M.H.A. Davis a introduit les processus markoviens déterministes par morceaux (PDMP) comme une classe générale de modèles stochastiques non diffusifs, donnant lieu à des trajectoires déterministes ponctuées, à des instants aléatoires, par des sauts aléatoires. Dans cette thèse, nous présentons et analysons des estimateurs non paramétriques des lois conditionnelles des deux aléas intervenant dans la dynamique de tels processus. Plus précisément, dans le cadre d'une observation en temps long de la trajectoire d'un PDMP, nous présentons des estimateurs de la densité conditionnelle des temps inter-sauts et du noyau de Markov qui gouverne la loi des sauts. Nous établissons des résultats de convergence pour nos estimateurs. Des simulations numériques pour différentes applications illustrent nos résultats. Nous proposons également un estimateur du taux de saut pour des processus de renouvellement, ainsi qu'une méthode d'approximation numérique pour un modèle de régression semi-paramétrique. / Piecewise-deterministic Markov processes (PDMP’s) have been introduced by M.H.A. Davis as a general family of non-diffusion stochastic models, involving deterministic motion punctuated by random jumps at random times. In this thesis, we propose and analyze nonparametric estimation methods for both the features governing the randomness of such a process. More precisely, we present estimators of the conditional density of the inter-jumping times and of the transition kernel for a PDMP observed within a long time interval. We establish some convergence results for both the proposed estimators. In addition, numerical simulations illustrate our theoretical results. Furthermore, we propose an estimator for the jump rate of a nonhomogeneous renewal process and a numerical approximation method based on optimal quantization for a semiparametric regression model.

Dans le cadre de l'optimisation de la fiabilité, Thales Optronique intègre désormais dans ses équipements, des systèmes d'observation de leur état de fonctionnement. Cette fonction est réalisée par des HUMS (Health & Usage Monitoring System). L'objectif de cette thèse est de mettre en place dans le HUMS, un programme capable d'évaluer l'état du système, de détecter les dérives de fonctionnement, d'optimiser les opérations de maintenance et d'évaluer les risques d'échec d'une mission, en combinant les procédés de traitement des données opérationnelles (collectées sur chaque appareil grâce au HUMS) et prévisionnelles (issues des analyses de fiabilité et des coûts de maintenance, de réparation et d'immobilisation). Trois algorithmes ont été développés. Le premier, basé sur un modèle de chaînes de Markov cachées, permet à partir de données opérationnelles, d'estimer à chaque instant l'état du système, et ainsi, de détecter un mode de fonctionnement dégradé de l'équipement (diagnostic). Le deuxième algorithme permet de proposer une stratégie de maintenance optimale et dynamique. Il consiste à rechercher le meilleur instant pour réaliser une maintenance, en fonction de l'état estimé de l'équipement. Cet algorithme s'appuie sur une modélisation du système, par un processus Markovien déterministe par morceaux (noté PDMP) et sur l'utilisation du principe d'arrêt optimal. La date de maintenance est déterminée à partir des données opérationnelles, prévisionnelles et de l'état estimé du système (pronostic). Quant au troisième algorithme, il consiste à déterminer un risque d'échec de mission et permet de comparer les risques encourus suivant la politique de maintenance choisie.Ce travail de recherche, développé à partir d'outils sophistiqués de probabilités théoriques et numériques, a permis de définir un protocole de maintenance conditionnelle à l'état estimé du système, afin d'améliorer la stratégie de maintenance, la disponibilité des équipements au meilleur coût, la satisfaction des clients et de réduire les coûts d'exploitation. / As part of optimizing the reliability, Thales Optronics now includes systems that examine the state of its equipment. This function is performed by HUMS (Health & Usage Monitoring System). The aim of this thesis is to implement in the HUMS a program based on observations that can determine the state of the system, anticipate and alert about the excesses of operation, optimize maintenance operations and evaluate the failure risk of a mission, by combining treatment processes of operational data (collected on each equipment thanks to HUMS) and predictive data (resulting from reliability analysis and cost of maintenance, repair and standstill). Three algorithms have been developed. The first, based on hidden Markov model, allows to estimate at each time the state of the system from operational data, and thus, to detect a degraded mode of equipment (diagnostic). The second algorithm is used to propose an optimal and dynamic maintenance strategy. We want to estimate the best time to perform maintenance, according to the estimated state of equipment. This algorithm is based on a system modeling by a piecewise deterministic Markov process (noted PDMP) and the use of the principle of optimal stopping.The maintenance date is determined from operational and predictive data and the estimated state of the system (prognosis). The third algorithm determines the failure risk of a mission and compares risks following the chosen maintenance policy.This research, developed from sophisticated tools of theoretical and numerical probabilities, allows us to define a maintenance policy adapted to the state of the system, to improve maintenance strategy, the availability of equipment at the lowest cost, customer satisfaction, and reduce operating costs.

Cette thèse porte sur l’estimation d'une fonction de régression fournissant la meilleure relation entredes variables pour lesquelles on possède un certain nombre d’observations. Une première partie portesur une étude par simulation de deux méthodes automatiques de sélection du paramètre de laprocédure d'estimation ridge. D'un point de vue plus théorique, on présente et compare ensuite deuxméthodes de sélection d'un multiparamètre intervenant dans une procédure d'estimation d'unefonction de régression sur l'intervalle [0,1]. Dans une deuxième partie, on étudie la qualité del'estimateur PLS1, d'un point de vue théorique, à travers son risque quadratique et, plus précisément,le terme de variance dans la décomposition biais/variance de ce risque. Enfin, dans une troisièmepartie, une étude statistique sur données réelles est menée afin de mieux comprendre la signaturegénique de cellules cancéreuses à partir de la signature génique des sous-types cellulaires constituantle stroma tumoral associé / This thesis deals with the estimation of a regression function providing the best relationship betweenvariables for which we have some observations. In a first part, we complete a simulation study fortwo automatic selection methods of the ridge parameter. From a more theoretical point of view, wethen present and compare two selection methods of a multiparameter, that is used in an estimationprocedure of a regression function on [0,1]. In a second part, we study the quality of the PLS1estimator through its quadratic risk and, more precisely, the variance term in its bias/variancedecomposition. In a third part, a statistical study is carried out in order to explain the geneticsignature of cancer cells thanks to the genetic signatures of cellular subtypes which compose theassociated tumor stroma

Les méthodes de Monte Carlo par chaînes de Markov (MCMC) utilisent généralement des chaînes de Markov réversibles. Jusqu’à récemment, une grande partie de la recherche théorique sur les chaînes de Markov concernait ce type de chaînes, notamment les théorèmes de Peskun (1973) et de Tierney (1998) qui permettent d’ordonner les variances asymptotiques de deux estimateurs issus de chaînes réversibles différentes. Dans ce mémoire nous analysons des algorithmes simulants des chaînes qui ne respectent pas cette condition. Nous parlons alors de chaînes non réversibles. Expérimentalement, ces chaînes produisent souvent des estimateurs avec une variance asymptotique plus faible et/ou une convergence plus rapide. Nous présentons deux algorithmes, soit l’algorithme de marche aléatoire guidée (GRW) par Gustafson (1998) et l’algorithme de discrete bouncy particle sampler (DBPS) par Sherlock et Thiery (2017). Pour ces deux algorithmes, nous comparons expérimentalement la variance asymptotique d’un estimateur avec la variance asymptotique en utilisant l’algorithme de Metropolis-Hastings. Récemment, un cadre théorique a été introduit par Andrieu et Livingstone (2019) pour ordonner les variances asymptotiques d’une certaine classe de chaînes non réversibles. Nous présentons leur analyse de GRW. De plus, nous montrons que le DBPS est inclus dans ce cadre théorique. Nous démontrons que la variance asymptotique d’un estimateur peut théoriquement diminuer en ajoutant des propositions à cet algorithme. Finalement, nous proposons deux modifications au DBPS. Tout au long du mémoire, nous serons intéressés par des chaînes issues de propositions déterministes. Nous montrons comment construire l’algorithme du delayed rejection avec des fonctions déterministes et son équivalent dans le cadre de Andrieu et Livingstone (2019). / Markov chain Monte Carlo (MCMC) methods commonly use chains that respect the detailed balance condition. These chains are called reversible. Most of the theory developed for MCMC evolves around those particular chains. Peskun (1973) and Tierney (1998) provided useful theorems on the ordering of the asymptotic variances for two estimators produced by two different reversible chains. In this thesis, we are interested in non-reversible chains, which are chains that don’t respect the detailed balance condition. We present algorithms that simulate non-reversible chains, mainly the Guided Random Walk (GRW) by Gustafson (1998) and the Discrete Bouncy Particle Sampler (DBPS) by Sherlock and Thiery (2017). For both algorithms, we compare the asymptotic variance of estimators with the ones produced by the Metropolis- Hastings algorithm. We present a recent theoretical framework introduced by Andrieu and Livingstone (2019) and their analysis of the GRW. We then show that the DBPS is part of this framework and present an analysis on the asymptotic variance of estimators. Their main theorem can provide an ordering of the asymptotic variances of two estimators resulting from nonreversible chains. We show that an estimator could have a lower asymptotic variance by adding propositions to the DBPS. We then present empirical results of a modified DBPS. Through the thesis we will mostly be interested in chains that are produced by deterministic proposals. We show a general construction of the delayed rejection algorithm using deterministic proposals and one possible equivalent for non-reversible chains.

Orientador: Tiago de Carvalho / Resumo: Nesta tese abordaremos aspectos qualitativos e dinâmicos de problemas envolvendo campos de vetores suaves por partes, também conhecidos como campos descontínuos. Primeiramente, apresentamos aplicações da teoria de campos de vetores descontínuos em modelos de tratamento intermitente de Câncer e Vírus da Imunodeficiência Humana onde exibimos a existência de singularidades típicas e órbitas periódicas. Ainda no contexto de aplicações, revisitamos um modelo predador-presa descontínuo de modo a concluir que o mesmo tem um comportamento caótico através da existência de uma órbita de Shilnikov. Posteriormente, respondemos questões sobre existência de conjuntos minimais e caóticos para campos de vetores descontínuos na esfera bidimensional. Em seguida, partimos ao estudo de bifurcação de ciclos limites em campos de vetores descontínuos tri e bidimensionais. No primeiro caso, perturbamos um campo descontínuo tangente a uma folheação por toros de modo a gerar uma quantidade finita ou infinita de ciclos limites. No segundo caso, estudamos uma família de campos descontínuos apresentando uma dobra-dobra invisível de costura, sua ciclicidade e a relação entre os coeficientes de Lyapunov desta família e sua regularização. Além disso, estudamos campos vetoriais suaves por partes Hamiltonianos contendo uma dobra-dobra invisível de costura donde apresentamos uma fórmula explícita para o cálculo dos cinco primeiros coeficientes de Lyapunov, além de explorar os diagramas de bifurcação gerados pe... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: In this work we discuss qualitative and dynamic features of problems involving piecewise smooth vector fields, also known as discontinuous vector fields. Firstly, we present applications of discontinuous vector field theory in Human Immunodeficiency Virus and Cancer intermittent treatment models where we exhibit typical singularities and periodic orbits. Moreover, we revisit a discontinuous predator-prey model in order to conclude that it has a chaotic behavior through the existence of a Shilnikov orbit. Next, we answer questions about the existence of minimal and chaotic sets in the bidimensional sphere for discontinuous vector fields. Subsequently, we investigate the creation of limit cycles in three and two-dimensional discontinuous vector fields. In the first case, we perturb a discontinuous vector field tangent to a foliation composed by topological nested tori to generate a finite or infinite number of limit cycles. In the second case, we analyze a family of discontinuous vector fields containing a crossing invisible fold-fold, their cyclicity and the relation between the Lyapunov coefficients of this family and their regularization. Also, we study general piecewise Hamiltonian vector fields presenting a crossing invisible fold-fold where we give an explicit formula for the computation of the five first Lyapunov coefficients in addition to the investigation of the bifurcation diagrams. / Doutor

This work is dedicated to dynamic time warping in biosignal processing, especially it´s application for ECG signals. On the beginning the theoretical notes about cardiography are summarized. Then, the DTW analysis follows along with conditions and demands assessments for it’s successful application. Next, several variants and application possibilities are described. The practical part covers the design of this method, the outputs comprehension, settings optimization and realization of methods related with DTW

Les algorithmes MCMC sont difficiles à mettre à l'échelle, car ils doivent balayer l'ensemble des données à chaque itération, ce qui interdit leurs applications dans de grands paramètres de données. En gros, tous les algorithmes MCMC évolutifs peuvent être divisés en deux catégories: les méthodes de partage et de conquête et les méthodes de sous-échantillonnage. Le but de ce projet est de réduire le temps de calcul induit par des fonctions complexes ou à grande efficacité. / MCMC algorithms are difficult to scale, since they need to sweep over the whole data set at each iteration, which prohibits their applications in big data settings. Roughly speaking, all scalable MCMC algorithms can be divided into two categories: divide-and-conquer methods and subsampling methods. The aim of this project is to reduce the computing time induced by complex or largelikelihood functions.

Title: Approximation, numerical realization and qualitative analysis of contact problems with friction Author: Tomáš Ligurský Department: Department of Numerical Mathematics Supervisor: prof. RNDr. Jaroslav Haslinger, DrSc., Department of Numerical Mathe- matics Abstract: This thesis deals with theoretical analysis and numerical realization of dis- cretized contact problems with Coulomb friction. First, discretized 3D static contact prob- lems with isotropic and orthotropic Coulomb friction and solution-dependent coefficients of friction are analyzed by means of the fixed-point approach. Existence of at least one solution is established for coefficients of friction represented by positive, bounded and con- tinuous functions. If these functions are in addition Lipschitz continuous and upper bounds of their values together with their Lipschitz moduli are sufficiently small, uniqueness of the solution is guaranteed. Second, properties of solutions parametrized by the coefficient of friction or the load vector are studied in the case of discrete 2D static contact problems with isotropic Coulomb friction and coefficient independent of the solution. Conditions under which there exists a local Lipschitz continuous branch of solutions around a given reference point are established due to two variants of the...

This thesis deals with study of mappings preserving Borel classes or absolute Borel classes. We prove a theorem which shows that under some assumptions there exists a (selection) function with certain properties. Using this theorem we obtain several results on preservation of Borel classes. Moreover, thanks to that theorem we prove a theorem on preservation of absolute Borel classes under a perfect mapping. Next, we show an assertion which implies that a piecewise closed mapping has a restriction that is "piecewise perfect" and its image is equal to the image of the original mapping. Under certain additional assumptions we prove a similar assertion for an Fσ-mapping instead of a piecewise closed mapping. Using these assertions and the theorem on preservation of absolute Borel classes under a perfect mapping we obtain further results on preservation of absolute Borel classes, in particular, for piecewise closed mappings and Fσ- -mappings. In the last chapter we study mappings such that the inverse image of an open set under these mappings is of a particular additive class. 1

Composants de systèmes de sûreté nucléaire sont en général très fiable, ce qui conduit à une difficulté de modéliser leurs comportements de dégradation et d'échec en raison de la quantité limitée de données disponibles. Par ailleurs, la complexité de cette tâche de modélisation est augmentée par le fait que ces systèmes sont souvent l'objet de multiples processus concurrents de dégradation et que ceux-ci peut être dépendants dans certaines circonstances, et influencé par un certain nombre de facteurs externes (par exemple la température, le stress, les chocs mécaniques, etc.).Dans ce cadre de problème compliqué, ce travail de thèse vise à développer un cadre holistique de modèles et de méthodes de calcul pour l'analyse basée sur la fiabilité et la maintenance d'optimisation des systèmes de sûreté nucléaire en tenant compte des connaissances disponibles sur les systèmes, les comportements de dégradation et de défaillance, de leurs dépendances, les facteurs influençant externes et les incertitudes associées.Les contributions scientifiques originales dans la thèse sont:(1) Pour les composants simples, nous intégrons des chocs aléatoires dans les modèles de physique multi-états pour l'analyse de la fiabilité des composants qui envisagent dépendances générales entre la dégradation et de deux types de chocs aléatoires.(2) Pour les systèmes multi-composants (avec un nombre limité de composants):(a) un cadre de modélisation de processus de Markov déterministes par morceaux est développé pour traiter la dépendance de dégradation dans un système dont les processus de dégradation sont modélisées par des modèles basés sur la physique et des modèles multi-états; (b) l'incertitude épistémique à cause de la connaissance incomplète ou imprécise est considéré et une méthode volumes finis est prolongée pour évaluer la fiabilité (floue) du système; (c) les mesures d'importance de l'écart moyen absolu sont étendues pour les composants avec multiples processus concurrents dépendants de dégradation et soumis à l'entretien; (d) la politique optimale de maintenance compte tenu de l'incertitude épistémique et la dépendance de dégradation est dérivé en combinant schéma volumes finis, évolution différentielle et non-dominée de tri évolution différentielle; (e) le cadre de la modélisation de (a) est étendu en incluant les impacts des chocs aléatoires sur les processus dépendants de dégradation.(3) Pour les systèmes multi-composants (avec un grand nombre de composants), une méthode d'évaluation de la fiabilité est proposé considérant la dépendance dégradation en combinant des diagrammes de décision binaires et simulation de Monte Carlo pour réduire le coût de calcul. / Components of nuclear safety systems are in general highly reliable, which leads to a difficulty in modeling their degradation and failure behaviors due to the limited amount of data available. Besides, the complexity of such modeling task is increased by the fact that these systems are often subject to multiple competing degradation processes and that these can be dependent under certain circumstances, and influenced by a number of external factors (e.g. temperature, stress, mechanical shocks, etc.). In this complicated problem setting, this PhD work aims to develop a holistic framework of models and computational methods for the reliability-based analysis and maintenance optimization of nuclear safety systems taking into account the available knowledge on the systems, degradation and failure behaviors, their dependencies, the external influencing factors and the associated uncertainties.The original scientific contributions of the work are: (1) For single components, we integrate random shocks into multi-state physics models for component reliability analysis, considering general dependencies between the degradation and two types of random shocks. (2) For multi-component systems (with a limited number of components):(a) a piecewise-deterministic Markov process modeling framework is developed to treat degradation dependency in a system whose degradation processes are modeled by physics-based models and multi-state models; (b) epistemic uncertainty due to incomplete or imprecise knowledge is considered and a finite-volume scheme is extended to assess the (fuzzy) system reliability; (c) the mean absolute deviation importance measures are extended for components with multiple dependent competing degradation processes and subject to maintenance; (d) the optimal maintenance policy considering epistemic uncertainty and degradation dependency is derived by combining finite-volume scheme, differential evolution and non-dominated sorting differential evolution; (e) the modeling framework of (a) is extended by including the impacts of random shocks on the dependent degradation processes.(3) For multi-component systems (with a large number of components), a reliability assessment method is proposed considering degradation dependency, by combining binary decision diagrams and Monte Carlo simulation to reduce computational costs.