Spelling suggestions: "subject:"statistiques bayésienne"" "subject:"statistiques hayésienne""
1 |
Caractérisation orbitale et physique des astéroïdes binaires / Orbital and physical characterisation of binary asteroidsKovalenko, Irina 28 September 2016 (has links)
Cette thèse est consacrée à l'étude des objets binaires du Système solaire selon deux axes principaux. Premièrement, nous examinons les paramètres physiques, tels que la taille et l'albédo des binaires transneptuniens, obtenus à partir des mesures de flux thermique en infrarouge par les télescopes spatiaux Herschel et Spitzer. Avec ces paramètres, nous comparons les objets binaires avec les transneptuniens sans satellite. Cette analyse montre que les distributions de tailles dans les deux populations sont différentes. Nous supposons que cette tendance est liée à la prépondérance des petits binaires dans le groupe des objets \og froide \fg{}, qui est plus favorable à la survie des binaires, parmi les autre groupes.De plus, nous étudions les corrélations entre la taille et l'albédo et d'autres paramètres physiques et orbitaux pour la population des binaires. Cette étude montre les fortes corrélations suivantes: entre la taille et la masse, la taille et l'inclinaison héliocentrique, la taille et la différence de magnitudes des composantes. L'étude trouve également deux corrélations moins significatives -- la densité avec la taille et la densité avec l'albédo -- qui nécessitent des vérifications ultérieures avec des données complémentaires. Nous donnons une interprétation possible des résultats du point de vue des différents modèles de formation de tels objets.Deuxièmement, nous présentons une nouvelle méthode de détermination d'orbite mutuelle d'un système binaire. Cette méthode est basée sur la technique de Monte-Carlo par chaînes de Markov avec une approche bayésienne. L'algorithme, développé dans cette thèse, permet de déterminer où d'ajuster les paramètres d'une orbite képlérienne ou d'une orbite perturbée à partir des observations simulées et réelles. Nous montrons que la méthode peut être efficace même pour un petit nombre d'observations et sans condition initiale particulière. / This thesis is devoted to the study of binary objects in the Solar System and explores two main themes. First, we examined physical parameters, such as size and albedo of trans-Neptunian binaries, obtained from thermal flux measurements by the Herschel and Spitzer space telescopes. Within these parameters, we compared binary objects with simple trans-Neptunian objects without satellites. This analysis showed that the size distributions of two populations are different. We assume that this trend is related to the predominance of small binaries of cold classical group, which may be more favourable for the survival of binaries, among other groups.In addition, we studied the correlations between the size and albedo and other physical and orbital parameters of the binaries population. This study obtained the following strong correlation: size vs. system mass, size vs. heliocentric inclination, size vs. magnitude difference of components. We also found two less significant correlations -- bulk density vs. size and bulk density vs. albedo -- which require further verification with additional data. We then set out a possible interpretations of the results from the perspective of different formation models of such objects. Secondly, we have presented a new method of binary system mutual orbit determination. This method is based on the Monte Carlo Markov chain techniques with a Bayesian approach. The algorithm developed in this thesis is used for Keplerian or perturbed orbit fitting to simulated or real observations. We show that the method can be effective even for a small number of observations and without regard to particular initial conditions.
|
2 |
Modèles de mélange et de Markov caché non-paramétriques : propriétés asymptotiques de la loi a posteriori et efficacité / Non Parametric Mixture Models and Hidden Markov Models : Asymptotic Behaviour of the Posterior Distribution and EfficiencyVernet, Elodie, Edith 15 November 2016 (has links)
Les modèles latents sont très utilisés en pratique, comme en génomique, économétrie, reconnaissance de parole... Comme la modélisation paramétrique des densités d’émission, c’est-à-dire les lois d’une observation sachant l’état latent, peut conduire à de mauvais résultats en pratique, un récent intérêt pour les modèles latents non paramétriques est apparu dans les applications. Or ces modèles ont peu été étudiés en théorie. Dans cette thèse je me suis intéressée aux propriétés asymptotiques des estimateurs (dans le cas fréquentiste) et de la loi a posteriori (dans le cadre Bayésien) dans deux modèles latents particuliers : les modèles de Markov caché et les modèles de mélange. J’ai tout d’abord étudié la concentration de la loi a posteriori dans les modèles non paramétriques de Markov caché. Plus précisément, j’ai étudié la consistance puis la vitesse de concentration de la loi a posteriori. Enfin je me suis intéressée à l’estimation efficace du paramètre de mélange dans les modèles semi paramétriques de mélange. / Latent models have been widely used in diverse fields such as speech recognition, genomics, econometrics. Because parametric modeling of emission distributions, that is the distributions of an observation given the latent state, may lead to poor results in practice, in particular for clustering purposes, recent interest in using non parametric latent models appeared in applications. Yet little thoughts have been given to theory in this framework. During my PhD I have been interested in the asymptotic behaviour of estimators (in the frequentist case) and the posterior distribution (in the Bayesian case) in two particuliar non parametric latent models: hidden Markov models and mixture models. I have first studied the concentration of the posterior distribution in non parametric hidden Markov models. More precisely, I have considered posterior consistency and posterior concentration rates. Finally, I have been interested in efficient estimation of the mixture parameter in semi parametric mixture models.
|
Page generated in 0.0535 seconds