Thèse doctorat : Informatique : Rennes 1 : 2006. / La première partie est en français, le reste en anglais. Bibliogr. p. 123-133.

Reproduction de : Thèse doctorat : Mathématiques statistiques : Reims : 2008. / Titre provenant de l'écran titre. Bibliogr. p. 213-218.

Thèse de doctorat : Mathématiques appliquées : Evry-Val d'Essonne : 2008. / Titre provenant de l'écran-titre.

Thèse doctorat : Informatique. Traitement d'Images et Vision par Ordinateur : Strasbourg 1 : 2006. / Titre provenant de l'écran-titre. Bibliogr. 5 p.

Reproduction de : Thèse d'exercice : Chirurgie dentaire : Nantes : 2008. / Bibliogr.

Reproduction de : Thèse d'exercice : Chirurgie dentaire : Nantes : 2008. / Bibliogr.

Le but de cette thèse est de décrire la loi conditionnelle d'un processus markovien multidimensionnel connaissant la valeur de certaines combinaisons linéaires de ses coordonnées à des instants donnés. La description recherchée consiste à mettre en évidence un processus de même type, facile à simuler, dont la loi est équivalente à la loi conditionnelle ciblée.La classe principalement étudiée est celle des processus à diffusion. Dans un premier temps, des techniques de grossissement de filtration (Jacod 1985) permettent de déterminer les paramètres de l'équation différentielle stochastique vérifiée par le processus conditionnel. Cependant, on s'aperçoit alors que la dérive n'est pas explicite, car celle-ci dépend des densités de transition du processus initial, inconnues en général. Ceci rend impossible,une simulation directe par exemple à l'aide d'un schéma d'Euler. Afin de pallier ce défaut, nous proposons une alternative, dans l'esprit de Delyon et Hu (2006). L'approche consiste à proposer une équation différentielle stochastique de paramètres explicites, dont la solution est de loi équivalente à la loi conditionnelle. Une application en collaboration avec Anne Cuzol et Etienne Mémin de l'INRIA, dans le cadre des écoulements fluides est également présentée. On applique la méthode proposée précédemment à un modèle stochastique inspiré des équations de Navier-Stokes. Enfin, la classe des processus markoviens à sauts est également abordée.

On appelle diffusion en milieu aléatoire la solution de l'équation différentielle stochastique suivante : dX(t) = dB(t) − 1/2 W'(X(t))dt où B est un mouvement brownien standard et W, le milieu, est un processus càd-làg qui n'est pas nécessairement dérivable (l'EDS précédente n'a alors qu'un sens formel). Schumacher [69] et Brox [17] ont montré que dans le cas où W est un mouvement brownien, la diffusion X a un comportement sous-diffusif et se localise au voisinage de certains points du milieu. Cette thèse est principalement consacrée à l'étude du comportement asymptotique du processus des temps locaux de X. Ce processus LX(t, x) représente le temps passé par X au point x avant le temps t. C'est donc un outil bien adapté pour étudier la localisation de la diffusion. On décrit ici la loi limite du temps local lorsque le milieu est un mouvement brownien standard ou plus généralement un processus de Lévy stable. On s'intéresse également au temps passé par la diffusion au voisinage des points les plus visités et au comportement asymptotique presque sûr du maximum du temps local. Dans la dernière partie de la thèse, on utilise le temps local d'une version discrète du modèle, pour obtenir des informations sur le milieu. Le but étant d'appliquer ce modèle au séquençage de l'ADN.

Th. doct.-ing.--Électronique--Toulouse--I.N.P., 1981. N°: 136.

Th.--Autom.--Toulouse--I.N.P., 1981. N°: 49.