Cette thèse est consacrée à l’étude du modèle d’accrochage en environnementfaiblement corrélé. Le modèle d’accrochage s’applique à de multiples situationstelles que la localisation d’un polymère au voisinage d’une interface unidimensionnelle,la transition de mouillage ou encore la dénaturation de l’ADN, le pointcommun étant la présence d’une transition entre une phase localisée et une phasedélocalisée.Nous commençons par donner un aperçu des résultats disponibles sur lescourbes et exposants critiques pour le modèle homogène puis pour le modèledésordonné lorsque le désordre est une suite de variables aléatoires indépendanteset identiquement distribuées (i.i.d.). Dans ce dernier cas, nous donnons égalementune borne sur la courbe critique quenched à haute température, dans un régimeoù le désordre est dit pertinent.Nous étudions ensuite le modèle d’accrochage désordonné dans le cas où ledésordre est gaussien et les corrélations ont une portée finie, à l’aide de la théoriedes processus de renouvellement markoviens. Nous donnons dans ce cas une expressionde la courbe annealed à l’aide de la plus grande valeur propre d’une matricede transfert ainsi que l’exposant critique annealed. Nous généralisons ensuite lescritères de pertinence et de non pertinence du désordre prouvés dans le cas i.i.d.Nous nous intéressons ensuite à des désordres dont les corrélations ont uneportée de corrélation infinie. Dans un premier temps, nous généralisons la démarcheutilisée dans le cas d’une portée de corrélations finie et obtenons le comportementcritique annealed dans le cas d’un désordre gaussien sous des hypothèses dedécroissance forte des corrélations. Nous utilisons pour cela les propriétés spectralesdes opérateurs de transfert pour des décalages sur des suites d’entiers etdes potentiels à variations sommables. Dans un deuxième temps, nous donnonsquelques résultats dans le cas où le désordre est donné par une chaîne de Markov. / In this dissertation we study the pinning model with weakly correlated disorder.The pinning model applies to various situations such as localization of a polymernear a one-dimensional interface, wetting transition and DNA denaturation, whichall display a transition between a localized phase and a delocalized phase.We start by giving a survey of the available results concerning critical pointsand exponents, first for the homogeneous setup and then for the inhomogeneousone, in the case when disorder is given by a sequence of independent and identicallydistributed (i.i.d.) random variables. In the latter case, we also provide a hightemperaturebound on the quenched critical curve in a case of relevant disorder.We then study the random pinning model when disorder is gaussian and hascorrelations with finite range, using the theory of Markov renewal processes. Weexpress the annealed critical curve in terms of the largest eigenvalue of a transfermatrix and we give the annealed critical exponent. We then generalize the criteriafor disorder relevance/irrelevance that were proved for the i.i.d. case.Next we are interested in disorder sequences with infinite range correlations.At first we generalize the method used to deal with finite range correlations andobtain the annealed critical behaviour in the case of gaussian disorder assumingfast decay of correlations. We use to this end the spectral properties of transferoperators for shifts on integer sequences and potentials with summable variations.Secondly we provide some results when disorder is a Markov chain.

In this work, we propose a novel two-component mixture model: the first component is the three-parameter generalized Gaussian distribution (GGD), and the second is a new three-parameter family of positive densities on the real line. The novelty of our mixture model is that we allow the two components to have totally different parametric families of distributions with asymmetric tails of the mixture density. We extend the scale invariant variable fractional moments (SIVFM) method proposed by Song for the GGD to the parameter estimation of our mixture model. We show that the SIVFM population and sample equations for the second component share very similar desirable global properties such as convexity and unique global roots as those for the GGD given in earlier research. The two-component mixing of these properties make the SIVFM mixture population and estimation equations well-behaved resulting in easy to compute estimators without the issue with starting values. The asymptotic results such as consistency and limiting distribution of the estimators are presented. Furthermore, SIVFM estimators can also serve as a consistent initial estimator for the EM algorithm leading to improved accuracy of the EM algorithm. These algorithms are applied to the analysis of the average amount of precipitation (rainfall) for each of 70 United States (and Puerto Rican) cities clearly demonstrating the bimodal distribution of the estimated mixture density.