Cette thèse est consacrée à deux sujets distincts : l'étude des principes conditionnels de type Gibbs et celle des inégalités de transport. Dans la première partie de cette thèse, nous nous intéressons au comportement asymptotique de la loi de certaines mesures aléatoires satisfaisant un principe de grandes déviations, conditionnellement au fait qu'un événement rare s'est produit. Nous nous plaçons dans le cas, peu étudié, où l'événement considéré est de probabilité nulle. Notre stratégie consiste à approcher progressivement cet événement par une suite d'événements plus épais. Cette approche, qui nécessite des contrôles exacts des petites probabilités, conduit à une formulation en limite simple de certains principes conditionnels. La seconde partie de cette thèse porte sur les inégalités de transport : on cherche à majorer un coût de transport optimal au sens de Kantorovich par une fonction concave de l'entropie relative. Notre objectif est de mettre en évidence les liens existant entre ce sujet et la théorie des Grandes Déviations. Nous montrons que ces inégalités admettent une formulation duale en termes de transformées de Laplace. Grâce à cette propriété, nous démontrons une formule générale de tensorisation, laquelle entraîne à son tour, de manière quasi-immédiate, des inégalités de déviations pour les processus empiriques. Cette étude est complétée par la démonstration de conditions nécessaires et suffisantes pour qu'une probabilité donnée vérifie une inégalité de transport d'un type assez général.

Cette thèse est consacrée à l'étude des grands clusters en percolation et se compose de quatre articles distincts. Les différents modèles étudiés sont la percolation Bernoulli, la percolation FK et la percolation orientée. Les idées clés sont la renormalisation, les grandes déviations, les inégalités FKG et BK, les proprietés de mélange. Nous prouvons un principe de grandes déviations pour les clusters en régime sous-critique de la percolation Bernoulli. Nous utilisons l'inégalité FKG pour démontrer la borne inférieure du PGD. La borne supérieure est obtenue à l'aide de l'inégalité BK combinée avec des squelettes, les squelettes étant des sortes de lignes brisées approximant les clusters. Concernant la FK percolation en régime sur-critique, nous établissons des estimés d'ordre surfacique pour la densité du cluster maximal dans une boîte en dimension deux. Nous utilisons la renormalisation et comparons un processus sur des blocs avec un processus de percolation par site dont le paramètre de rétention est proche de un. Pour toutes les dimensions, nous prouvons que les grands clusters finis de la percolation FK sont distribués dans l'espace comme un processus de Poisson. La preuve repose sur la méthode Chen-Stein et fait appel à des propriétés de mélange comme la ratio weak mixing property. Nous établissons un principe de grandes déviations surfaciques dans le régime sur-critique du modèle orienté. Le schéma de la preuve est similaire à celui du cas non-orienté, mais des difficultés surgissent malgré l'aspect Markovien du réseau orienté. De nouveaux estimés blocs sont donnés, qui décrivent le comportement du processus orienté. Nous obtenons également la décroissance exponentielle des connectivités en dehors du cône de percolation, qui représente la forme typique d'un cluster infini.

Nous nous intéressons dans cette thèse à l'étude d'événements rares dans des réseaux de communications. Dans un premier temps, nous introduisons la classe des réseaux monotones séparables qui nous permettra une analyse systématique de réseaux de grande dimension. Parmi ceux-ci, nous appliquerons notre théorie en détail aux réseaux (max,plus)-linéaires et aux réseaux de Jackson généralisés. La première étape de notre étude consiste à comprendre la dynamique de ces réseaux. Nous décrivons leur comportement fluide, ce qui permet d'écrire les conditions de stabilité du réseau et de construire les variables d'état dans leur régime stationnaire. L'étude trajectorielle du réseau nous permet ensuite de comprendre le comportement aléatoire du réseau. Nous calculons les asymptotiques des probabilités d'événements rares (dont la probabilité tend vers 0) et décrivons "comment" ces événements se produisent. Nous montrons que le "comportement" du réseau est radicalement différent selon les hypothèses probabilistes faites sur les temps de service. Dans le cas de distributions sous-exponentielles, l'événement rare est dû à un unique grand service qui bloque une station du réseau tandis que dans le cas de distributions à queue exponentielle, l'événement rare est dû à une conjonction de nombreux temps de services anormalement longs. Ces heuristiques sont rendues précises par les calculs des probabilités considérées. Dans un dernier temps, nous considérons un cas intermédiaire et étudions l'impact d'une structure de dépendance entre les différents temps de service grâce au mouvement Brownien fractionnaire.

L'objectif de cette thèse est l'obtention de principes de grandes déviations autonormalisés, essentiellement pour des modèles markoviens. L'autonormalisation permet d'affaiblir les hypothèses requises pour assurer l'existence d'un Principe de grandes déviations portant par exemple sur les moyennes empiriques d'une suite de variables aléatoires. La démarche suivie est la recherche d'un principe de grandes déviations partiel pour certains couples de variables aléatoires à partir d'un principe de grandes déviations vague et d'une propriété de tension exponentielle partielle. Des techniques de transports sont développées pour établir des PGD vagues relatifs à des suites du type $(\int f dL_n)_n$, à partir de PGD pour des suites de lois empiriques $(L_n)_n$. On aboutit entre autres à des résultats autonormalisés dans un cadre markovien, généralisant ainsi les travaux de Dembo et Shao dans le cas i.i.d.

Cette thèse traite quelques aspects fonctionnels et non fonctionnels des grandes déviations et des déviations modérées en estimation fonctionnelle. Nous avons introduit dans la première partie un processus qui nous a permis de traiter de façon unifiée l'estimation de la fonction de densité et de la fonction de régression en utilisant plusieurs méthodes d'estimation. Plus explicitement, des principes de grandes déviations fonctionnels et non fonctionnels et des résultats de type Chernoff ponctuels et uniformes ont été obtenus. Dans un premier lieu nous avons établi un principe fonctionnel de grandes déviations pour l'estimateur par la méthode du noyau de la fonction de régression indexé par une famille de fonction vérifiant les conditions du théorème d'Arzèla-Ascoli. Ces résultats ont été utilisés pour définir un critère de sélection de modèles. Par la suite, dans la deuxième partie, nous nous sommes intéressé à 'estimation de la fonction de densité et de la fonction de régression par la méthode des histogrammes et nous avons obtenu des principes de grandes déviations ponctuels, des résultats de type Chernoff ponctuels et uniformes pour ces estimateur ainsi que des résultats de type minimax. Enfin dans les deux dernières parties, nous avons établi des principes fonctionnels de grandes déviations dans l'espace $L^1$ pour les estimateurs par la méthode des delta-suites des fonctions de densité et de régression ainsi qu'un principe de déviations modérées dans $L^1$ pour l'estimateur de la fonction de densité par la méthode des histogrammes.

L'objet de cette thèse est l'étude du comportement asymptotique d'estimateurs à noyau d'une densité de probabilité et de ses dérivées, d'une fonction de régression, ainsi que du mode et de la valeur modale d'une densité de probabilité. Le but est d'établir certaines propriétés des estimateurs à noyau récursifs ou semi-récursifs afin de comparer leur comportement asymptotique à celui des estimateurs classiques. Dans le premier chapitre, nous établissons des principes de grandes déviations (PGD) et des principes de déviations modérées (PDM) pour l'estimateur récursif d'une densité de probabilité et pour ses dérivées. Il s'avére que, dans les principes de déviations vérifiés par les estimateurs des dérivées, la fonction de taux est toujours une fonction quadratique, que les déviations soient grandes ou modérées. Contrairement, pour l'estimateur de la densité, les fonctions de taux qui apparaissent sont de nature différente selon que les déviations sont grandes ou modéerées. Les fonctions de taux qui apparaissent tant dans les PGD pour les dérivées que dans les PDM pour la densité et pour les dérivées sont plus grandes dans le cas où l'estimateur récursif est utilisé. Dans le deuxième chapitre, nous établissons des PGD et des PDM pour des estimateurs à noyau d'une fonction de régression. Nous généralisons les résultats déjà obtenus dans le cas unidimensionnel pour l'estimateur de Nadaraya-Watson. Nous étudions ensuite le comportement en déviations de la version semi-récursive de cet estimateur en établissant des PGD et des PDM. Les fonctions de taux qui apparaissent dans les PDM sont plus grandes pour l'estimateur semi-récursif que pour l'estimateur classique. Dans le troisième chapitre, nous nous intéressons à l'estimation jointe du mode et de la valeur modale d'une densité de probabilité basée sur l'estimateur à noyau récursif de la densité. Nous étudions la vitesse de convergence en loi et presque sûre du couple formé par ces deux estimateurs. Pour estimer simultanément les deux paramètres de façon optimale, il faut utiliser des fenêtres différentes pour définir chacun des deux estimateurs. Les estimateurs semi-récursifs conduisent à des variances asymptotiques plus petites que les estimateurs classiques.

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.

Les processus de Cox-Ingersoll-Ross et de Heston jouent un rôle prépondérant dans la modélisation mathématique des cours d’actifs financiers ou des taux d’intérêts. Dans cette thèse, on s’intéresse à l’estimation de leurs paramètres à partir de l’observation en temps continu d’une de leurs trajectoires. Dans un premier temps, on se place dans le cas où le processus CIR est géométriquement ergodique et ne s’annule pas. On établit alors un principe de grandes déviationspour l’estimateur du maximum de vraisemblance du couple des paramètres de dimension et de dérive d’un processus CIR. On établit ensuite un principe de déviations modérées pour l’estimateur du maximum de vraisemblance des quatre paramètres d’un processus de Heston, ainsi que pour l’estimateur du maximum de vraisemblance du couple des paramètres d’un processus CIR. Contrairement à ce qui a été fait jusqu’ici dans la littérature,les paramètres sont estimés simultanément. Dans un second temps, on ne se restreint plus au cas où le processus CIR n’atteint jamais zéro et on propose un nouvel estimateur des moindres carrés pondérés pour le quadruplet des paramètres d’un processus de Heston.On établit sa consistance forte et sa normalité asymptotique, et on illustre numériquement ses bonnes performances. / The Cox-Ingersoll-Ross process and the Heston process are widely used in financial mathematics for pricing and hedging or to model interest rates. In this thesis, we focus on estimating their parameters using continuous-time observations. Firstly, we restrict ourselves to the most tractable situation where the CIR processis geometrically ergodic and does not vanish. We establish a large deviations principle for the maximum likelihood estimator of the couple of dimensionnal and drift parameters of a CIR process. Then we establish a moderate deviations principle for the maximum likelihood estimator of the four parameters of an Heston process, as well as for the maximum likelihood estimator of the couple of parameters of a CIR process. In contrast to the previous literature, parameters are estimated simultaneously. Secondly, we do not restrict ourselves anymore to the case where the CIR process never reaches zero and we introduce a new weighted least squares estimator for the quadruplet of parameters of an Heston process. We establish its strong consitency and asymptotic normality, and we illustrate numerically its good performances.

Cette thèse a pour objet l'étude de processus aléatoires en milieu aléatoire. Ce type de processus a été introduit pour la première fois en 1965 par A.A. Chernov, et a depuis fait l'objet de nombreuses recherches. Parallèlement au modèle élémentaire unidimensionnel ́etudié par A.A. Chernov, de nombreuses tentatives ont ́eté faites récemment afin d'appliquer le même type d'approche dans des contextes différents. Nous nous focalisons particulièrement sur deux exemples. Tout d'abord nous étudions le cas de la marche aléatoire en milieu aléatoire sur les arbres, pour laquelle nous étendons un critère de récurrence/transience dû à R. Lyons et R. Pemantle, avant de présenter une étude du comportement asymptotique dans le régime critique. Nous montrons dans un premier cas un théorème central limite, et dans un second nous identifions un équivalent en (logn)^3. Le régime intermédiaire entre ces deux comportements a fait l'objet de travaux plus anciens de Y. Hu et Z. Shi. Dans une autre partie nous étudions un processus aléatoire en milieu aléatoire à temps continu, connu sous le nom de diffusion de Brox. Nous étendons à ce processus des résultats dûs à A. Fribergh, N. Gantert et S. Popov concernant l'accélération et le ralentissement.

1°) Utilisation d'inégalités fonctionnelles de Bobkov pour l'établissement de principes de grandes déviations quasi-gaussiens. <br /><br />2°) Etude de l'inégalité de Sobolev logarithmique en théorie de l'information. <br /><br />3°) Etablissement d'inégalités de Poincaré et de Sobolev logarithmiques pour certaines dynamiques de Kawasaki et Glauber pour un modèle à spins continus en mécanique statistique.