Nous étudions certains théorèmes limite centraux fonctionnels hölderiens pour des processus autorégressifs d’ordre un quasi non stationnaires yn,k = φn yn,k−1 +εk et leurs résidus au sens des moindres carrés avec φn tendant vers 1 et des innovations i.i.d. centrées, de carré intégrable. Dans le cas φn = exp(γ/n) avec γ < 0, la limite en loi est une fonction d’un processus d’Ornstein-Uhlenbeck intégré. Dans le cas φn = 1 − γn /n avec γn tendant vers l'infini plus lentement que n, la convergence vers le mouvement brownien est établie dans l’espace de Hölder en termes de vitesse de divergence γn et d’intégrabilité des innovations εk. Comme application statistique de ces résultats, nous considérons une rupture épidémique dans les innovations de processus autorégressifs d’ordre un quasi non stationnaires AR(1). Deux types de modèles sont considérés. Pour 0 ≤ α < 1 nous construisons une statistique α-hölderienne basée sur les accroissements uniformes des observations ou des résidus pour détecter une courte rupture épidémique dans les processus considérés. Sous certaines hypothèses pour les innovations, nous trouvons la loi limite de la statistique sous l’hypothèse nulle, les conditions de consistance et nous effectuons une analyse de la puissance du test statistique. Nous discutons également l’interaction entre les différents paramètres pour la détectabilité des plus courtes épidémies. / We study some Hölderian functional central limit theorems for the polygonal partial sum processes built on a first order nearly nonstationary autoregressive process yn,k = φn yn,k−1 + εk and its least squares residuals εk with φn converging to 1 and i.i.d. centered square-integrable innovations. In the case where φn = exp( γn /n) with a negative constant γ, we prove that the limiting process depends on Ornstein-Uhlenbeck one. In the case where φn = 1 − γn /n, with γn tending to infinity slower than n, the convergence to Brownian motion is established in Hölder space in terms of the rate of γn and the integrability of the εk’s. As a statistical application of these results, we investigate some epidemic change in the innovations of the first order nearly nonstationary autoregressive process AR(1). Two types of models are considered. For 0 ≤ α < 1, we build the α-Hölderian uniform increments statistics based on the observations and on the least squares residuals to detect the short epidemic change in the process under consideration. Under the assumptions for innovations we find the limit of the statistics under null hypothesis, some conditions of consistency and we perform a test power analysis. We also discuss the interplay between the various parameters to detect the shortest epidemics.

Le ciblage de l’inflation est le cadre le plus récent de la politique monétaire dans le monde. Il est désormais largement choisi par les pays avancés ainsi que par les pays émergents. Cependant, deux questions principales sont encore en débat particulièrement dans les pays émergent et en développement. Ils s’agissent des avantages du ciblage d’inflation et du respect de conditions préalables afin d’assurer le succès de ce régime. Empiriquement, on conclut que le ciblage d’inflation est un cadre de politique monétaire réussie pour les pays émergents. En plus, il n'est pas nécessaire pour ces pays de satisfaire toutes les conditions préalables strictes avant de réussir à l'adopter. La situation budgétaire et l'indépendance de la banque centrale jouent un rôle plus important que les autres conditions et doivent être préparées en premier lieu. Concernant le Vietnam, par l'approche structurelle vecteur autorégressif (VAR), la thèse montre que la politique monétaire de la banque centrale n’est pas efficace. Donc, il permet de confirmer la nécessité du changement de stratégie monétaire par rapport au cadre actuel. Cependant, notamment parce que la banque centrale n’est pas indépendante, le Vietnam ne peut pas adopter le ciblage d’inflation dans un bref délai. Les recommandations du durcissement de la contrainte budgétaire et de l’augmentation l’indépendance de la banque centrale sont suggérées avant la mise en œuvre de sa stratégie de ciblage d’inflation. / Inflation targeting (hereafter IT) is the newest monetary policy framework in the world. The practice of IT has been chosen by both advanced countries and emerging countries. However, two main issues are still under debate particularly in emerging and developing countries. They are the benefits of IT and preconditions to success adoption. Empirically, we showed that IT is considered as a successful monetary policy framework for emerging countries. In addition, it is not necessary for emerging markets to satisfy all stringent preconditions to successfully adopt IT. In practice, the fiscal situation and the central bank independence play a more important role than other conditions and need to be prepared first.Basing on Structural Vector Autoregression (SVAR), the thesis concludes that Vietnamese monetary policy currently does not effectively control the inflation rate. Inflation targeting framework would be a solution to this. Nonetheless, this thesis concludes that at this moment in time Vietnam is not able to adopt the IT framework, as it still must prepare some of the preconditions required before official adoption. The recommendations of hardening the budget constraint and increase central bank independence in relationship with government are suggested before implementing IT strategy.

L’estimation de canal est une tâche cruciale du récepteur radio dans les systèmes de communication sans fil, en particulier en cas de mobilité où les paramètres du canal varient avec le temps en raison de l’effet Doppler. Dans cette thèse, nous considérons des variations de canal lentes à modérées, typiques des applications véhiculaires, et en particulier les deux types de canaux suivant : canaux Fixe-Mobiles (F-M) et canaux Mobiles-Mobiles (M-M), avec dans ce dernier cas la présence éventuelle de relais mobiles permettant d’amplifier et re-émettre le signal (Amplify and Forward). Nous avons démarré notre étude avec le canal F-M, qui servira de base pour traiter le canal M-M.Pour le cas d’un canal F-M, modélisé par le modèle de Rayleigh à spectre de Jakes, une approche courante pour estimer le canal consiste à utiliser un filtre de Kalman (KF) basé sur un modèle autorégressif d'ordre p (AR(p)). La méthode conventionnelle pour régler les paramètres du modèle AR(p) est basée sur le critère de corrélation (CM). Cependant, l’inconvénient majeur de cette méthode est que des ordres très élevés (p > 15) sont nécessaires pour approcher la borne de Cramer-Rao Bayésienne. Le choix de p ainsi que le réglage des paramètres du modèle sont donc critiques et un compromis doit être trouvé entre la complexité numérique et la performance. Le compromis raisonnable qui a suscité beaucoup d’attention est de prendre p = 2. Le CM n’étant pas performant pour p = 2, d’autres méthodes de réglage ont été proposées dans la littérature, mais celle-ci reposent principalement sur des résultats expérimentaux ou des recherches exhaustives, ce qui limite leur application. Pour régler le modèle, nous proposons d'utiliser un critère de minimisation de la variance asymptotique (MAV) de l’erreur d’estimation en sortie du filtre de Kalman. Une formule générale de réglage a été dérivée en fonction de l’état du canal (fréquence Doppler et rapport signal sur bruit), qui peut s’avérer très utile en pratique. De plus, nous avons également dérivé une formule analytique pour l'erreur quadratique moyenne, ce qui permet de mieux comprendre le comportement du KF. Ensuite, nous avons traité le canal M-M avec présence éventuelle de relais, en suivant la même approche. Les expressions analytiques pour le réglage optimal des paramètres du modèle AR(2) et les performances en erreur quadratique moyenne ont d'abord été établies en fonction des deuxièmes et quatrièmes moments du spectre Doppler du canal global. Les formules analytiques de ces moments ont été dérivées en exploitant la propriété de convolution des fonctions de densité, après décomposition du canal global en cascade de canaux élémentaires à spectre de Jakes. Avec ces approches, les résultats de simulations pour les différents canaux montrent un gain considérable en terme d’erreur quadratique moyenne d’estimation, comparé à la littérature. / Channel estimation is a crucial task of the radio receiver in wireless communication systems, especially in the case of mobility where the channel parameters vary over time due to the Doppler effect. In this thesis, we consider slow to moderate channel variations, typical of vehicular applications, and in particular the following two types of channels: fixed-mobile (F-M) channels and mobile-mobile (M-M) channels, with in the latter case the possible presence of mobile relays (Amplify and Forward). We started our study with the F-M channel, which will serve as a basis for investigating the M-M channel.For the case of an F-M channel, modeled by Rayleigh model described by the Jakes spectrum, a common approach to estimating the channel is to use a Kalman filter (KF) based on an autoregressive model of order p (AR(p)). The conventional method for setting AR(p) model parameters is based on the correlation matching criterion (CM). However, the major disadvantage of this method is that very high orders p>15) are needed to approach the Bayesian Cramer-Rao Bound. The choice of p as well as the adjustment of the parameters of the model are therefore critical and a compromise must be found between the numerical complexity and the performance. The reasonable compromise that has attracted a lot of attention is to take p = 2. Since the CM is not efficient for p = 2, other methods of tuning have been proposed in the literature, but these are mainly based on experimental results or exhaustive searches, which limits their application.To adjust the model, we propose to use a criterion of minimization of the asymptotic variance (MAV) of the estimation error at the output of the Kalman filter. A general tuning formula has been derived based on the state of the channel (Doppler frequency and signal-to-noise ratio), which can be very useful in practice. In addition, we also derived an analytic formula for the mean squared error, which allows a better understanding of KF behavior.Then we treated the M-M channel with the possible presence of mobile relays, following the same approach. The analytical expressions for the optimal adjustment of the AR(2) model parameters and the mean squared error performance were first set according to the second and fourth moments of the Doppler spectrum of the global channel. The analytical formulas of these moments were derived by exploiting the convolution property of the density functions, after decomposing the cascading global channel channel of Jakes spectrum elementary channels. With these approaches, the results of simulations for the different channels show a considerable gain in terms of mean squared error performance estimation, compared to the literature.

Dans ce travail, nous étudions de manière approfondie les lois $\al$-stables (lois à variance infinie). Dans le premier chapitre, nous rappelons les différentes propriétés des lois $\al$-stables univariées (stabilité, calcul des moments, simulation). Nous introduisons ensuite les lois symétriques $\al$-stables (\SaS) multivariées. Après avoir parlé de la mesure spectrale et de son intérêt pour caractériser l'indépendance, nous nous concentrons sur les mesures de dépendance. Constatant que le coefficient de covariation, largement utilisé actuellement, admet certaines limites, nous construisons dans le deuxième chapitre une nouvelle mesure de dépendance, appelée coefficient de covariation symétrique. Ce dernier nous permet, entre autres, de découvrir quelques spécificités des vecteurs \SaS. En effet, contrairement aux vecteurs gaussiens, on peut obtenir pour certains vecteurs \SaS\ à la fois une dépendance positive et une dépendance négative. Après avoir conclu le chapitre par l'étude de la loi asymptotique de l'estimateur du coefficient de covariation, nous abordons, dans le troisième chapitre, les processus autorégressifs à innovations stables. Nous présentons les différentes méthodes d'identification de l'ordre d'un processus AR: autocorrélation partielle (Brockwell et Davis) et statistiques quadratiques asymptotiquement invariantes basées sur les rangs (Garel et Hallin). De nombreuses simulations, effectuées en Matlab et Fortran, nous permettent de comparer ces méthodes et de constater l'importance du rôle joué par les statistiques de rang dans ce domaine. Pour finir, un problème de test séquentiel, développé dans le cadre d'un contrat industriel, nous permet d'introduire la notion de niveau de confiance après décision.

No description available.

Nous proposons d’étudier la méthodologie de la segmentation de processus avec un bruit autorégressif sous ses aspects théoriques et pratiques. Par « segmentation » on entend ici l’inférence de points de rupture multiples correspondant à des changements abrupts dans la moyenne de la série temporelle. Le point de vue adopté est de considérer les paramètres de l’autorégression comme des paramètres de nuisance, à prendre en compte dans l’inférence dans la mesure où cela améliore la segmentation.D’un point de vue théorique, le but est de conserver un certain nombre de propriétés asymptotiques de l’estimation des points de rupture et des paramètres propres à chaque segment. D’un point de vue pratique, on se doit de prendre en compte les limitations algorithmiques liées à la détermination de la segmentation optimale. La méthode proposée, doublement contrainte, est basée sur l’utilisation de techniques d’estimation robuste permettant l’estimation préalable des paramètres de l’autorégression, puis la décorrélation du processus, permettant ainsi de s’approcher du problème de la segmentation dans le cas d’observations indépendantes. Cette méthode permet l’utilisation d’algorithmes efficaces. Elle est assise sur des résultats asymptotiques que nous avons démontrés. Elle permet de proposer des critères de sélection du nombre de ruptures adaptés et fondés. Une étude de simulations vient l’illustrer. / We propose to study the methodology of autoregressive processes segmentation under both its theoretical and practical aspects. “Segmentation” means here inferring multiple change-points corresponding to mean shifts. We consider autoregression parameters as nuisance parameters, whose estimation is considered only for improving the segmentation.From a theoretical point of view, we aim to keep some asymptotic properties of change-points and other parameters estimators. From a practical point of view, we have to take into account the algorithmic constraints to get the optimal segmentation. To meet these requirements, we propose a method based on robust estimation techniques, which allows a preliminary estimation of the autoregression parameters and then the decorrelation of the process. The aim is to get our problem closer to the segmentation in the case of independent observations. This method allows us to use efficient algorithms. It is based on asymptotic results that we proved. It allows us to propose adapted and well-founded number of changes selection criteria. A simulation study illustrates the method.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Cette thèse se décompose en trois parties distinctes auxquelles s'ajoute une introduction. Dans un premier temps, nous nous intéressons à un test lisse d'ajustement à la famille de Pareto. Pour cela, nous proposons une statistique de test motivée par la théorie de LeCam sur la normalité asymptotique locale (LAN). Nous en établissons le comportement asymptotique sous l'hypothèse que l'échantillon provient d'une distribution de Pareto et sous des alternatives locales, nous plaçant ainsi dans le cadre LAN. Des simulations sont présentées afin d'étudier le comportement de la statistique de test à distance finie. Dans le chapitre suivant, nous nous plaçons dans le cadre de données censurées aléatoirement à droite. Nous proposons alors un estimateur des paramètres de la distribution de Pareto généralisée basé sur une première étape de l'algorithme de Newton-Raphson. Nous établissons la normalité asymptotique de cet estimateur. Par des simulations, nous illustrons son comportement à distance finie et le comparons à celui de l'estimateur du maximum de vraisemblance. Nous proposons enfin, dans un dernier chapitre, un modèle linéaire autorégressif adapté à la loi de Gumbel pour prendre en compte la dépendance dans les maxima. Nous établissons des propriétés théoriques de ce modèle et par simulations nous illustrons son comportement à distance finie. Enfin, comme des applications concrètes en sciences de l'atmosphère motivaient ce modèle, nous l'avons utilisé pour modéliser des maxima de dioxyde de carbone et de méthane.

Nous considérons un modèle signal plus bruit particulier ou le signal est une combinaison linéaire de suites déterministes données et est contamine par un bruit additif autoregressif d'ordre 1 stationnaire. Nous étudions d'abord des problèmes d'estimation partielle. On analyse les propriétés asymptotiques d'estimateurs de maximum de vraisemblance ou de moindres carres pour les paramétrés du bruit lorsque le signal est complètement connu ou pour les paramètres du signal lorsque l'un des paramètres du bruit est connu. Puis nous examinons le probleme de l'estimation simultanée des paramètres du signal et du bruit. On montre l'existence et l'unicité de l'estimateur de maximum de vraisemblance dont on étudie le comportement asymptotique. De même on considère une methode d'estimation fondée sur une première étape de moindres carres pour l'estimation des paramétrés du signal, et une procédure de maximum de vraisemblance approche. On construit ensuite des tests pour la détection du signal a partir des méthodes d'estimation envisagées précédemment. Les risques associes a ces tests sont analyses de manière précise. Enfin une étude expérimentale par simulation des performances des diverses méthodes est menée

Cette thèse est consacrée à l'étude du problème de la séparation aveugle d'un mélange instantané de sources gaussiennes autorégressives, sans bruit additif, par la méthode du maximum de vraisemblance exact. La maximisation de la vraisemblance est décomposée, par relaxation, en deux sous-problèmes d'optimisation, également traités par des techniques de relaxation. Le premier consiste en l'estimation de la matrice de séparation à structure autorègressive des sources fixée. Le second est d'estimer cette structure lorsque la matrice de séparation est fixée. Le premier problème est équivalent à la maximisation du déterminant de la matrice de séparation sous contraintes non linéaires. Nous donnons un algorithme de calcul de la solution de ce problème pour lequel nous précisons les conditions de convergence. Nous montrons l'existence de l'estimateur du maximum de vraisemblance dont nous prouvons la consistance. Nous déterminons également la matrice d'information de Fisher relative au paramètre global et nous proposons un indice pour mesurer les performances des méthodes de séparation. Puis nous analysons, par simulation, les performances de l'estimateur ainsi défini et nous montrons l'amélioration qu'il apporte à la procédure de quasi-maximum de vraisemblance ainsi qu'aux autres méthodes du second ordre.