Cette thèse porte sur le problème d'estimation à travers les échelles pour un processus stochastique. Nous étudions comment le choix du pas d'échantillonnage impacte les procédures statistiques. Nous nous intéressons à l'estimation de processus à sauts à partir de l'observation d'une trajectoire discrétisée sur [0, T]. Lorsque la longueur de l'intervalle d'observation T va à l'infini, le pas d'échantillonnage tend soit vers 0 (échelle microscopique), vers une constante positive (échelle intermédiaire) ou encore vers l'infini (échelle macroscopique). Dans chacun de ces régimes nous supposons que le nombre d'observations tend vers l'infini. Dans un premier temps le cas particulier d'un processus de Poisson composé d'intensité inconnue avec des sauts symétriques {-1,1} est étudié. Le Chapitre 2 illustre la notion d'estimation statistique dans les trois échelles définies ci-dessus. Dans ce modèle, on s'intéresse aux propriétés des expériences statistiques. On montre la propriété de Normalité Asymptotique Locale dans les trois échelles microscopiques, intermédiaires et macroscopiques. L'information de Fisher est alors connue pour chacun de ces régimes. Ensuite nous analysons comment se comporte une procédure d'estimation de l'intensité qui est efficace (de variance minimale) à une échelle donnée lorsqu'on l'applique à des observations venant d'une échelle différente. On regarde l'estimateur de la variation quadratique empirique, qui est efficace dans le régime macroscopique, et on l'utilise sur des données provenant des régimes intermédiaire ou microscopique. Cet estimateur reste efficace dans les échelles microscopiques, mais montre une perte substantielle d'information aux échelles intermédiaires. Une procédure unifiée d'estimation est proposée, elle est efficace dans tous les régimes. Les Chapitres 3 et 4 étudient l'estimation non paramétrique de la densité de saut d'un processus renouvellement composé dans les régimes microscopiques, lorsque le pas d'échantillonnage tend vers 0. Un estimateur de cette densité utilisant des méthodes d'ondelettes est construit. Il est adaptatif et minimax pour des pas d'échantillonnage qui décroissent en T^{-alpha}, pour alpha>0. La procédure d'estimation repose sur l'inversion de l'opérateur de composition donnant la loi des incréments comme une transformation non linéaire de la loi des sauts que l'on cherche à estimer. L'opérateur inverse est explicite dans le cas du processus de Poisson composé (Chapitre 3), mais n'a pas d'expression analytique pour les processus de renouvellement composés (Chapitre 4). Dans ce dernier cas, il est approché via une technique de point fixe. Le Chapitre 5 étudie le problème de perte d'identifiabilité dans les régimes macroscopiques. Si un processus à sauts est observé avec un pas d'échantillonnage grand, certaines approximations limites, telles que l'approximation gaussienne, deviennent valides. Ceci peut entraîner une perte d'identifiabilité de la loi ayant généré le processus, dès lors que sa structure est plus complexe que celle étudiée dans le Chapitre 2. Dans un premier temps un modèle jouet à deux paramètres est considéré. Deux régimes différents émergent de l'étude : un régime où le paramètre n'est plus identifiable et un où il reste identifiable mais où les estimateurs optimaux convergent avec des vitesses plus lentes que les vitesses paramétriques habituelles. De l'étude de cas particulier, nous dérivons des bornes inférieures montrant qu'il n'existe pas d'estimateur convergent pour les processus de Lévy de saut pur ou pour les processus de renouvellement composés dans les régimes macroscopiques tels que le pas d'échantillonnage croît plus vite que racine de T. Enfin nous identifions des régimes macroscopiques où les incréments d'un processus de Poisson composé ne sont pas distinguables de variables aléatoires gaussiennes, et des régimes où il n'existe pas d'estimateur convergent pour les processus de Poisson composés dépendant de trop de paramètres.

On présente différents modèles susceptibles d'être utilisés dans le cadre de la description de la succession des jours dans une station climatologique selon leur caractère sec ou humide.

Cette thèse porte sur le problème d'estimation à travers les échelles pour un processus stochastique. Nous étudions comment le choix du pas d'échantillonnage impacte les procédures statistiques. Nous nous intéressons à l'estimation de processus à sauts à partir de l'observation d'une trajectoire discrétisée sur [0, T]. Lorsque la longueur de l'intervalle d'observation T va à l'infini, le pas d'échantillonnage tend soit vers 0 (échelle microscopique), vers une constante positive (échelle intermédiaire) ou encore vers l'infini (échelle macroscopique). Dans chacun de ces régimes nous supposons que le nombre d'observations tend vers l'infini. Dans un premier temps le cas particulier d'un processus de Poisson composé d'intensité inconnue avec des sauts symétriques {-1,1} est étudié. Le Chapitre 2 illustre la notion d'estimation statistique dans les trois échelles définies ci-dessus. Dans ce modèle, on s'intéresse aux propriétés des expériences statistiques. On montre la propriété de Normalité Asymptotique Locale dans les trois échelles microscopiques, intermédiaires et macroscopiques. L'information de Fisher est alors connue pour chacun de ces régimes. Ensuite nous analysons comment se comporte une procédure d'estimation de l'intensité qui est efficace (de variance minimale) à une échelle donnée lorsqu'on l'applique à des observations venant d'une échelle différente. On regarde l'estimateur de la variation quadratique empirique, qui est efficace dans le régime macroscopique, et on l'utilise sur des données provenant des régimes intermédiaire ou microscopique. Cet estimateur reste efficace dans les échelles microscopiques, mais montre une perte substantielle d'information aux échelles intermédiaires. Une procédure unifiée d'estimation est proposée, elle est efficace dans tous les régimes. Les Chapitres 3 et 4 étudient l'estimation non paramétrique de la densité de saut d'un processus renouvellement composé dans les régimes microscopiques, lorsque le pas d'échantillonnage tend vers 0. Un estimateur de cette densité utilisant des méthodes d'ondelettes est construit. Il est adaptatif et minimax pour des pas d'échantillonnage qui décroissent en T^{-alpha}, pour alpha>0. La procédure d'estimation repose sur l'inversion de l'opérateur de composition donnant la loi des incréments comme une transformation non linéaire de la loi des sauts que l'on cherche à estimer. L'opérateur inverse est explicite dans le cas du processus de Poisson composé (Chapitre 3), mais n'a pas d'expression analytique pour les processus de renouvellement composés (Chapitre 4). Dans ce dernier cas, il est approché via une technique de point fixe. Le Chapitre 5 étudie le problème de perte d'identifiabilité dans les régimes macroscopiques. Si un processus à sauts est observé avec un pas d'échantillonnage grand, certaines approximations limites, telles que l'approximation gaussienne, deviennent valides. Ceci peut entraîner une perte d'identifiabilité de la loi ayant généré le processus, dès lors que sa structure est plus complexe que celle étudiée dans le Chapitre 2. Dans un premier temps un modèle jouet à deux paramètres est considéré. Deux régimes différents émergent de l'étude : un régime où le paramètre n'est plus identifiable et un où il reste identifiable mais où les estimateurs optimaux convergent avec des vitesses plus lentes que les vitesses paramétriques habituelles. De l'étude de cas particulier, nous dérivons des bornes inférieures montrant qu'il n'existe pas d'estimateur convergent pour les processus de Lévy de saut pur ou pour les processus de renouvellement composés dans les régimes macroscopiques tels que le pas d'échantillonnage croît plus vite que racine de T. Enfin nous identifions des régimes macroscopiques où les incréments d'un processus de Poisson composé ne sont pas distinguables de variables aléatoires gaussiennes, et des régimes où il n'existe pas d'estimateur convergent pour les processus de Poisson composés dépendant de trop de paramètres / This thesis studies the problem of statistical inference across time scales for a stochastic process. More particularly we study how the choice of the sampling parameter affects statistical procedures. We narrow down to the inference of jump processes from the discrete observation of one trajectory over [0,T]. As the length of the observation interval T tends to infinity, the sampling rate either goes to 0 (microscopic scale) or to some positive constant (intermediate scale) or grows to infinity (macroscopic scale). We set in a case where there are infinitely many observations. First we specialise in a toy model: a compound Poisson process of unknown intensity with symmetric Bernoulli jumps. Chapter 2 highlights the concept of statistical estimation in the three regimes defined above and the phenomena at stake. We study the properties of the statistical experiments in each regime, we show that the Local Asymptotic Normality property holds in every regimes (microscopic, intermediate and macroscopic). We also provide the formula of the associated Fisher information in each regime. Then we study how a statistical procedure which is optimal (of minimal variance) at a given scale is affected when we use it on data coming from another scale. We focus on the empirical quadratic variation estimator, it is an optimal procedure at macroscopic scales. We apply it on data coming from intermediate and microscopic regimes. Although the estimator remains efficient at microscopic scales, it shows a substantial loss of information when used on data coming from an intermediate regime. That loss can be explicitly related to the sampling rate. We provide an unified procedure, efficient in all regimes. Chapters 3 and 4 focus on microscopic regimes, when the sampling rate decreases to 0. The nonparametric estimation of the jump density of a renewal reward process is studied. We propose an adaptive wavelet threshold density estimator. It achieves minimax rates of convergence for sampling rates that vanish polynomially with T, namely in T^{-alpha} for alpha>0. The estimation procedure is based on the inversion of the compounding operator in the same spirit as Buchmann and Grübel (2003), which specialiase in the study of discrete compound laws. The inverse operator is explicit in the case of a compound Poisson process (see Chapter 3), but has no closed form expression for renewal reward processes (see Chapter 4). In that latter case the inverse operator is approached with a fixed point technique. Finally Chapter 5 studies at which rate identifiability is lost in macroscopic regimes. Indeed when a jump process is observed at an arbitrarily large sampling rate, limit approximations, like Gaussian approximations, become valid and the specificities of the jumps may be lost, as long as the structure of the process is more complex than the one introduced in Chapter 2. First we study a toy model depending on a 2-dimensional parameter. We distinguish two different regimes: fast (macroscopic) regimes where all information on the parameter is lost and slow regimes where the parameter remains identifiable but where optimal estimators converge with slower rates than the expected usual parametric ones. From this toy model lower bounds are derived, they ensure that consistent estimation of Lévy processes or renewal reward processes is not possible when the sampling rate grows faster than the square root of T. Finally we identify regimes where an experiment consisting in increments of a compound Poisson process is asymptotically equivalent to an experiment consisting in Gaussian random variables. We also give regimes where there is no consistent estimator for compound Poisson processes depending on too many parameters

L'un des challenges de l'optimisation de la maintenance est la production de modèles décisionnels conjuguant performance au niveau stratégique et au niveau opérationnel. Une hypothèse classique est de considérer que le niveau de dégradation du système peut être modélisé par un processus stochastique particulier caractérisé en régime stationnaire sans tenir compte des effets de l'environnement d'exploitation du système. Cette hypothèse peut être vue comme un des facteurs entraînant des écarts entre les performances attendues et celles mesurées. Par contre, de nombreux travaux sont développés dans le cadre de la fiabilité pour l'intégration de l'impact de l'environnement. L'objectif de ce manuscrit est de développer des outils d'aide à la décision de maintenance pour des systèmes à dégradation graduelle évoluant dans un environnement aléatoire stressant. Nous proposons différentes modélisations de l'environnement et de son impact sachant qu'il peut influencer soit la défaillance du système, soit le processus de dégradation. Nous explicitons les relations mutuelles entre l'environnement et le processus de dégradation et nous construisons différentes politiques de maintenance adaptatives qui se basent sur l'état de dégradation du système mais également sur l'évolution de l'environnement. De plus, les politiques proposées permettent de se baser soit uniquement sur une connaissance a priori du système, soit d'intégrer l'information disponible en ligne concernant l'environnement. Nous chercherons dans ce manuscrit à proposer de nouvelles approches de maintenance combinant performances théoriques attendues d'un côté et réalité et pragmatisme opérationnels d'un autre.

Nous étudions les propriétés de modèles de séries chronologiques vectorielles à composantes binaires en vue de la modélisation du phénomène climatologique de la succession des jours selon leur caractère sec ou humide dans un réseau de stations de mesures. Nous menons une étude expérimentale par simulations des modèles considérés et envisageons leur utilisation dans des essais de modélisation concernant certains sous-réseaux francais de stations météorologiques

Nous décrivons le niveau de dégradation caractéristique d'une structure à l'aide d'un processus stochastique appelé processus de dégradation. La dynamique de ce processus est modélisée par un système différentiel à environnement markovien.<br /><br />Nous étudions la fiabilité du système en considérant la défaillance de la structure lorsque le processus de dégradation dépasse un seuil fixe. Nous obtenons la fiabilité théorique à l'aide de la théorie du renouvellement markovien.<br /><br />Puis, nous proposons une procédure d'estimation des paramètres des processus aléatoires du système différentiel. Les méthodes d'estimation et les résultats théoriques de la fiabilité, ainsi que les algorithmes de calcul associés, sont validés sur des données simulés.<br /><br />Notre méthode est appliquée à la modélisation d'un mécanisme réel de dégradation, la propagation des fissures, pour lequel nous disposons d'un jeu de données expérimental.

Pour V un processus aléatoire càd-làg, on appelle diffusion dans le milieu aléatoire V la solution formelle de l’équation différentielle stochastique \[ dX_t = - \frac1{2} V'(X_t) dt + dB_t, \] où B est un mouvement brownien indépendant de V . Le temps local au temps t et à la position x dela diffusion, noté LX(t, x), donne une mesure de la quantité de temps passé par la diffusion au point x, avant l’instant t. Dans cette thèse nous considérons le cas où le milieu V est un processus de Lévyspectralement négatif convergeant presque sûrement vers −∞, et nous nous intéressons au comportementasymptotique lorsque t tend vers l’infini de $\mathcal{L}_X^*(t) := \sup_{\mathbb{R}} \mathcal{L}_X(t, .)$ le supremum du temps local de ladiffusion, ainsi qu’à la localisation du point le plus visité par la diffusion. Nous déterminons notammentla convergence en loi et le comportement presque sûr du supremum du temps local. Cette étude révèleque le comportement asymptotique du supremum du temps local est fortement lié aux propriétés desfonctionnelles exponentielles des processus de Lévy conditionnés à rester positifs et cela nous amène àétudier ces dernières. Si V est un processus de Lévy, V ↑ désigne le processus V conditionné à rester positif.La fonctionnelle exponentielle de V ↑ est la variable aléatoire $\int_0^{+ \infty} e^{- V^{\uparrow} (t)}dt$ . Nous étudions en particulier sa finitude, son auto-décomposabilité, l’existence de moments exponentiels, sa queue en 0, l’existence et larégularité de sa densité. / For V a random càd-làg process, we call diffusion in the random medium V the formal solution of thestochastic differential equation \[ dX_t = - \frac1{2} V'(X_t) dt + dB_t, \] where B is a brownian motion independent of V . The local time at time t and at the position x of thediffusion, denoted by LX(t, x), gives a measure of the amount of time spent by the diffusion at point x,before instant t. In this thesis we consider the case where the medium V is a spectrally negative Lévyprocess converging almost surely toward −∞, and we are interested in the asymptotic behavior, whent goes to infinity, of $\mathcal{L}_X^*(t) := \sup_{\mathbb{R}} \mathcal{L}_X(t, .)$ the supremum of the local time of the diffusion. We arealso interested in the localization of the point most visited by the diffusion. We notably establish theconvergence in distribution and the almost sure behavior of the supremum of the local time. This studyreveals that the asymptotic behavior of the supremum of the local time is deeply linked to the propertiesof the exponential functionals of Lévy processes conditioned to stay positive and this brings us to studythem. If V is a Lévy process, V ↑ denotes the process V conditioned to stay positive. The exponentialfunctional of V ↑ is the random variable $\int_0^{+ \infty} e^{- V^{\uparrow} (t)}dt$ . For this object, we study in particular finiteness,

Deux parties principales composent cette thèse. La première d'entre elles est consacrée à la valvométrie, c'est-à-dire ici l'étude de la distance entre les deux parties de la coquille d'une huître au cours du temps. La valvométrie est utilisée afin de déterminer si de tels animaux sont en bonne santé, pour éventuellement tirer des conclusions sur la qualité de leur environnement. Nous considérons qu'un processus de renouvellement à quatre états sous-tend le comportement des huîtres étudiées. Afin de retrouver ce processus caché dans le signal valvométrique, nous supposons qu'une densité de probabilité reliée à ce signal est bimodale. Nous comparons donc plusieurs estimateurs qui prennent en compte ce type d'hypothèse, dont des estimateurs à noyau.Dans un second temps, nous comparons plusieurs méthodes de régression, dans le but d'analyser des données transcriptomiques. Pour comprendre quelles variables explicatives influent sur l'expression de gènes, nous avons réalisé des tests multiples grâce au modèle linéaire FAMT. La méthode SIR peut être envisagée pour trouver des relations non-linéaires. Toutefois, elle est principalement employée lorsque la variable à expliquer est univariée. Une version multivariée de cette approche a donc été développée. Le coût d'acquisition des données transcriptomiques pouvant être élevé, la taille n des échantillons correspondants est souvent faible. C'est pourquoi, nous avons également étudié la méthode SIR lorsque n est inférieur au nombre de variables explicatives p. / There are two main parts in this thesis. The first one concerns valvometry, which is here the study of the distance between both parts of the shell of an oyster, over time. The health status of oysters can be characterized using valvometry in order to obtain insights about the quality of their environment. We consider that a renewal process with four states underlies the behaviour of the studied oysters. Such a hidden process can be retrieved from a valvometric signal by assuming that some probability density function linked with this signal, is bimodal. We then compare several estimators which take this assumption into account, including kernel density estimators.In another chapter, we compare several regression approaches, aiming at analysing transcriptomic data. To understand which explanatory variables have an effect on gene expressions, we apply a multiple testing procedure on these data, through the linear model FAMT. The SIR method may find nonlinear relations in such a context. It is however more commonly used when the response variable is univariate. A multivariate version of SIR was then developed. Procedures to measure gene expressions can be expensive. The sample size n of the corresponding datasets is then often small. That is why we also studied SIR when n is less than the number of explanatory variables p.

Le modèle de Poland-Scheraga (PS) est le modèle standard pour étudier la transition de dénaturation de deux brins d’ADN complémentaires et de même longueur. Ce modèle a fait l’objet d’une attention remarquable car il est exactement résoluble dans sa version homogène. Le caractère résoluble est lié au fait que le modèle PS homogène peut être mis en correspondance avec un processus de renouvellement discret. Dans la littérature biophysique une généralisation du modèle, obtenue en considérant des brins non complé- mentaires et de longueurs différentes, a été considérée et le caractère résoluble s’étend à cette généralisation substantielle. Dans cette thèse, nous présentons une analyse mathématique du modèle de Poland- Scheraga généralisé. Nous considérons d’abord le modèle homogène et nous exploitons que les deux brins de la chaîne peuvent être modélisés par un processus de renouvellement en deux dimensions. La distribution K(⋅) de l’emplacement (bidimensionnel) du premier contact entre les deux brins est supposée de la forme K(n+m) = (n+m)−α−2L(n+m) avec α ≥ 0 et L(⋅) à variation lente et correspond à une boucle avec n bases dans le premier brin et m dans le deuxième. Nous étudions la transition de localisation-délocalisation et nous montrons l’existence des transitions à l’intérieur de la phase localisée. Nous présentons ensuite des estimations précises sur les propriétés de chemin du modèle. Ensuite, nous étudions la version désordonnée du modèle en incluant une séquence de variables aléatoires indépendantes identiquement distribuées à deux indices. Nous nous concentrons sur l’influence du désordre sur la transition de dénaturation: nous voulons déterminer si la présence des inhomogénéités modifie les propriétés critiques du système par rapport au cas homogène. Nous prouvons que le désordre est non pertinent si α < 1 et nous montrons que pour α > 1, les points critiques gelés et recuits diffèrent (basant sur les techniques de coarse graining et la méthode des moments fractionnaires), ce qui prouve la présence d’un régime de désordre pertinent. / The Poland-Scheraga (PS) model is the standard basic model to study the denaturation transition of two complementary and equally long strands of DNA. This model has enjoyed a remarkable attention because it is exactly solvable in its homogeneous version. The solvable character is related to the fact that the homogeneous PS model can be mapped to a discrete renewal process. In the bio-physical literature a generalization of the model, allowing different length and non complementarity of the strands, has been considered and the solvable character extends to this substantial generalization. In this thesis we present a generalized version of the PS model that allows mismatches and non complementary strands (in particular, the two strands may be of different lengths). We consider first the homogeneous model and we exploit that this model can be mapped to a bivariate renewal process. The distribution K(⋅) of the location (in two dimensions) of the first contact between the two strands is assumed to be of the form K(n + m) = (n + m)−α−2L(n + m) with α ≥ 0 and L(⋅) slowly varying and corresponds to a loop with n bases in the first strand and m in the second. We study the localization-delocalization transition and we prove the existence of transitions inside the localized regime. We then present precise estimates on the path properties of the model. We then study the disordered version of the model by including a sequence of inde- pendent and identically distributed random variables with two indices. We focus on the influence of disorder on the denaturation transition: we want to determine whether the presence of randomness modifies the critical properties of the system with respect to the homogeneous case. We prove that the disorder is irrelevant if α < 1. We show also that for α > 1, the quenched and annealed critical points differ (basing on coarse graining techniques and fractional moment method), proving the presence of a relevant disorder regime.

Cette thèse traite de trois modèles de géométrie aléatoire: les mosaïques de Poisson-Voronoi, les mosaïques poissoniennes d'hyperplans et le modèle de fissuration unidirectionnel de Rényi-Widom. Nous montrons tout d'abord l'équivalence entre les deux approches historiques pour l'étude statistique des mosaïques: la convergence des moyennes ergodiques et la définition au sens de Palm de la cellule typique. Nous donnons ensuite en dimension deux la loi du nombre de sommets de la cellule typique et conditionnellement à ce nombre, les lois des positions des frontières, de l'aire et du périmètre. De plus, nous explicitons la loi conjointe des rayons des disques centrés en l'origine inscrit dans (resp. circonscrit à) la cellule typique et nous en déduisons le caractère circulaire des "grandes cellules". Dans le cas Poisson-Voronoi, nous relions en toute dimension la fonction spectrale de la cellule typique au pont brownien, ce qui permet en particulier d'estimer asymptotiquement la loi de la première valeur propre en dimension deux. Dans le cas des mosaïques poissoniennes d'hyperplans, nous exploitons les techniques de Palm pour en déduire une construction explicite en toute dimension de la cellule typique à partir de sa boule inscrite et de son simplexe circonscrit. Une preuve rigoureuse d'un résultat de R. E. Miles lorsqu'on épaissit les hyperplans est également donnée. Par ailleurs, nous modélisons un phénomène de fissuration par un processus unidimensionnel stationnaire dont nous calculons la loi de la distance inter-fissures typique. Nous montrons en outre que les points successifs sont ceux d'un processus de renouvellement conditionné explicite.