Nous étudions certains théorèmes limite centraux fonctionnels hölderiens pour des processus autorégressifs d’ordre un quasi non stationnaires yn,k = φn yn,k−1 +εk et leurs résidus au sens des moindres carrés avec φn tendant vers 1 et des innovations i.i.d. centrées, de carré intégrable. Dans le cas φn = exp(γ/n) avec γ < 0, la limite en loi est une fonction d’un processus d’Ornstein-Uhlenbeck intégré. Dans le cas φn = 1 − γn /n avec γn tendant vers l'infini plus lentement que n, la convergence vers le mouvement brownien est établie dans l’espace de Hölder en termes de vitesse de divergence γn et d’intégrabilité des innovations εk. Comme application statistique de ces résultats, nous considérons une rupture épidémique dans les innovations de processus autorégressifs d’ordre un quasi non stationnaires AR(1). Deux types de modèles sont considérés. Pour 0 ≤ α < 1 nous construisons une statistique α-hölderienne basée sur les accroissements uniformes des observations ou des résidus pour détecter une courte rupture épidémique dans les processus considérés. Sous certaines hypothèses pour les innovations, nous trouvons la loi limite de la statistique sous l’hypothèse nulle, les conditions de consistance et nous effectuons une analyse de la puissance du test statistique. Nous discutons également l’interaction entre les différents paramètres pour la détectabilité des plus courtes épidémies. / We study some Hölderian functional central limit theorems for the polygonal partial sum processes built on a first order nearly nonstationary autoregressive process yn,k = φn yn,k−1 + εk and its least squares residuals εk with φn converging to 1 and i.i.d. centered square-integrable innovations. In the case where φn = exp( γn /n) with a negative constant γ, we prove that the limiting process depends on Ornstein-Uhlenbeck one. In the case where φn = 1 − γn /n, with γn tending to infinity slower than n, the convergence to Brownian motion is established in Hölder space in terms of the rate of γn and the integrability of the εk’s. As a statistical application of these results, we investigate some epidemic change in the innovations of the first order nearly nonstationary autoregressive process AR(1). Two types of models are considered. For 0 ≤ α < 1, we build the α-Hölderian uniform increments statistics based on the observations and on the least squares residuals to detect the short epidemic change in the process under consideration. Under the assumptions for innovations we find the limit of the statistics under null hypothesis, some conditions of consistency and we perform a test power analysis. We also discuss the interplay between the various parameters to detect the shortest epidemics.

Dans ce travail, nous étudions de manière approfondie les lois $\al$-stables (lois à variance infinie). Dans le premier chapitre, nous rappelons les différentes propriétés des lois $\al$-stables univariées (stabilité, calcul des moments, simulation). Nous introduisons ensuite les lois symétriques $\al$-stables (\SaS) multivariées. Après avoir parlé de la mesure spectrale et de son intérêt pour caractériser l'indépendance, nous nous concentrons sur les mesures de dépendance. Constatant que le coefficient de covariation, largement utilisé actuellement, admet certaines limites, nous construisons dans le deuxième chapitre une nouvelle mesure de dépendance, appelée coefficient de covariation symétrique. Ce dernier nous permet, entre autres, de découvrir quelques spécificités des vecteurs \SaS. En effet, contrairement aux vecteurs gaussiens, on peut obtenir pour certains vecteurs \SaS\ à la fois une dépendance positive et une dépendance négative. Après avoir conclu le chapitre par l'étude de la loi asymptotique de l'estimateur du coefficient de covariation, nous abordons, dans le troisième chapitre, les processus autorégressifs à innovations stables. Nous présentons les différentes méthodes d'identification de l'ordre d'un processus AR: autocorrélation partielle (Brockwell et Davis) et statistiques quadratiques asymptotiquement invariantes basées sur les rangs (Garel et Hallin). De nombreuses simulations, effectuées en Matlab et Fortran, nous permettent de comparer ces méthodes et de constater l'importance du rôle joué par les statistiques de rang dans ce domaine. Pour finir, un problème de test séquentiel, développé dans le cadre d'un contrat industriel, nous permet d'introduire la notion de niveau de confiance après décision.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Nous considérons un modèle signal plus bruit particulier ou le signal est une combinaison linéaire de suites déterministes données et est contamine par un bruit additif autoregressif d'ordre 1 stationnaire. Nous étudions d'abord des problèmes d'estimation partielle. On analyse les propriétés asymptotiques d'estimateurs de maximum de vraisemblance ou de moindres carres pour les paramétrés du bruit lorsque le signal est complètement connu ou pour les paramètres du signal lorsque l'un des paramètres du bruit est connu. Puis nous examinons le probleme de l'estimation simultanée des paramètres du signal et du bruit. On montre l'existence et l'unicité de l'estimateur de maximum de vraisemblance dont on étudie le comportement asymptotique. De même on considère une methode d'estimation fondée sur une première étape de moindres carres pour l'estimation des paramétrés du signal, et une procédure de maximum de vraisemblance approche. On construit ensuite des tests pour la détection du signal a partir des méthodes d'estimation envisagées précédemment. Les risques associes a ces tests sont analyses de manière précise. Enfin une étude expérimentale par simulation des performances des diverses méthodes est menée

Cette thèse est consacrée à l'étude du problème de la séparation aveugle d'un mélange instantané de sources gaussiennes autorégressives, sans bruit additif, par la méthode du maximum de vraisemblance exact. La maximisation de la vraisemblance est décomposée, par relaxation, en deux sous-problèmes d'optimisation, également traités par des techniques de relaxation. Le premier consiste en l'estimation de la matrice de séparation à structure autorègressive des sources fixée. Le second est d'estimer cette structure lorsque la matrice de séparation est fixée. Le premier problème est équivalent à la maximisation du déterminant de la matrice de séparation sous contraintes non linéaires. Nous donnons un algorithme de calcul de la solution de ce problème pour lequel nous précisons les conditions de convergence. Nous montrons l'existence de l'estimateur du maximum de vraisemblance dont nous prouvons la consistance. Nous déterminons également la matrice d'information de Fisher relative au paramètre global et nous proposons un indice pour mesurer les performances des méthodes de séparation. Puis nous analysons, par simulation, les performances de l'estimateur ainsi défini et nous montrons l'amélioration qu'il apporte à la procédure de quasi-maximum de vraisemblance ainsi qu'aux autres méthodes du second ordre.

Le modèle autorégressif dans un espace de Banach (ARB) permet<br />de représenter des processus à temps continu. Nous considérons<br />l'estimation de l'opérateur d'autocorrelation d'un ARB(1). Les<br />méthodes classiques d'estimation (maximum de vraisemblance et<br />moindres carrées) s'avèrent inadéquates quand l'espace<br />paramétrique est de dimension infinie, Grenander (1983} a proposé<br />d'estimer le paramètre sur un sous espace de dimension en général<br />finie m, puis d'étudier la consistance de cet estimateur lorsque<br />la dimension m tend vers l'infini avec le nombres d'observations<br />à vitesse convenable. Cette méthode est dite méthode des cribles.<br />Notons que plus généralement il serait possible d'utiliser la<br />méthode des f-divergences. Nous définissons la méthode des<br />moindres carrées comme problème d'optimisation dans un espace de<br />Banach dans le cas ou l'opérateur est p-sommable,<br />p>1. Nous montrons la convergence de l'estimateur<br />crible et sa normalité asymptotique dans le cas d'un opérateur est<br />strictement -intégral. Nous utilisons la représentation duale<br />de la f-divergence pour définir l'estimateur du minimum des<br />f-divergences. Nous nous limitons ici à l'étude de<br />l'estimateur dit du minimum de KL-divergence (divergence de<br />Kullback-Leibler). Cet estimateur est celui<br /> du maximum de vraisemblance. Nous montrons par la suite qu'il<br /> converge presque surement vers la vraie valeur du paramètre<br />pour la norme des opérateurs p-sommables. La démonstration est<br />basée sur les techniques de Geman et Hwang (1982), utilisées pour<br />des observations indépendantes et identiquement distribuées, qu'on<br />a adapté au cas autorégressif.

Les processus autorégressifs à bifurcation (BAR) ont été au centre de nombreux travaux de recherche ces dernières années. Ces processus, qui sont l'adaptation à un arbre binaire des processus autorégressifs, sont en effet d'intérêt en biologie puisque la structure de l'arbre binaire permet une analogie aisée avec la division cellulaire. L'objectif de cette thèse est l'estimation les paramètres de variantes de ces processus autorégressifs à bifurcation, à savoir les processus BAR à valeurs entières et les processus BAR à coefficients aléatoires. Dans un premier temps, nous nous intéressons aux processus BAR à valeurs entières. Nous établissons, via une approche martingale, la convergence presque sûre des estimateurs des moindres carrés pondérés considérés, ainsi qu'une vitesse de convergence de ces estimateurs, une loi forte quadratique et leur comportement asymptotiquement normal. Dans un second temps, on étudie les processus BAR à coefficients aléatoires. Cette étude permet d'étendre le concept de processus autorégressifs à bifurcation en généralisant le côté aléatoire de l'évolution. Nous établissons les mêmes résultats asymptotiques que pour la première étude. Enfin, nous concluons cette thèse par une autre approche des processus BAR à coefficients aléatoires où l'on ne pondère plus nos estimateurs des moindres carrés en tirant parti du théorème de Rademacher-Menchov.

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 autorégressifs à bifurcation (BAR) ont été au centre de nombreux travaux de recherche ces dernières années. Ces processus, qui sont l'adaptation à un arbre binaire des processus autorégressifs, sont en effet d'intérêt en biologie puisque la structure de l'arbre binaire permet une analogie aisée avec la division cellulaire. L'objectif de cette thèse est l'estimation les paramètres de variantes de ces processus autorégressifs à bifurcation, à savoir les processus BAR à valeurs entières et les processus BAR à coefficients aléatoires. Dans un premier temps, nous nous intéressons aux processus BAR à valeurs entières. Nous établissons, via une approche martingale, la convergence presque sûre des estimateurs des moindres carrés pondérés considérés, ainsi qu'une vitesse de convergence de ces estimateurs, une loi forte quadratique et leur comportement asymptotiquement normal. Dans un second temps, on étudie les processus BAR à coefficients aléatoires. Cette étude permet d'étendre le concept de processus autorégressifs à bifurcation en généralisant le côté aléatoire de l'évolution. Nous établissons les mêmes résultats asymptotiques que pour la première étude. Enfin, nous concluons cette thèse par une autre approche des processus BAR à coefficients aléatoires où l'on ne pondère plus nos estimateurs des moindres carrés en tirant parti du théorème de Rademacher-Menchov. / Bifurcating autoregressive (BAR) processes have been widely investigated this past few years. Those processes, which are an adjustment of autoregressive processes to a binary tree structure, are indeed of interest concerning biology since the binary tree structure allows an easy analogy with cell division. The aim of this thesis is to estimate the parameters of some variations of those BAR processes, namely the integer-valued BAR processes and the random coefficients BAR processes. First, we will have a look to integer-valued BAR processes. We establish, via a martingale approach, the almost sure convergence of the weighted least squares estimators of interest, together with a rate of convergence, a quadratic strong law and their asymptotic normality. Secondly, we study the random coefficients BAR processes. The study allows to extend the principle of bifurcating autoregressive processes by enlarging the randomness of the evolution. We establish the same asymptotic results as for the first study. Finally, we conclude this thesis with an other approach of random coefficient BAR processes where we do not weight our least squares estimators any more by making good use of the Rademacher-Menchov theorem.

Nous présentons d'abord les problématiques liées à l'utilisation des processus pour la modélisation des modèles d'histoire de vie et de survie, écriture de vraisemblance, définition d'indépendance locale entre processus et interprétation causale. De manière indépendante, nous présentons ensuite des modèles de processus de bifurcation, les méthodes d'estimation associées avec application à la division cellulaire. Enfin nous regardons des problèmes liés aux PDMP : modélisation de propagation de fissures, de HUMS et estimation du taux de saut. Quelques exemples de collaborations avec des chercheurs d'autres disciplines sont donnés dans le dernier chapitre.