Dans la premiere partie de cette these, on a etudie l'impact sur les prix d'options des erreurs d'estimation de volatilite. Dans les modeles de diffusion utilises ennance, un coefficient de diffusion fonctinnelle (:; :) modelise la volatilite d'un actif financier. Ce coefficient est estime a partir d'observations donc entache d'erreurs statistiques. L'objectif est de voir l'impact de ces erreurs sur le calcul de prix d'options, qui sont solutions d'EDP paraboliques dont l'estimateur (:; :) est le coefficient de diffusion. Cela debouche sur un probleme de passage a la limite (homogeneisation) dans des equations paraboliques a coefficients aleatoires. Dans ce travail on a obtenu des estimations de la vitesse de convergence locale sur la solution d'une EDP parabolique a coefficients aleatoire, lorsque le coefficient de diffusion est un champ aleatoire convergeant vers une fonction limite. Ce resultat permet d'etudier l'im- pact sur les prix d'options des erreurs d'estimation de volatilite dans differents cas degures. Cette methode est appliquee pour evaluer l'incertitude sur les options a barrieres dans un modele de diffusion lorsqu'on reconstitue la volatilite par la formule de Dupire a partir des donnees discretes sur les prix d'options. La deuxieme partie de cette these concerne l'etude de problemes inverses pour certaine classe d'equations d'evolution integro-differentielles survenant dans l'etude des modeles d'evaluation bases sur les processus de Levy. On a etudie une approche de ces problemes inverses par regularisation de Tikhonov. Cette approche permet de reconstruire de facon stable les parametres d'un modele markovien avec sauts a partir de l'observation d'un nombre ni d'options. Le chapitre 4 pose les bases theoriques de cette approche et propose une parametrisation des mesures de Levy par la racine carree de la densite, ce qui permet de ramener le probleme dans un cadre hilbertien. La regularisation de Tikhonov proposee consiste a minimiser l'ecart quadratique par rapport aux prix observ es plus une norme hilbertienne des parametres. Des resultats d'existence, de stabilite et de convergence de la solution du probleme regularise sont alors obtenus sous de hypotheses assez generales ; des hypotheses supplementaires (conditions de source) permettent d'obtenir une estimation de la vitesse de convergence. Le choix du parametre de regularisation, sujet delicat, fait l'objet d'une discussion detaillee. Le chapitre 5 propose un algorithme numerique pour le calcul de la solution du probleme regularise et l'etude du performance de cet algorithme dans differents modeles avec sauts. L'algorithme est base sur l'emploi d'un algorithme de gradient pour la minimisation de la fonctionnelle regularisee : le gradient est calcule en resolvant une equation integrodifferentielle avec terme source (equation adjointe). Ce travail generalise ceux de Lagnado&Osher, Crepey et Egger & Engl au cas des equations integrodifferentielles. Les tests numeriques montrent que cet algorithme permet de construire de facon stable un processus de Levy calibre a un ensemble de

Dans la première partie de cette thèse nous étudions la mobilité et le temps de transfert d'un message dans les réseaux ad hoc mobiles. Nous obtenons, pour plusieurs modèles de mobilité, la loi stationnaire de la position des noeuds, la distribution du temps nécessaire avant que deux noeuds puissent (à nouveau) communiquer, et le temps durant lequel deux noeuds sont dans leur voisinage mutuel. Nous déduisons de ces résultats des formules pour le temps de transfert d'un message en utilisant d'autres noeuds dans le réseau comme relais. Ces calculs sont effectués pour plusieurs modèles de mobilité et pour deux types de protocoles de routage.La deuxième partie de cette thèse traite d'un système à " Polling " qui consiste en deux files d'attente servies par un serveur. Après avoir servi une file d'attente, le serveur a besoin d'un temps de commutation pour passer d'une file à l'autre, et commencer à servir les clients. Les temps de commutation peuvent être corrélés. Nous obtenons l'expression de plusieurs mesures de performance, notamment le temps d'attente moyen et la taille moyenne de la file d'attente. Grâce à ces expressions, nous comparons deux disciplines de service et au travers d'exemples nous montrons que la corrélation des temps de commutation peut augmenter significativement le temps d'attente moyen et la taille des files d'attente. Cela indique que la corrélation ne peut pas être ignorée et qu'elle a des implications importantes pour des systèmes de communication dans lesquels un canal de communication commun est partagé entre plusieurs utilisateurs et où le temps entre des transferts de données consécutifs est corrélé (par exemple dans les réseaux ad hoc).Dans la troisième et dernière partie nous étudions deux files d'attente en série avec des coûts pour chaque client dans le système. La fonction de valeur est calculée pour le coût moyen quand il n'y a pas d'entrée des clients. Celle-ci peut être utilisée pour l'optimisation des systèmes en série ou pour le calcul complet de la fonction de valeur.

Cette thèse présente des méthodes et des algorithmes pour l'évaluation de performance de systèmes à grand espace d'états décrits par des formalismes de haut niveau. Parmi les différents formalismes de haut niveau normalement utilisés, nous nous sommes intéressés au formalisme des Réseaux d'Automates Stochastiques (SAN). Le formalisme SAN se caractérise par la modélisation de systèmes complexes, où un système est représenté par la composition de sous-systèmes (automates) qui interagissent entre eux. Cette interaction se réalise par l'occurrence des événements synchronisants ou des taux fonctionnels. Lorsqu'on calcule l'espace d'états atteignables de systèmes complexes, le principal problème qui surgit est l'explosion combinatoire de l'espace d'états du modèle. Dans la première partie de cette thèse, nous proposons des méthodes pour la génération de l'espace d'états atteignables de modèles compositionnels qui utilisent des taux fonctionnels. Nous utilisons les Diagrammes de Décision Multi-valués (MDD) pour représenter et manipuler les espaces d'états et le formalisme SAN pour la modélisation de systèmes. Un MDD est une structure de donnée arborescente qui permet de représenter et de manipuler de façon performante un très grand espace d'états. L'avancée par rapport à l'état de l'art a été de proposer de méthodes qui prennent en compte ces fonctions qui expriment des relations entre les composants des modèles. Des études d'exemples sont présentées afin d'illustrer les apports de ces méthodes. Dans la deuxième partie de cette thèse, nous nous sommes intéressés à la résolution d'un modèle SAN à temps discret dont la matrice de transition est représentée par une formule tensorielle (appelée descripteur discret). A cet effet, nous présentons l'Algèbre Tensorielle compleXe (ATX) adaptée à la composition parallèle des SAN à temps discret pour la représentation du descripteur et nous démontrons des propriétés qui servent de base aux méthodes itératives pour la résolution de la chaîne de Markov associée au modèle SAN. Un des avantages de représenter un modèle SAN par un descripteur est la façon compacte par laquelle on peut représenter les transitions du modèle: on remplace une description dans un espace produit par un unique produit tensoriel portant sur des facteurs qui décrivent ce qui se passe sur une seule dimension (une composante du modèle SAN). Afin de profiter de cette représentation, nous présentons une méthode de multiplication d'un vecteur de probabilité par un descripteur discret adaptée à cette algèbre. Cette méthode vise à exploiter des propriétés du produit tensoriel complexe de façon à ce que la multiplication par un opérateur sur l'espace produit soit remplacée par une suite d'opérations qui manipulent des données de la taille d'une composante (et pour toutes les composantes).

Dans ce travail je présente une étude unifiée basée sur l'estimation du maximum de vraisemblance pour des modèles markoviens, semi-markoviens et semi-markoviens cachés. Il s'agit d'une étude théorique des propriétés asymptotiques de l'EMV des modèles mentionnés ainsi que une étude algorithmique. D'abord, nous construisons l'estimateur du maximum de vraisemblance (EMV) de la loi stationnaire et de la variance asymptotique du théorème de la limite centrale (TLC) pour des fonctionnelles additives des chaînes de Markov ergodiques et nous démontrons sa convergence forte et sa normalité asymptotique. Ensuite, nous considérons un modèle semi-markovien non paramétrique. Nous présentons l'EMV exact du noyau semi-markovien qui gouverne l'évolution de la chaîne semi-markovienne (CSM) et démontrons la convergence forte, ainsi que la normalité asymptotique de chaque sous-vecteur fini de cet estimateur en obtenant des formes explicites pour les matrices de covariance asymptotiques. Ceci a été appliqué pour une observation de longue durée d'une seule trajectoire d'une CSM, ainsi que pour une suite des trajectoires i.i.d. d'une CSM censurée à un instant fixe. Nous introduisons un modèle semi-markovien caché (MSMC) général avec dépendance des temps de récurrence en arrière. Nous donnons des propriétés asymptotiques de l'EMV qui correspond à ce modèle. Nous déduisons également des expressions explicites pour les matrices de covariance asymptotiques qui apparaissent dans le TLC pour l'EMV des principales caractéristiques des CSM. Enfin, nous proposons une version améliorée de l'algorithme EM (Estimation-Maximisation) et une version stochastique de cet algorithme (SAEM) afin de trouver l'EMV pour les MSMC non paramétriques. Des exemples numériques sont présentés pour ces deux algorithmes.

aL'objectif de ce travail est la représentation et la propagation de variabilités dues aux incertitudes dans lescalculs d'assemblages complexes. Nous avons donc commencé par distinguer les différents types de paramètresvariables à modéliser et par répertorier un certain nombre de moyens permettant d'obtenir des informationsstatistiques sur ceux-ci. Nous avons ensuite fait une étude bibliographique des différentes méthodes de calculpermettant de traiter ces incertitudes avec une attention particulière pour les méthodes probabilistes dites nonintrusives que nous avons testé sur un exemple simple. La disparité des résultats obtenus nous à amener à définir unestimateur d'erreur dans le cadre stochastique permettant de quantifier la qualité des modèles utilisés. A partir de cetestimateur, nous avons définit deux indicateurs heuristiques spécifiques permettant de distinguer la part de l'erreurdue à l'approximation stochastique de celle due à l'approximation géométrique. Ces outils ont ensuite permis dedéfinir une technique de calcul adaptative pour les problèmes stochastiques que nous avons appliqué sur un problèmecomplexe proposé par SNECMA.

Dans cette thèse nous étudions l'asymptotique de petits bruits pour des perturbations aléatoires d'équations de Schrödinger non linéaires. Les bruits sont Gaussiens, la plupart du temps blancs en temps et toujours colorés en espace, additifs ou multiplicatifs. Un évènement de grandes déviations est un évènement où le système diffère significativement du système déterministe. Lorsque le bruit tend vers zéro, la probabilité d'un tel évènement rare tend vers zéro sur une échelle logarithmique avec pour vitesse l'amplitude du bruit. Nous prouvons des principes de grandes d´eviations trajectoriels. Dans ce cas le facteur multiplicatif de la vitesse, le taux, est relié à un problème de contrôle optimal. Les résultats sont appliqués aux temps d'explosion. Nous étudions ensuite l'asymptotique de petits bruits des queues de la masse et de la position du signal dans une "limite bruit blanc". Les fluctuations de ces quantités sont les causes principales d'erreur de transmission par solitons dans les fibres optiques. Nous considérons également le problème des temps moyens et des points de sortie d'un voisinage de zéro pour des équations faiblement amorties. Enfin, nous présentons un principe de grandes déviations et un théorème de support pour des bruits Gaussiens fractionnaires additifs.

Ce manuscrit présente les fondements dynamiques des jeux de population avec un nombre variable de joueurs ainsi que leurs concepts de solutions et de stabilités. Nous introduisons d'abord les dynamiques de jeux avec retard et étudions leurs stabilités. Nous les appliquons aux réseaux filaires et aux réseaux sans fils. Ensuite nous nous intéressons aux aspects de mobilité et aux distributions spatiales des joueurs sur le réseau. Cela nous conduit à une nouvelle classe de dynamique de jeux à stratégies vectorielles avec des contraintes de migrations, appelée dynamique de jeux d'évolution avec migration. Nous dérivons de telles dynamiques pour les réseaux hybrides et appliquons aux problèmes de contrôle de puissance dans les réseaux hétérogènes, choix entre plusieurs technologies et migration entre plusieurs classes d'utilisateurs. Ensuite nous nous focalisons aux jeux stochastiques de population avec plusieurs classes de joueurs dans lesquels chaque joueur possède son propre état et fait face un vecteur qui évolue dans le temps. Des applications à la gestion d'énergie dans les réseaux sont présentées. Finalement, nous étudions une classe de jeux à champ moyen. Lorsque la taille de la population devient très grande, les asymptotiques du système conduisent à des dynamiques appelées dynamiques de jeux à champ moyen. Cette classe de dynamiques contient les dynamiques standard basées sur des révisions de stratégies. Nous utilisons ce modèle pour analyser les problèmes accès aléatoires à des ressources dans un environnement où les utilisateurs et les ressources sont spatialement distribuées. Nous établissons un lien entre les jeux à champ moyen et les jeux différentiels de population dans lesquels chaque joueur a son état individuel et optimise son paiement à long terme pendant son temps de séjour dans le système sous contraintes que le profil de population évolue selon une dynamique de jeux à champ moyen

La première partie de cette thèse est consacrée à l'estimation par maximum de vraisemblance dans les modèles mixtes à dynamique markovienne. Nous considérons plus précisément des modèles de Markov cachés à effets mixtes et des modèles de diffusion à effets mixtes. Dans le Chapitre 2, nous combinons l'algorithme de Baum-Welch à l'algorithme SAEM pour estimer les paramètres de population dans les modèles de Markov cachés à effets mixtes. Nous proposons également des procédures spécifiques pour estimer les paramètres individuels et les séquences d' états cachées. Nous étudions les propriétés de cette nouvelle méthodologie sur des données simulées et l'appliquons sur des données réelles de nombres de crises d' épilepsie. Dans le Chapitre 3, nous proposons d'abord des modèles de diffusion à effets mixtes pour la pharmacocin étique de population. Nous en estimons les paramètres en combinant l'algorithme SAEM a un filtre de Kalman étendu. Nous étudions ensuite les propriétés asymptotiques de l'estimateur du maximum de vraisemblance dans des modèles de diffusion observés sans bruit de mesure continûment sur un intervalle de temps fixe lorsque le nombre de sujets tend vers l'infini. Le Chapitre 4 est consacré a la s élection de covariables dans des modèles mixtes généraux. Nous proposons une version du BIC adaptée au contexte de double asymptotique où le nombre de sujets et le nombre d'observations par sujet tendent vers l'infini. Nous présentons quelques simulations pour illustrer cette procédure.

Cette thèse a pour but le développement de certains aspects de la modélisation de la dépendance dans la gestion des risques en dimension plus grande que un. Le premier chapitre est constitué d'une introduction générale. Le deuxième chapitre est constitué d'un article s'intitulant " Estimating Bivariate Tail : a copula based approach ", soumis pour publication. Il concerne la construction d'un estimateur de la queue d'une distribution bivariée. La construction de cet estimateur se fonde sur une méthode de dépassement de seuil (Peaks Over Threshold method) et donc sur une version bivariée du Théorème de Pickands-Balkema-de Haan. La modélisation de la dépendance est obtenue via la Upper Tail Dependence Copula. Nous démontrons des propriétés de convergence pour l'estimateur ainsi construit. Le troisième chapitre repose sur un article: " A multivariate extension of Value-at-Risk and Conditional-Tail-Expectation", soumis pour publication. Nous abordons le problème de l'extension de mesures de risque classiques, comme la Value-at-Risk et la Conditional-Tail-Expectation, dans un cadre multidimensionnel en utilisant la fonction de Kendall multivariée. Enfin, dans le quatrième chapitre de la thèse, nous proposons un estimateur des courbes de niveau d'une fonction de répartition bivariée avec une méthode plug-in. Nous démontrons des propriétés de convergence pour les estimateurs ainsi construits. Ce chapitre de la thèse est lui aussi constitué d'un article, s'intitulant " Plug-in estimation of level sets in a non-compact setting with applications in multivariate risk theory", accepté pour publication dans la revue ESAIM:Probability and Statistics.

Ce travail présente quelques contributions à l'étude théorique et numérique des modèles utilisés en pratique pour la simulation moléculaire de la matière. En particulier, on présente et on analyse des méthodes numériques stochastiques dans le domaine de la physique statistique, permettant de calculer plus efficacement des moyennes d'ensemble. Une application particulièrement importante est le calcul de différences d'énergies libres, par dynamiques adaptatives ou hors d'équilibre. On étudie également quelques techniques, stochastiques ou déterministes, utilisées en chimie quantique et permettant de résoudre de manière approchée le problème de minimisation associé à la recherche de l'état fondamental d'un opérateur de Schrödinger en dimension grande. On propose enfin des modèles réduits permettant une description microscopique simplifiée des ondes de choc et de détonation par le biais d'une dynamique stochastique sur des degrés de liberté moyens, approchant la dynamique hamiltonienne déterministe du système complet.