L'objet de cette thèse est l'étude de certaines propriétés analytiques et asymptotiques des processus de Markov, et de leurs applications à la méthode de Stein. Le point de vue considéré consiste à déployer des inégalités fonctionnelles pour majorer la distance entre lois de probabilité. La première partie porte sur l'étude asymptotique de processus de Markov inhomogènes en temps via des inégalités de type Poincaré, établies par l'analyse spectrale fine de l'opérateur de transition. On se place d'abord dans le cadre du théorème central limite, qui affirme que la somme renormalisée de variables aléatoires converge vers la mesure gaussienne, et l'étude est consacrée à l'obtention d'une borne à la Berry-Esseen permettant de quantifier cette convergence. La distance choisie est une quantité naturelle et encore non étudiée dans ce cadre, la distance du chi-2, complétant ainsi la littérature relative à d'autres distances (Kolmogorov, variation totale, Wasserstein). Toujours dans le contexte non-homogène, on s'intéresse ensuite à un processus peu mélangeant relié à un algorithme stochastique de recherche de médiane. Ce processus évolue par sauts de deux types (droite ou gauche), dont la taille et l'intensité dépendent du temps. Une majoration de la distance de Wasserstein d'ordre 1 entre la loi du processus et la mesure gaussienne est établie dans le cas où celle-ci est invariante sous la dynamique considérée, et étendue à des exemples où seule la normalité asymptotique est vérifiée. La seconde partie s'attache à l'étude des entrelacements entre processus de Markov (homogènes) et gradients, qu'on peut interpréter comme un raffinement du critère de Bakry-Emery, et leur application à la méthode de Stein, qui est un ensemble de techniques permettant de majorer la distance entre deux mesures de probabilité. On prouve l'existence de relations d'entrelacement du second ordre pour les processus de naissance-mort, allant ainsi plus loin que les relations du premier ordre connues. Ces relations sont mises à profit pour construire une méthode originale et universelle d'évaluation des facteurs de Stein relatifs aux mesures de probabilité discrètes, qui forment une composante essentielle de la méthode de Stein-Chen. / The object of this thesis is the study of some analytical and asymptotic properties of Markov processes, and their applications to Stein's method. The point of view consists in the development of functional inequalities in order to obtain upper-bounds on the distance between probability distributions. The first part is devoted to the asymptotic study of time-inhomogeneous Markov processes through Poincaré-like inequalities, established by precise estimates on the spectrum of the transition operator. The first investigation takes place within the framework of the Central Limit Theorem, which states the convergence of the renormalized sum of random variables towards the normal distribution. It results in the statement of a Berry-Esseen bound allowing to quantify this convergence with respect to the chi-2 distance, a natural quantity which had not been investigated in this setting. It therefore extends similar results relative to other distances (Kolmogorov, total variation, Wasserstein). Keeping with the non-homogeneous framework, we consider a weakly mixing process linked to a stochastic algorithm for median approximation. This process evolves by jumps of two sorts (to the right or to the left) with time-dependent size and intensity. An upper-bound on the Wasserstein distance of order 1 between the marginal distribution of the process and the normal distribution is provided when the latter is invariant under the dynamic, and extended to examples where only the asymptotic normality stands. The second part concerns intertwining relations between (homogeneous) Markov processes and gradients, which can be seen as refinment of the Bakry-Emery criterion, and their application to Stein's method, a collection of techniques to estimate the distance between two probability distributions. Second order intertwinings for birth-death processes are stated, going one step further than the existing first order relations. These relations are then exploited to construct an original and universal method of evaluation of discrete Stein's factors, a key component of Stein-Chen's method.

L’objet de cette thèse concerne l’étude asymptotique des processus de branchement sur-critiques en environnement aléatoire, qui sont une généralisation du processus de Galton-Watson, avec une loi de reproduction choisie aléatoirement et de manière i.i.d. suivant les générations. Dans le cas de non extinction, nous démontrons une succession de résultats asymptotiques plus fins que ceux établis dans des travaux antérieurs. Le chapitre 1 est consacré à l’étude de l’écart relatif entre le processus (Zn) normalisé et la loi normale. Nous établissons une borne de type Berry-Esseen ainsi qu’un développement pour des déviations de type Cramér, généralisant ainsi le théorème central limite et le principe des déviations modérées établis précédemment dans la littérature. Le second chapitre concerne l'asymptotique de la distribution du processus (Zn) ainsi que le moment harmonique critique de la variable limite W de la population normalisée. Nous établissons un équivalent de l'asymptotique de la distribution du processus Zn et donnons une caractérisation des constantes via une équation fonctionnelle similaire au cas du processus de Galton-Watson. Dans le cas des processus de branchement en environnement aléatoire, les résultats améliorent l'équivalent asymptotique de la distribution de Zn établi dans des travaux antérieurs sous normalisation logarithmique, sous la condition que chaque individu donne naissance à au moins un individu. Nous déterminons aussi la valeur critique pour l'existence du moment harmonique de W sous des conditions simples d'existence de moments, qui sont bien plus faibles que les hypothèses imposées dans la littérature, et généralisons le résultat à Z_0=k individus initiaux. Le troisième chapitre est consacré à l'étude de l'asymptotique des moments harmoniques d'ordre r>0 de Zn. Nous établissons un équivalent et donnons une expression des constantes. Le résultat met en évidence un phénomène de transition de phase, relié aux transitions de phase des grandes déviations inférieures du processus (Zn). En application de ce résultat, nous établissons un résultat de grandes déviations inférieures pour le processus (Zn) sous des hypothèses plus faibles que celles imposées dans des travaux précédents. Nous améliorons également la vitesse de convergence dans un théorème central limite vérifié par W_n-W, et déterminons l'asymptotique de la probabilité de grandes déviations pour le ratio Zn+1/Z_n. / The purpose of this Ph.D. thesis is the study of branching processes in a random environment, say (Z_n), which are a generalization of the Galton-Watson process, with the reproduction law chosen randomly in each generation in an i.i.d. manner. We consider the case of a supercritical process, assuming the condition that each individual gives birth to at least one child. The first part of this work is devoted to the study of the relative and absolute distance between the normalized process log Z_n and the normal law. We show a Berry-Esseen bound and establish a Cramér type large deviation expansion, which generalize the central limit theorem and the moderate deviation principle established for log Z_n in previous studies.In the second chapter we study the asymptotic of the distribution of Z_n, and the critical value for the existence of harmonic moments of the limit variable W of the normalized population size. We give an equivalent of the asymptotic distribution of Z_n and characterize the constants by a functional relation which is similar to that obtained for a Galton-Watson process. For a branching process in a random environment, our result generalizes the equivalent of the asymptotic distribution of Z_n established in a previous work in a log-scale, under the condition that each individual gives birth to at least one child. We also characterize the critical value for the existence of harmonic moments of the limit variable W under weaker conditions that in previous studies and generalize this result for processes starting with Z_0=k initial individuals. The third chapter is devoted to the study of the asymptotic of the harmonic moments of order r>0 of Z_n. We show the exact decay rate and give an expression of the limiting constants. The result reveals a phase transition phenomenon which is linked to the phase transitions in the lower large deviations established in earlier studies. As an application, we improve a lower large deviation result for the process (Z_n) under weaker hypothesis than those stated in the literature. Moreover, we also improve the rate of convergence in a central limit theorem for W-W_n and give the asymptotic of the large deviation for the ratio Zn+1/Z_n.

Em teoria dos números, o teorema de Erdös-Kac, também conhecido como o teorema fundamental de teoria probabilística dos números, diz que se w(n) denota a quantidade de fatores primos distintos de n, então a sequência de funções de distribuições N definidas por FN(x) = (1/N) #{n <= N : (w(n) log log N)/(log log N)^(1/2)} <= x}, converge uniformemente sobre R para a distribuição normal padrão. Neste trabalho desenvolvemos todos os teoremas necessários para uma demonstração analítica, que nos permitirá encontrar a ordem de erro da convergência acima. / In number theory, the Erdös-Kac theorem, also known as the fundamental theorem of probabilistic number theory, states that if w(n) is the number of distinct prime factors of n, then the sequence of distribution functions N, defined by FN(x) = (1/N) #{n <= N : (w(n) log log N)/(log log N)^(1/2)} <= x}, converges uniformly on R to the standard normal distribution. In this work we developed all theorems needed to an analytic demonstration, which will allow us to find an order of error of the above convergence.

Em teoria dos números, o teorema de Erdös-Kac, também conhecido como o teorema fundamental de teoria probabilística dos números, diz que se w(n) denota a quantidade de fatores primos distintos de n, então a sequência de funções de distribuições N definidas por FN(x) = (1/N) #{n <= N : (w(n) log log N)/(log log N)^(1/2)} <= x}, converge uniformemente sobre R para a distribuição normal padrão. Neste trabalho desenvolvemos todos os teoremas necessários para uma demonstração analítica, que nos permitirá encontrar a ordem de erro da convergência acima. / In number theory, the Erdös-Kac theorem, also known as the fundamental theorem of probabilistic number theory, states that if w(n) is the number of distinct prime factors of n, then the sequence of distribution functions N, defined by FN(x) = (1/N) #{n <= N : (w(n) log log N)/(log log N)^(1/2)} <= x}, converges uniformly on R to the standard normal distribution. In this work we developed all theorems needed to an analytic demonstration, which will allow us to find an order of error of the above convergence.