Le thème de cette thèse est la théorie spatiale des valeurs extrêmes, et les objets principalement étudiés sont les processus max-stables à trajectoires continues. Nous commençons par déterminer la convergence des maximums de processus stochastiques indépendants, en utilisant la convergence de mesures empiriques vers des processus ponctuels de Poisson. Ensuite, nous déterminons les lois conditionnelles des processus max infiniment divisibles (max-i.d). La représentation des processus max-i.d par des processus ponctuels de Poisson permet l'introduction de notions telles que les fonctions extrémales et le hitting scénario qui permettent d'aboutir au résultat. Les processus max-stables étant des processus max-i.d, nous proposons un algorithme de simulation conditionnelle pour les champs max-stables puis nous l'utilisons pour des applications avec des données de précipitations autour de Zurich et de températures en Suisse. Nous trouvons aussi, une majoration du coefficient de β-mélange entre les restrictions d'un processus max-i.d sur deux sous-ensembles fermés et disjoints d'un espace métrique localement compact. Cette majoration permet d'obtenir de nouveaux critères pour le théorème de la limite central des processus stationnaires mélangeant. Enfin, nous terminons en démontrant qu'un processus stationnaire max-stable vérifiant la propriété de Markov est, quitte à renverser le temps, un processus max-autorégressif d’ordre 1. / The theme of this thesis is spatial extreme value theory and we focus on continuous max-stable processes. We begin with the convergence of the maximum of independent stochastic processes, by using the convergence of empirical measures to Poisson point processes. After that, we determine the regular conditional distributions of max infinitely divisible (max-i.d) processes. The representation of max-i.d. processes by Poisson point processes allows us to introduce the notions of extremal functions and hitting scenario. Our result relies on these new notions. Max-stable processes are max-i.d. processes, so we give an algorithm for conditional sampling and give an application to extreme precipitations around Zurich and extreme temperatures in Switzerland. We also find a upper bound for the β-mixing coefficient between the restrictions of a max-i.d. process on two disjoint closed subsets of a locally compact metric space. This entails a central limit theorem for stationary max-i.d processes. Finally, we prove that the class of stationary maxstable processes with the Markov property is equal, up to time reversal, to the class of stationary max-autoregressive processes of order 1.

L'accouchement prématuré reste la principale cause de mortalité et de morbidité néonatales. Le signal EMG utérin semble un vecteur potentiel d'indication du risque d'accouchement prématuré.<br /> Dans la suite des travaux réalisés pour la détection, le traitement et la classification des événements dans le signal EMG Utérin, notre travail s'est orienté vers la classification des contractions à partir des signaux EMG utérins, afin de séparer les deux types d'accouchement : accouchement prématuré et accouchement à terme.<br /> Les contractions utérines ont été manuellement segmentées à partir du signal EMG utérin. Puis chaque contraction est modélisée et des paramètres sont extraits avant de faire la classification. Cette modélisation est faite par ondelettes et par analyse de la densité spectrale de puissance de chaque contraction.<br /> La classification est ensuite réalisée en utilisant 2 types de méthodes : tout d'abord une classification non supervisée, qui regroupe les contractions sans connaissance a priori des classes, permettant ensuite une interprétation des groupes en fonction des semaines d'aménorrhées et du terme d'accouchement. Dans ce contexte nous avons développé une méthode originale de classification non supervisée basée sur le test de Fisher combiné avec la méthode de k-moyenne (USCM, Unsupervised Statistical Classification Method).<br /> L'autre type de classification est supervisée. Après avoir sélectionné d'une façon précise les femmes qui peuvent être utilisées pour l'apprentissage de notre méthode de classification, nous avons utilisé différentes méthodes supervisées de classification. Tout d'abord, nous avons testé des méthodes classiques (Réseaux de neurones, Parzen,...). Puis une méthode originale basée sur le réseau d'ondelettes a été développée pour cette classification, cette méthode ayant été précédemment utilisée pour la régression mais jamais pour la classification.<br /> Nous avons été confrontés à un problème lié au faible nombre de d'éléments pour l'apprentissage. Nous avons donc aussi utilisé une méthode basée sur la modélisation autorégressive pour augmenter l'ensemble d'apprentissage.<br /> En ce qui concerne les applications, et pour la séparation entre les signaux d'EMG (application clinique), nous avons utilisé deux approches. Dans la première approche, nous avons utilisé des contractions ayant le même nombre de SAR (Semaines d'Aménorrhée à l'Enregistrement) mais des SAA (semaines d'Aménorrhée à l'accouchement) différent (petite différence et grande différence). La deuxième approche est de classifier les événements acquis avec différentes (SAR) pour des femmes ayant le même SAA.<br /> D'après les résultats obtenus, nous avons pu conclure que nous pouvons distinguer le terme d'accouchement des femmes enregistrés aux mêmes termes de grossesse. Et nous avons pu également conclure que les contractions changent de caractéristiques en fonction du terme de grossesse. D'un point de vue clinique, le résultat important est que, pour un terme de grossesse donné à l'enregistrement, il est possible de distinguer une contraction normale et une contraction conduisant à un accouchement prématuré.

Le modèle autorégressif dans un espace de Banach (ARB) permet<br />de représenter des processus à temps continu. Nous considérons<br />l'estimation de l'opérateur d'autocorrelation d'un ARB(1). Les<br />méthodes classiques d'estimation (maximum de vraisemblance et<br />moindres carrées) s'avèrent inadéquates quand l'espace<br />paramétrique est de dimension infinie, Grenander (1983} a proposé<br />d'estimer le paramètre sur un sous espace de dimension en général<br />finie m, puis d'étudier la consistance de cet estimateur lorsque<br />la dimension m tend vers l'infini avec le nombres d'observations<br />à vitesse convenable. Cette méthode est dite méthode des cribles.<br />Notons que plus généralement il serait possible d'utiliser la<br />méthode des f-divergences. Nous définissons la méthode des<br />moindres carrées comme problème d'optimisation dans un espace de<br />Banach dans le cas ou l'opérateur est p-sommable,<br />p>1. Nous montrons la convergence de l'estimateur<br />crible et sa normalité asymptotique dans le cas d'un opérateur est<br />strictement -intégral. Nous utilisons la représentation duale<br />de la f-divergence pour définir l'estimateur du minimum des<br />f-divergences. Nous nous limitons ici à l'étude de<br />l'estimateur dit du minimum de KL-divergence (divergence de<br />Kullback-Leibler). Cet estimateur est celui<br /> du maximum de vraisemblance. Nous montrons par la suite qu'il<br /> converge presque surement vers la vraie valeur du paramètre<br />pour la norme des opérateurs p-sommables. La démonstration est<br />basée sur les techniques de Geman et Hwang (1982), utilisées pour<br />des observations indépendantes et identiquement distribuées, qu'on<br />a adapté au cas autorégressif.

Cette thèse se compose de trois parties. Dans la première partie, en utilisant les théorèmes limites par moyennisation logarithmique pour des martingales continues en temps continu, on construit un estimateur du couple $(\theta,\sigma^{2})$ pour un modèle autorégressif gaussien stable à temps continu et on montre que cet estimateur est asymptotiquement distribué comme un couple de variables aléatoires gaussiennes indépendantes quelle que soit la loi de l'\état initial $X_{0}$. La deuxième partie est consacrée à établir des résultats autour du théorème limite presque-sûre pour des martingales vectorielles quasi-continues à gauche en temps continu et à croissance explosive ou mixte. On applique les résultats obtenus au modèle d'Ornstein-Uhlenbeck bivarié utilisé en modélisation biologique et en mathématiques financières. Dans la dernière partie, on établit pour l'estimateur des moindres carrés $\hat{\theta}$ de $\theta$ d'un modèle autorégressif gaussien à temps continu non nécessairement stable, un théorème limite centrale presque-sûre (TLCPS), une loi forte quadratique associée au TLCPS et un théorème de la limite centrale logarithmique. Dans le cas stable, on propose d'utiliser l'estimateur des moindres carrés pondéré $\tilde{\theta}$ de $\theta$ pour améliorer les vitesses de convergence logarithmique dans les théorèmes obtenus. Dans le cas instable, on établit, pour l'estimateur des moindres carrés $\hat{\theta}$, les mêmes type de propriétés asymptotiques avec une vitesse de convergence arithmétique.

Les processus autorégressifs à bifurcation (BAR) ont été au centre de nombreux travaux de recherche ces dernières années. Ces processus, qui sont l'adaptation à un arbre binaire des processus autorégressifs, sont en effet d'intérêt en biologie puisque la structure de l'arbre binaire permet une analogie aisée avec la division cellulaire. L'objectif de cette thèse est l'estimation les paramètres de variantes de ces processus autorégressifs à bifurcation, à savoir les processus BAR à valeurs entières et les processus BAR à coefficients aléatoires. Dans un premier temps, nous nous intéressons aux processus BAR à valeurs entières. Nous établissons, via une approche martingale, la convergence presque sûre des estimateurs des moindres carrés pondérés considérés, ainsi qu'une vitesse de convergence de ces estimateurs, une loi forte quadratique et leur comportement asymptotiquement normal. Dans un second temps, on étudie les processus BAR à coefficients aléatoires. Cette étude permet d'étendre le concept de processus autorégressifs à bifurcation en généralisant le côté aléatoire de l'évolution. Nous établissons les mêmes résultats asymptotiques que pour la première étude. Enfin, nous concluons cette thèse par une autre approche des processus BAR à coefficients aléatoires où l'on ne pondère plus nos estimateurs des moindres carrés en tirant parti du théorème de Rademacher-Menchov.

Cette thèse est consacrée à l’étude de théorèmes limites : grandes déviations et déviations modérées pour des estimateurs liés à des modèles financiers. Dans une première partie, nous nous sommes intéressés à l’étude des déviations grandes et modérées des estimateurs de la covariation et de la (co)volatilité réalisée issus des fonctionnelles associées à deux processus de diffusion couplés de manière synchronisée. Les techniques utilisées dans ces travaux sont basées d’une part sur celles utilisées dans Djellout-Guillin-Wu et sur la sous additivité et sur la notion d’approximation exponentielle inspirées des travaux de J. Najim d’autre part. Dans une deuxième partie, on considère que les deux processus de diffusion sont observés de manière non synchronisée et on établit des déviations modérées pour l’estimateur de la variation généralisée et pour celui de Hayashi-Yoshida. Les résultats sont obtenus par l’utilisation d’une nouvelle approche sur les déviations modérées des variables aléatoires m−dépendantes vérifiant des conditions de type "Chen-Ledoux". Dans la troisième et dernière partie, on s’intéresse à l’étude processus autorégressif d’ordre p dont le bruit est un processus autorégressif d’ordre q. On montre des déviations modérées pour certains estimateurs associés à notre modèle dont la statistique de Durbin-Watson. Les résultats sont donnés dans le cas où le bruit est gaussien puis dans le cas de condition de type "Chen-Ledoux" portant sur le bruit. / This thesis is devoted to the study of the limits theorem : large and moderate déviations for some financial mathematicals estimators. In the first part, we studied the large and moderate deviations of the estimators of covariation and the realized (co)volatility obtained from the functional associated to two diffusion processes coupled in synchronous manner. The techniques used in this work are based, on the one hand, on those used in Djellout-Guillin-Wu and the subadditivity and the exponential approximation notion inspired by J. Najim results on the other hand. In the second part, we consider that ours two diffusion processes are observed in a nonsynchronized manner and on the establish the moderate deviations for the generalised bipower variation estimator and the Hayashi-Yoshida estimator. The results are obtained by using a new approach on the moderate deviations of the m−dependent random variables based on the Chen-Ledoux type condition. In the third and last part, we study the stable autoregressive process of order p where the driven noise is also given by a q-order autoregressive process. We prove the moderate deviations for some estimators associated with our model such as the Durbin-Watson statistic. The results are given in the case where the driven noise is the normally distributed then in the case where the driven noise satisfy a Chen-Ledoux type condition.

Cette thèse est composée de deux parties: une première partie traite le problème de changement de régime et une deuxième partie concerne le processusautorégressif à seuil dont les innovations ne sont pas indépendantes. Toutefois, ces deux domaines de la statistique et des probabilités se rejoignent dans la littérature et donc dans mon projet de recherche. Dans la première partie, nous étudions le problème de changements derégime. Il existe plusieurs méthodes pour la détection de ruptures mais les principales méthodes sont : la méthode de moindres carrés pénalisés (PLS)et la méthode de derivée filtrée (FD) introduit par Basseville et Nikirov. D’autres méthodes existent telles que la méthode Bayésienne de changementde points. Nous avons validé la nouvelle méthode de dérivée filtrée et taux de fausses découvertes (FDqV) sur des données réelles (des données du vent sur des éoliennes et des données du battement du coeur). Bien naturellement, nous avons donné une extension de la méthode FDqV sur le cas des variables aléatoires faiblement dépendantes.Dans la deuxième partie, nous étudions le modèle autorégressif à seuil (en anglais Threshold Autoregessive Model (TAR)). Le TAR est étudié dans la littérature par plusieurs auteurs tels que Tong(1983), Petrucelli(1984, 1986), Chan(1993). Les applications du modèle TAR sont nombreuses par exemple en économie, en biologie, l'environnement, etc. Jusqu'à présent, le modèle TAR étudié concerne le cas où les innovations sont indépendantes. Dans ce projet, nous avons étudié le cas où les innovations sont non corrélées. Nous avons établi les comportements asymptotiques des estimateurs du modèle. Ces résultats concernent la convergence presque sûre, la convergence en loi et la convergence uniforme des paramètres. / This thesis has two parts: the first part deals the change points problem and the second concerns the weak threshold autoregressive model (TAR); the errors are not correlated.In the first part, we treat the change point analysis. In the litterature, it exists two popular methods: The Penalized Least Square (PLS) and the Filtered Derivative introduced by Basseville end Nikirov.We give a new method of filtered derivative and false discovery rate (FDqV) on real data (the wind turbines and heartbeats series). Also, we studied an extension of FDqV method on weakly dependent random variables.In the second part, we spotlight the weak threshold autoregressive (TAR) model. The TAR model is studied by many authors such that Tong(1983), Petrucelli(1984, 1986). there exist many applications, for example in economics, biological and many others. The weak TAR model treated is the case where the innovations are not correlated.

Le contrôle explicite de la convergence des sommes convenablement normalisées de variables aléatoires, ainsi que l'étude du principe de déviations modérées associé à ces sommes constituent les thèmes centraux de cette thèse. Nous étudions principalement deux types de processus. Premièrement, nous nous intéressons aux processus indexés par un arbre binaire, aléatoire ou non. Ces processus ont été introduits dans la littérature afin d'étudier le mécanisme de la division cellulaire. Au chapitre 2, nous étudions les chaînes de Markov bifurcantes. Ces chaînes peuvent être vues comme une adaptation des chaînes de Markov "usuelles'' dans le cas où l'ensemble des indices à une structure binaire. Sous des hypothèses d'ergodicité géométrique uniforme et non-uniforme d'une chaîne de Markov induite, nous fournissons des inégalités de déviations et un principe de déviations modérées pour les chaînes de Markov bifurcantes. Au chapitre 3, nous nous intéressons aux processus bifurcants autorégressifs d'ordre p (). Ces processus sont une adaptation des processus autorégressifs linéaires d'ordre p dans le cas où l'ensemble des indices à une structure binaire. Nous donnons des inégalités de déviations, ainsi qu'un principe de déviations modérées pour les estimateurs des moindres carrés des paramètres "d'autorégression'' de ce modèle. Au chapitre 4, nous traitons des inégalités de déviations pour des chaînes de Markov bifurcantes sur un arbre de Galton-Watson. Ces chaînes sont une généralisation de la notion de chaînes de Markov bifurcantes au cas où l'ensemble des indices est un arbre de Galton-Watson binaire. Elles permettent dans le cas de la division cellulaire de prendre en compte la mort des cellules. Les hypothèses principales que nous faisons dans ce chapitre sont : l'ergodicité géométrique uniforme d'une chaîne de Markov induite et la non-extinction du processus de Galton-Watson associé. Au chapitre 5, nous nous intéressons aux modèles autorégressifs linéaires d'ordre 1 ayant des résidus corrélés. Plus particulièrement, nous nous concentrons sur la statistique de Durbin-Watson. La statistique de Durbin-Watson est à la base des tests de Durbin-Watson, qui permettent de détecter l'autocorrélation résiduelle dans des modèles autorégressifs d'ordre 1. Nous fournissons un principe de déviations modérées pour cette statistique. Les preuves du principe de déviations modérées des chapitres 2, 3 et 4 reposent essentiellement sur le principe de déviations modérées des martingales. Les inégalités de déviations sont établies principalement grâce à l'inégalité d'Azuma-Bennet-Hoeffding et l'utilisation de la structure binaire des processus. Le chapitre 5 est né de l'importance qu'a l'ergodicité explicite des chaînes de Markov au chapitre 3. L'ergodicité géométrique explicite des processus de Markov à temps discret et continu ayant été très bien étudiée dans la littérature, nous nous sommes penchés sur l'ergodicité sous-exponentielle des processus de Markov à temps continu. Nous fournissons alors des taux explicites pour la convergence sous exponentielle d'un processus de Markov à temps continu vers sa mesure de probabilité d'équilibre. Les hypothèses principales que nous utilisons sont : l'existence d'une fonction de Lyapunov et d'une condition de minoration. Les preuves reposent en grande partie sur la construction du couplage et le contrôle explicite de la queue du temps de couplage.

Les processus autorégressifs à bifurcation (BAR) ont été au centre de nombreux travaux de recherche ces dernières années. Ces processus, qui sont l'adaptation à un arbre binaire des processus autorégressifs, sont en effet d'intérêt en biologie puisque la structure de l'arbre binaire permet une analogie aisée avec la division cellulaire. L'objectif de cette thèse est l'estimation les paramètres de variantes de ces processus autorégressifs à bifurcation, à savoir les processus BAR à valeurs entières et les processus BAR à coefficients aléatoires. Dans un premier temps, nous nous intéressons aux processus BAR à valeurs entières. Nous établissons, via une approche martingale, la convergence presque sûre des estimateurs des moindres carrés pondérés considérés, ainsi qu'une vitesse de convergence de ces estimateurs, une loi forte quadratique et leur comportement asymptotiquement normal. Dans un second temps, on étudie les processus BAR à coefficients aléatoires. Cette étude permet d'étendre le concept de processus autorégressifs à bifurcation en généralisant le côté aléatoire de l'évolution. Nous établissons les mêmes résultats asymptotiques que pour la première étude. Enfin, nous concluons cette thèse par une autre approche des processus BAR à coefficients aléatoires où l'on ne pondère plus nos estimateurs des moindres carrés en tirant parti du théorème de Rademacher-Menchov. / Bifurcating autoregressive (BAR) processes have been widely investigated this past few years. Those processes, which are an adjustment of autoregressive processes to a binary tree structure, are indeed of interest concerning biology since the binary tree structure allows an easy analogy with cell division. The aim of this thesis is to estimate the parameters of some variations of those BAR processes, namely the integer-valued BAR processes and the random coefficients BAR processes. First, we will have a look to integer-valued BAR processes. We establish, via a martingale approach, the almost sure convergence of the weighted least squares estimators of interest, together with a rate of convergence, a quadratic strong law and their asymptotic normality. Secondly, we study the random coefficients BAR processes. The study allows to extend the principle of bifurcating autoregressive processes by enlarging the randomness of the evolution. We establish the same asymptotic results as for the first study. Finally, we conclude this thesis with an other approach of random coefficient BAR processes where we do not weight our least squares estimators any more by making good use of the Rademacher-Menchov theorem.

Cette thèse s'inscrit dans le cadre des systèmes radiocommunications numériques pour des récepteurs mobiles basés sur la modulation multi-porteuse OFDM. L'objectif est de proposer des algorithmes d'estimation de canal et de suppression d'IEP pour les <br />récepteurs OFDM à grande mobilité en liaison descendante. Notre démarche est d'estimer les paramètres de propagation du canal physique tels que les retards et les variations temporelles des gains complexes du canal à trajet multiples, au lieu du canal discret équivalent. Nous avons développé une approximation à base de polynôme pour l'évolution des gains complexes d'un canal multi-trajet de type Rayleigh avec un spectre de Jakes. En se basant sur cette modélisation polynomiale, nous avons présenté une étude théorique sur les Bornes de Cramér-Rao Bayésiennes (BCRBs) pour l'estimation des gains complexes du canal, en supposant les délais des trajets connus. Enfin, nous avons développé et analysé trois algorithmes itératifs d'estimation des variations temporelles des gains complexes (à l'intérieur d'un symbole OFDM) et de suppression d'IEP pour des récepteurs à grande mobilité. Les deux premiers sont basés sur l'interpolation (passe-bas ou polynomiale) des valeurs moyennes estimées et sur un égaliseur SSI. Ils ont montré de bonnes performances pour des récepteurs à vitesses modérées (i.e., fd.T <= 0.1). Le troisième algorithme est basé sur une modélisation AR et un filtre de Kalman pour estimer les coefficients polynomiaux des gains complexes, et sur un égaliseur QR. Il a fait preuve de bonnes performances pour des récepteurs à vitesses très élevées (i.e. , fd.T> 0.1).