Ce mémoire concerne la construction et l'analyse d'estimateurs robustes pour le calcul numérique des dérivés de signaux bruités et des paramètres de signaux sinusoïdaux bruités. Ces estimateurs, originalement introduits par Fliess, Mboup et Sira Ramirez, sont actuellement étudiés au sein de l'équipe projet NON-A de l'INRIA Lille Nord Europe. Pour une classe d'entre eux, nous les obtenons à partir de la réécriture dans le domaine opérationnel de Laplace des équations différentielles linéaires des signaux analysés. Par des manipulations algébriques simples dans l'anneau R(s)[d/ds] des polynômes différentiels en d/ds à coefficients rationnels en la variable opérationnelle s, nous montrons que ces estimateurs sont non-asymptotiques et que les estimations numériques obtenues, même en présence de bruits, sont robustes pour un faible nombre d'échantillons des signaux. Nous montrons, de plus, que ces propriétés sont vérifiées pour une large classe de type de bruits. Ces estimateurs exprimés dans le domaine temporel s'écrivent en général via des fractions d'intégrales itérées des signaux analysés. Dans la première partie du mémoire, nous étudions des familles d'estimateurs de dérivées obtenus par ces méthodes algébriques. Nous montrons que pour une classe d'entre eux, il est possible de les formuler directement en tronquant une série orthogonale de polynômes de Jacobi. Cette considération nous permet alors d'étendre à IR le domaine de définition des paramètres de ces estimateurs. Nous analysons ensuite l'influence de ces paramètres étendus sur l'erreur de troncature, qui produit un retard d'estimation dans le cas causal, puis sur l'erreur due aux bruits, considérés comme des processus stochastiques, et enfin sur l'erreur numérique de discrétisation des intégrales. Ainsi, nous montrons comment réduire le retard d'estimation et l'effet du aux bruits. Une validation de cette approche est réalisée par la construction d'un observateur non asymptotique de variables d'état d'un système non linéaire. Dans la deuxième partie de ce mémoire, nous construisons par cette approche algébrique des estimateurs des paramètres d'un signal sinusoïdal bruité dont l'amplitude varie avec le temps. Nous montrons que les méthodes classiques de fonctions modulatrices sont un cas particulier de cette approche. Nous étudions ensuite l'influence des paramètres algébriques sur l'erreur d'estimation due au bruit et l'erreur numérique d'intégration. Des majorations de ces erreurs sont données pour une classe d'estimateurs. Finalement, une comparaison entre ces estimateurs et la méthode classique de détection synchrone est réalisée pour démontrer l'efficacité de notre approche sur ce type de signaux.

Dans ce mémoire, nous proposons une méthode permettant de modéliser, de façon globale, tout type de mouvement par des combinaisons linéaires de polynômes orthogonaux. Pour cela, nous projetons chaque champ de déplacement représentant le mouvement étudié sur une base orthogonale composée des polynômes de Legendre. Nous obtenons alors une expression polynomiale du mouvement considéré. Une modélisation d'ordre faible permet d'interpréter physiquement le mouvement dominant de séquences d'images. Cette caractéristique trouve un intérêt particulier dans des applications telles que la vidéo-surveillance, l'indexation ou l'étude du comportement. Nous montrons également que notre méthode permet de modéliser des mouvements complexes tels que des écoulements fluides. La représentation du mouvement sous forme polynomiale, les faibles temps de calcul ainsi que les taux de compression élevés sont alors des atouts importants pour traiter ce type de données.

No description available.

Cette thèse a pour objet d'étude les méthodes numériques d'approximation de la densité de probabilité associée à des variables aléatoires admettant des distributions composées. Ces variables aléatoires sont couramment utilisées en actuariat pour modéliser le risque supporté par un portefeuille de contrats. En théorie de la ruine, la probabilité de ruine ultime dans le modèle de Poisson composé est égale à la fonction de survie d'une distribution géométrique composée. La méthode numérique proposée consiste en une projection orthogonale de la densité sur une base de polynômes orthogonaux. Ces polynômes sont orthogonaux par rapport à une mesure de probabilité de référence appartenant aux Familles Exponentielles Naturelles Quadratiques. La méthode d'approximation polynomiale est comparée à d'autres méthodes d'approximation de la densité basées sur les moments et la transformée de Laplace de la distribution. L'extension de la méthode en dimension supérieure à $1$ est présentée, ainsi que l'obtention d'un estimateur de la densité à partir de la formule d'approximation. Cette thèse comprend aussi la description d'une méthode d'agrégation adaptée aux portefeuilles de contrats d'assurance vie de type épargne individuelle. La procédure d'agrégation conduit à la construction de model points pour permettre l'évaluation des provisions best estimate dans des temps raisonnables et conformément à la directive européenne Solvabilité II. / This PhD thesis studies numerical methods to approximate the probability density function of random variables governed by compound distributions. These random variables are useful in actuarial science to model the risk of a portfolio of contracts. In ruin theory, the probability of ultimate ruin within the compound Poisson ruin model is the survival function of a geometric compound distribution. The proposed method consists in a projection of the probability density function onto an orthogonal polynomial system. These polynomials are orthogonal with respect to a probability measure that belongs to Natural Exponential Families with Quadratic Variance Function. The polynomiam approximation is compared to other numerical methods that recover the probability density function from the knowledge of the moments or the Laplace transform of the distribution. The polynomial method is then extended in a multidimensional setting, along with the probability density estimator derived from the approximation formula. An aggregation procedure adapted to life insurance portfolios is also described. The method aims at building a portfolio of model points in order to compute the best estimate liabilities in a timely manner and in a way that is compliant with the European directive Solvency II.

Ce travail est dédié à l’étude des inégalités de type Landau-Kolmogorov en normes L2. Les mesures utilisées sont celles d’Hermite, de Laguerre-Sonin et de Jacobi. Ces inégalités sont obtenues en utilisant une méthode variationnelle. Elles font intervenir la norme d’un polynômes p et celles de ces dérivées. Dans un premier temps, on s'intéresse aux inégalités en une variable réelle qui font intervenir un nombre quelconque de normes. Les constantes correspondantes sont prises dans le domaine où une certaine forme bilinéaire est définie positive. Ensuite, on généralise ces résultats aux polynômes à plusieurs variables réelles en utilisant le produit tensoriel dans L2 et en faisant intervenir au plus les dérivées partielles secondes. Pour les mesures d'Hermite et de Laguerre-Sonin, ces inégalités sont étendues à toutes les fonctions d'un espace de Sobolev. Pour la mesure de Jacobi on donne des inégalités uniquement pour les polynômes d'un degré fixé par rapport à chaque variable. / This thesis is devoted to Landau-Kolmogorov type inequalities in L2 norm. The measures which are used, are the Hermite, the Laguerre-Sonin and the Jacobi ones. These inequalities are obtained by using a variational method and the involved the square norms of a polynomial p and some of its derivatives. Initially, we focused on inequalities in one real variable that involve any number of norms. The corresponding constants are taken in the domain where a certain biblinear form is positive definite. Then we generalize these results to polynomials in several real variables using the tensor product in L2 and involving at most the second partial derivatives. For the Hermite and Laguerrre-Sonin cases, these inequalities are extended to all functions of a Sobolev space. For the Jacobi case inequalities are given only for polynomials of degree fixed with respect to each variable.