a result which establishes an equivalence between the notion of a strongly mixing transformation and the convergence of a sequence that uses “weights” which satisfies certain properties.

Dans cette thèse, nous abordons l'estimation non paramétrique de la fonction de dépendance des distributions multivariées à valeurs extrêmes. Dans une première partie, on adopte l’hypothèse classique stipulant que les variables aléatoires sont indépendantes et identiquement distribuées (i.i.d). Plusieurs estimateurs non paramétriques sont comparés pour une fonction de dépendance trivariée de type logistique dans deux différents cas. Dans le premier cas, on suppose que les fonctions marginales sont des distributions généralisées à valeurs extrêmes. La distribution marginale est remplacée par la fonction de répartition empirique dans le deuxième cas. Les résultats des simulations Monte Carlo montrent que l'estimateur Gudendorf-Segers (Gudendorf et Segers, 2011) est plus efficient que les autres estimateurs pour différentes tailles de l’échantillon. Dans une deuxième partie, on ignore l’hypothèse i.i.d vue qu’elle n'est pas vérifiée dans l'analyse des séries temporelles. Dans le cadre univarié, on examine le comportement extrêmal d'un modèle autorégressif Gaussien stationnaire. Dans le cadre multivarié, on développe un nouveau théorème qui porte sur la convergence asymptotique de l'estimateur de Pickands vers la fonction de dépendance théorique. Ce fondement théorique est vérifié empiriquement dans les cas d’indépendance et de dépendance asymptotique. Dans la dernière partie de la thèse, l'estimateur Gudendorf-Segers est utilisé pour modéliser la structure de dépendance des concentrations extrêmes d’ozone observées dans les stations qui enregistrent des dépassements de la valeur guide et limite de la norme Tunisienne de la qualité d'air NT.106.04. / In this thesis, we investigate the nonparametric estimation of the dependence function for multivariate extreme value distributions. Firstly, we assume independent and identically distributed random variables (i.i.d). Several nonparametric estimators are compared for a trivariate dependence function of logistic type in two different cases. In a first analysis, we suppose that marginal functions are generalized extreme value distributions. In a second investigation, we substitute the marginal function by the empirical distribution function. Monte Carlo simulations show that the Gudendorf-Segers (Gudendorf and Segers, 2011) estimator outperforms the other estimators for different sample sizes. Secondly, we drop the i.i.d assumption as it’s not verified in time series analysis. Considering the univariate framework, we examine the extremal behavior of a stationary Gaussian autoregressive process. In the multivariate setting, we prove the asymptotic consistency of the Pickands dependence function estimator. This theoretical finding is confirmed by empirical investigations in the asymptotic independence case as well as the asymptotic dependence case. Finally, the Gudendorf-Segers estimator is used to model the dependence structure of extreme ozone concentrations in locations that record several exceedances for both guideline and limit values of the Tunisian air quality standard NT.106.04.