Sur une droite, le transport optimal ne pose pas de difficultés. Récemment, ce constat a été utilisé pour traiter des problèmes plus généraux. En effet, on a remarqué qu'une habile désintégration permet souvent de se ramener à la dimension un, ce qui permet d'utiliser les méthodes afférentes pour obtenir un premier résultat, que l'on fait ensuite évoluer pour gagner en précision.Je montre ici l'efficacité de cette approche, en revenant sur deux problèmes déjà résolus partiellement de cette manière, et en complétant la réponse qui en avait été donnée.Le premier problème concerne le calcul de l'application de Yann Brenier. En effet, Guillaume Carlier, Alfred Galichon et Filippo Santambrogio ont prouvé que celle-ci peut être obtenue grâce à une équation différentielle, pour laquelle une condition initiale est donnée par le réarrangement de Knothe--Rosenblatt (lui-même défini via une succession de transformations unidimensionnelles). Ils n'ont cependant traité que des mesures finales discrètes ; j'étends leur résultat aux cas continus. L'équation de Monge--Ampère, une fois dérivée, donne une EDP pour le potentiel de Kantorovitch; mais pour obtenir une condition initiale, il faut utiliser le théorème des fonctions implicites de Nash--Moser.Le chapitre 1 rappelle quelques résultats essentiels de la théorie du transport optimal, et le chapitre 2 est consacré au théorème de Nash--Moser. J'expose ensuite mes propres résultats dans le chapitre 3, et leur implémentation numérique dans le chapitre 4.Enfin, le dernier chapitre est consacré à l'algorithme IDT, développé par François Pitié, Anil C. Kokaram et Rozenn Dahyot. Celui-ci construit une application de transport suffisamment proche de celle de M. Brenier pour convenir à la plupart des applications. Une interprétation en est proposée en termes de flot de gradients dans l'espace des probabilités, avec pour fonctionnelle la distance de Wasserstein projetée. Je démontre aussi l'équivalence de celle-ci avec la distance usuelle de Wasserstein. / In dimension one, optimal transportation is rather straightforward. The easiness with which a solution can be obtained in that setting has recently been used to tackle more general situations, each time thanks to the same method. First, disintegrate your problem to go back to the unidimensional case, and apply the available 1D methods to get a first result; then, improve it gradually using some evolution process.This dissertation explores that direction more thoroughly. Looking back at two problems only partially solved this way, I show how this viewpoint in fact allows to go even further.The first of these two problems concerns the computation of Yann Brenier's optimal map. Guillaume Carlier, Alfred Galichon, and Filippo Santambrogio found a new way to obtain it, thanks to an differential equation for which an initial condition is given by the Knothe--Rosenblatt rearrangement. (The latter is precisely defined by a series of unidimensional transformations.) However, they only dealt with discrete target measures; I~generalize their approach to a continuous setting. By differentiation, the Monge--Ampère equation readily gives a PDE satisfied by the Kantorovich potential; but to get a proper initial condition, it is necessary to use the Nash--Moser version of the implicit function theorem.The basics of optimal transport are recalled in the first chapter, and the Nash--Moser theory is exposed in chapter 2. My results are presented in chapter 3, and numerical experiments in chapter 4.The last chapter deals with the IDT algorithm, devised by François Pitié, Anil C. Kokaram, and Rozenn Dahyot. It builds a transport map that seems close enough to the optimal map for most applications. A complete mathematical understanding of the procedure is, however, still lacking. An interpretation as a gradient flow in the space of probability measures is proposed, with the sliced Wasserstein distance as the functional. I also prove the equivalence between the sliced and usual Wasserstein distances.

Dans cette thèse, nous proposons une nouvelle méthode d'estimation non-paramétrique de la densité de probabi lité. Cette méthode d'estimation imprécise combine la théorie de distribution de Schwartz et la théorie de possibilité. La méthode d'estimation que nous proposons est une extension de la méthode d'estimation à noyau. Cette extension est basée sur une nouvelle méthode de représentation de la notion de voisinage sur laquelle s'appuie l'estimation à noyau. Cette représentation porte le nom de noyau maxitif. L'estimation produite est de nature intervalliste. Elle est une enveloppe convexe d'un ensemble d'estimation de Parzen-Rosenblatt obtenus avec un ensemble de noyaux contenus dans une famille particulière. Nous étudions un certain nombre des propriétés théoriques liées à cette nouvelle méthode d'estimation. Parmi ces propriétés, nous montrons un certain type de convergence de cet estimateur. Nous montrons aussi une aptitude particulière de ce type d'estimation à quantifier l'erreur d'estimation liée à l'aspect aléatoire de la distribution des observations. Nous proposons un certain nombre d'algorithmes de faible complexité permettant de programmer facilement les méthodes que nous proposons / This manuscript, proposes a new nonparametric method for estimating the probability density function. This estimation method combines the Schwartz distribution theory and the possibility theory. It is an extension of the kernel density estimator that leads to imprecise estimation. It is based on a new method for modeling neighborhood. The interval valued estimate it produces is a convex envelope of the Parzen-Rosenblatt estimates obtained with kernels belonging to a coherent convex family. We propose some theoretical properties of this new method. Among these properties, we have shown a kind of convergence of this estimator. We also shown a particular aptitude of this estimator to quantify the error due to random variation in observation. We also propose very low complexity algorithms to compute the proposed methods.

I vår första studie som gjordes under SA1 visade det sig att även om lärare ansåg sig vara normkritiska vid valet av högläsningsböcker så visade det sig inte riktigt när vi analyserade böckerna. Vi funderade då på om den normkritiska aspekten kommer in i arbetet med böcker, alltså boksamtal. Därmed blev vårt fokus med den här studien att undersöka om och hur lärare använder sig av normkritiska boksamtal. Den teoretiska utgångspunkt vi utgått ifrån är Receptionsteori, vilken fördjupas ytterligare med teoretikerna Aidan Chambers och Louise Rosenblatt. Det empiriska materialet består av ett hundratal kvantitativa enkäter som besvarats av slumpmässigt utvalda lärare verksamma i lågstadiet i ett antal mellanstora län i Sverige. Resultatet från enkäterna påvisar att en stor majoritet lärare anser att de är medvetna om kön och genus när de väljer högläsningslitteratur, och att de försöker vara varierande och inkluderande. Det var också en stor andel som också arbetade med antingen bara boksamtal kopplat till högläsningen, eller till och med normkritiska boksamtal. De som ändå uppger att de inte har boksamtal uppger att det är brist på tid och kunskap som är de största stoppklossarna, vilket kan ses som något problematiskt då studier visar att det är en väldigt ojämn fördelning gällande kön och genus i barnböcker. Studien påvisar alltså att lärare i mångt och mycket är medvetna om sina val och tänker normkritiskt sett till kön och genus, samt att boksamtal i stor del är något som prioriteras av lärare.

No description available.

Nous étudions le comportement asymptotique de statistiques ou fonctionnelles liées à des processus à longue mémoire saisonnière. Nous nous concentrons sur les lignes de Donsker et sur le processus empirique. Les suites considérées sont de la forme $G(X_n)$ où $(X_n)$ est un processus gaussien ou linéaire. Nous montrons que les résultats que Taqqu et Dobrushin ont obtenus pour des processus à longue mémoire dont la covariance est à variation régulière à l'infini peuvent être en défaut en présence d'effets saisonniers. Les différences portent aussi bien sur le coefficient de normalisation que sur la nature du processus limite. Notamment nous montrons que la limite du processus empirique bi-indexé, bien que restant dégénérée, n'est plus déterminée par le degré de Hermite de la fonction de répartition des données. En particulier, lorsque ce degré est égal à 1, la limite n'est plus nécessairement gaussienne. Par exemple on peut obtenir une combinaison de processus de Rosenblatt indépendants. Ces résultats sont appliqués à quelques problèmes statistiques comme le comportement asymptotique des U-statistiques, l'estimation de la densité et la détection de rupture.

Η παρούσα διπλωματική εργασία αντλεί την θεματολογία της από την θεωρία ελέγχων καλής προσαρμογής. Δίνονται τα βασικά σημεία της θεωρίας ελεγχοσυναρτήσεων και στη συνέχεια παρουσιάζεται η επέκταση του έλεγχου των Kolmogorov-Smirnov στο διδιάστατο χώρο καθώς και μια τροποποίησή της. Βασικό βοήθημα για την επέκταση αυτή αποτελεί το θεώρημα του Rosenblatt, το οποίο προτείνει ένα μετασχηματισμό μιας απόλυτα συνεχούς k-διάστατης κατανομής σε ομοιόμορφη κατανομή στον k-διάστατο υπερκύβο. Παρουσιάζεται επίσης το στατιστικό Α, το οποίο προτάθηκε από τον Damico. Η ιδιαιτερότητα αυτού του στατιστικού είναι ότι έχει διακριτή κατανομή. Προτείνεται ένα στατιστικό για τον έλεγχο καλής προσαρμογής συνεχών δεδομένων αρχικά στις δύο και στη συνέχεια στις k διαστάσεις. Ως εργαλεία χρησιμοποιήθηκαν το στατιστικό Α και το Θεώρημα του Rosenblatt. Για διάφορα μεγέθη δείγματος, δίνονται ο πίνακας πιθανοτήτων για τις τιμές του στατιστικού καθώς και ο πίνακας με τις κρίσιμες τιμές για διάφορες τιμές του p-value. Οι πίνακες αυτοί προέκυψαν κυρίως με μεθόδους προσομοίωσης. Τέλος, υπολογίστηκε η ισχύς του ελέγχου και γίνεται σύγκριση με την ισχύ του διδιάστατου Kolmogorov-Smirnov. / This project is based in theory of goodness-fit-tests. We present the most important componenets of test funcion theory. Also, we present the extension of the Kolmogorov-Smirnov test in bivariate case and an approximation. This extension is based on Rosenblatt's theorem, which suggests a transformation of an absolutly continious k-variate distribution into the uniform distribution of the k-dimentional hypercube. Moreover, is presented the statistic A, which was suggested from Damico. The particularity of this statistic is that has a district contribution. We suggest a goodnes-of-fit test for continious data first on two dimensions and after on k dimensions. This new statistic uses Rosenblatt's transformation and the statistic A. For different sizes of sample, are given the table of probablities and the table with the critical values. These tables were arised with simulation methods. Finally, was computed the power of the test and was compared with the power of the bivariate Kolmogorv-Smirnov.

Dans cette thèse, nous proposons une nouvelle méthode d'estimation non-paramétrique de la densité de probabilité. Cette méthode d'estimation imprécise combine la théorie de distribution de Schwartz et la théorie de possibilité. La méthode d'estimation que nous proposons est une extension de la méthode d'estimation à noyau. Cette extension est basée sur une nouvelle méthode de représentation de la notion de voisinage sur laquelle s'appuie l'estimation à noyau. Cette représentation porte le nom de noyau maxitif. L'estimation produite est de nature intervalliste. Elle est une enveloppe convexe d'un ensemble d'estimation de Parzen-Rosenblatt obtenus avec un ensemble de noyaux contenus dans une famille particulière. Nous étudions un certain nombre des propriétés théoriques liées à cette nouvelle méthode d'estimation. Parmi ces propriétés, nous montrons un certain type de convergence de cet estimateur. Nous montrons aussi une aptitude particulière de ce type d'estimation à quantifier l'erreur d'estimation liée à l'aspect aléatoire de la distribution des observations. Nous proposons un certain nombre d'algorithmes de faible complexité permettant de programmer facilement les mathodes que nous proposons.

In dimension one, optimal transportation is rather straightforward. The easiness with which a solution can be obtained in that setting has recently been used to tackle more general situations, each time thanks to the same method. First, disintegrate your problem to go back to the unidimensional case, and apply the available 1D methods to get a first result; then, improve it gradually using some evolution process.This dissertation explores that direction more thoroughly. Looking back at two problems only partially solved this way, I show how this viewpoint in fact allows to go even further.The first of these two problems concerns the computation of Yann Brenier's optimal map. Guillaume Carlier, Alfred Galichon, and Filippo Santambrogio found a new way to obtain it, thanks to an differential equation for which an initial condition is given by the Knothe--Rosenblatt rearrangement. (The latter is precisely defined by a series of unidimensional transformations.) However, they only dealt with discrete target measures; I~generalize their approach to a continuous setting. By differentiation, the Monge--Ampère equation readily gives a PDE satisfied by the Kantorovich potential; but to get a proper initial condition, it is necessary to use the Nash--Moser version of the implicit function theorem.The basics of optimal transport are recalled in the first chapter, and the Nash--Moser theory is exposed in chapter 2. My results are presented in chapter 3, and numerical experiments in chapter 4.The last chapter deals with the IDT algorithm, devised by François Pitié, Anil C. Kokaram, and Rozenn Dahyot. It builds a transport map that seems close enough to the optimal map for most applications. A complete mathematical understanding of the procedure is, however, still lacking. An interpretation as a gradient flow in the space of probability measures is proposed, with the sliced Wasserstein distance as the functional. I also prove the equivalence between the sliced and usual Wasserstein distances.

Stochastic Evolution Equations Petr Čoupek Doctoral Thesis Abstract Linear stochastic evolution equations with additive regular Volterra noise are studied in the thesis. Regular Volterra processes need not be Gaussian, Markov or semimartingales, but they admit a certain covariance structure instead. Particular examples cover the fractional Brownian motion of H > 1/2 and, in the non-Gaussian case, the Rosenblatt process. The solution is considered in the mild form, which is given by the variation of constants formula, and takes values either in a separable Hilbert space or the space Lp(D, µ) for large p. In the Hilbert-space setting, existence, space-time regularity and large-time behaviour of the solutions are studied. In the Lp setting, existence and regularity is studied, and in concrete cases of stochastic partial differential equations, the solution is shown to be a space-time continuous random field.

How can a character from a children’s book become so divisive that he causes arguments amongst adults? This essay uses transactional reader response theory to explain the reason why the character Severus Snape from the Harry Potter book series by J.K. Rowling is so controversial. Applying notions from reader response theorists such as Rosenblatt and Iser together with earlier research on Snape will show how the reader’s opinion is affected by both the text itself and their own personal experience. A poll was created and posted on Facebook with over a thousand replies. This data is analysed and used to apply the theory on real examples. The conclusion of the essay is that Snape is both good and bad. He acts heroically but is also vindictive and petty. Snape is perhaps the most human of all Rowling’s characters and each reader recognises a little of themselves in him that they can relate to. Because of ongoing arguments regarding Snape readers have to constantly defend their opinion. As the opinion is re-evaluated it is also strengthened each time readers reconsider the story of Snape and, like Snape himself once asked Professor Quirrell to do, decide where their loyalties lie.