L'objectif de ce travail est de proposer de nouveaux estimateurs de quantiles extrêmes dans le cadre conditionnel c'est-à-dire dans la situation où la variable d'intérêt Y, supposée aléatoire et réelle, est mesurée simultanément avec une covariable X. Pour ce faire, nous nous intéressons à l'étude des valeurs extrêmes d'un échantillon d'observations indépendantes dont la loi conditionnelle de Y en un point x de la covariable X est à " queue lourde ". Selon la nature de la covariable, nous considérons deux situations. Primo, lorsque la covariable est déterministe et de dimension finie ou infinie (i.e covariable fonctionnelle), nous proposons d'estimer les quantiles extrêmes par la méthode dite de la " fenêtre mobile ". La loi limite des estimateurs ainsi construits est ensuite donnée en fonction de la vitesse de convergence de l'ordre du quantile vers un. Secundo, lorsque la covariable est aléatoire et de dimension finie, nous montrons que sous certaines conditions, il est possible d'estimer les quantiles extrêmes conditionnels au moyen d'un estimateur à " noyau " de la fonction de survie conditionnelle. Ce résultat nous permet d'introduire deux versions lisses de l'estimateur de l'indice de queue conditionnel indispensable lorsque l'on veut extrapoler. Nous établissons la loi asymptotique de ces estimateurs. Par ailleurs, nous considérons le cas sans covariable (non conditionnel) lorsque la fonction de répartition est à " queue lourde ". Nous proposons et étudions un nouvel estimateur des quantiles extrêmes. Afin d'apprécier le comportement de nos nouveaux outils statistiques, des résultats sur simulation ainsi que sur des données réelles sont présentés.

L'analyse des risques est devenu un enjeu majeur dans notre société. Quels que soient les champs d'application dans lesquels une situation à risque peut survenir, les mathématiques et plus particulièrement les statistiques et les probabilités se révèlent être des outils essentiels. L'objet principal de cette thèse est de développer des indicateurs de risque pertinents et d'étudier les propriétés extrémales de processus intervenant dans deux domaines d'applications : en risque alimentaire et en assurance. La théorie du risque se situe entre l'analyse des valeurs extrêmes et la théorie des variables aléatoires à variations régulières ou à queues lourdes. Dans le premier chapitre, on définit les éléments clefs de la théorie du risque ainsi que la notion de variation régulière et on introduit différents modèles liés au risque alimentaire qui seront étudiés dans les chapitres 2 et 3. Le chapitre 2 présente les travaux effectués avec Olivier Wintenberger. Pour des classes de processus stochastiques, sous des hypothèses de variations régulières, on développe une méthode qui permet d'obtenir des équivalents asymptotiques en horizon fini d'indicateurs de risque en assurance et en risque alimentaire tels que la probabilité de ruine, le "temps passé au dessus d'un seuil" ou encore la "sévérité de la ruine". Le chapitre 3 se concentre sur des modèles en risque alimentaire. Précisément, on étudie les propriétés extrémales de différentes généralisations d'un processus d'exposition à un contaminant nommé KDEM pour Kinetic Dietary Exposure Model proposé par Patrice Bertail et ses co-auteurs en 2008. Sous des hypothèses de variations régulières, on propose des équivalents asymptotiques du comportement de queue et de l'indice extrémal du processus d'exposition. Enfin, le chapitre 4 passe en revue différentes techniques statistiques particulièrement adaptées à l'étude du comportement extrémal de certains processus de Markov. Grâce à des propriétés de régénérations, il est possible de découper le chemin des observations en blocs indépendants et identiquement distribués et de n'étudier ainsi que le processus sur un bloc. Ces techniques s'appliquent même si la chaîne de Markov n'est pas atomique. On se concentre ici sur l'estimation de l'indice de queue et de l'indice extrémal. On illustre la performance de ces techniques en les appliquant sur deux modèles - en assurance et en finance - dont on connaît les résultats théoriques / Risk analyses play a leading role within fields such as dietary risk, hydrology, nuclear security, finance and insurance and is more and more present in theapplications of various probability tools and statistical methods. We see a significant impact on the scientific literature and on public institutions in the past years. Risk theory, which is really close to extreme value analysis, typically deals with the occurrences of rare events which are functions of heavy-tailed random variables, for example, sums or products of regularly varying random variables. The purpose of this thesis is the following : to develop revelant risk indicators and to study the extremal properties of stochastic processes used in dietary risk assessment and in insurance. In Chapter 1, we present the main tools used in risk theory and the notion of regular variation and introduce different models involved in dietary risk assessment, which will be specifically studied in Chapters 2 and 3. Chapter 2 presents a joint work with Olivier Wintenberger. For a particular class of stochastic processes, under the assumption of regular variation, we propose a method that gives way to asymptotic equivalents on a finite-time horizon of risk indicators such as the ruin probability, the Expected Time over a Threshold or the Expected Severity of the ruin. Chapter 3 focuses on dietary risk models. To be precise, we study the extremal properties of an extension of a model called KDEM for Kinetic Dietary Exposure Model introduced by Patrice Bertail and his co-authors in 2008. Under the assumption of regular variation, we provide asymptotic equivalents for the tail behavior and the extremal index of the exposure process. In Chapter 4, we review different statistical tools specifically tailored for the study of the extremal behavior of Markov processes. Thanks to regeneration properties, we can split the path of observations into blocks which are independent and identically distributed. This technic still works even if the Markov chain is not atomic. We focus here on the estimation of the tail index and the extremal index. We illustrate the performance of these technics applying them on two models in insurance and finance for which we know the theoritical results.

Le modèle d'accrochage de polymère décrit le comportement d'une chaîne de Markov en interaction avec un état donné. Cette interaction peut attirer ou repousser la chaîne de Markov et elle est modulée par deux paramètres, h et β. Quand β = 0 on parle de modèle homogène, qui est complètement solvable. Le modèle désordonné, i.e. quand β > 0, est mathématiquement le plus intéressant. Dans ce cas, l'interaction dépend d'une source d'aléa extérieur indépendant de la chaîne de Markov, appelée désordre. L'interaction est réalisée en modifiant la loi originelle de la chaîne de Markov par une mesure de Gibbs et la probabilité obtenue définit le modèle d'accrochage de polymère. Le but principal est d'étudier et de comprendre la structure des trajectoires typiques de la chaîne de Markov sous cette nouvelle probabilité. Le premier sujet de recherche concerne le modèle d'accrochage de polymère où le désordre est à queues lourdes et où le temps de retour de la chaîne de Markov suit une distribution sous-exponentielle. Dans notre deuxième résultat nous étudions le modèle d'accrochage de polymère avec un désordre à queues légères et le temps de retour de la chaîne de Markov avec une distribution à queues polynomiales d'exposant α > 0. On peut démontrer qu'il existe un point critique, h(β). Notre but est comprendre le comportement du point critique quand β -> 0. La réponse dépend de la valeur de α. Dans la littérature on a des résultats précis pour α < ½ et α > 1. Nous montrons que α ∈ (1/2, 1) le comportement du modèle dans la limite du désordre faible est universel et le point critique, opportunément changé d'échelle, converge vers la même quantité donnée par un modèle continu / The pinning model describes the behavior of a Markov chain in interaction with a distinguished state. This interaction can attract or repel the Markov chain path with a force tuned by two parameters, h and β. If β = 0 we obtain the homogeneous pinning model, which is completely solvable. The disordered pinning model, i.e. when β > 0, is most challenging and mathematically interesting. In this case the interaction depends on an external source of randomness, independent of the Markov chain, called disorder. The interaction is realized by perturbing the original Markov chain law via a Gibbs measure, which defines the Pinning Model. Our main aim is to understand the structure of a typical Markov chain path under this new probability measure. The first research topic of this thesis is the pinning model in which the disorder is heavy-tailed and the return times of the Markov chain have a sub-exponential distribution. In our second result we consider a pinning model with a light-tailed disorder and the return times of the Markov chain with a polynomial tail distribution, with exponent α > 0. It is possible to show that there exists a critical point, h(β). Our goal is to understand the behavior of the critical point when β -> 0. The answer depends on the value of α and in the literature there are precise results only for the case α < ½ et α > 1. We show that for α ∈ (1/2, 1) the behavior of the pinning model in the weak disorder limit is universal and the critical point, suitably rescaled, converges to the related quantity of a continuum model

Dans cette thèse, nous nous sommes consacrés au problème d'interaction d'échelles selon deux angles distincts : d'une part une approche globale et grande échelle du système climatique qui nous a permis d'étudier la modulation basse fréquence d'ENSO, d'autre part une démarche plus locale au cours de laquelle nous avons étudié plus particulièrement la dynamique du Pacifique tropical est et du système de courants de Humboldt au large du Pérou. La première partie a été motivée par une approche relativement récente dans la communauté des climatologues. Il s'agit de la question cruciale de la variabilité basse fréquence d'ENSO, et de la possibilité que celle-ci puisse émerger " simplement " du système climatique tropical, sans action extérieure qu'elle soit stochastique ou en lien avec la variabilité des plus hautes latitudesDans ce contexte particulier, il est alors question de mécanismes nonlinéaires pour expliquer comment la stabilité d'ENSO peut être influencée par la variabilité climatique. Ceci a servi d'hypothèse de travail pour l'ensemble de cette thèse. Nous avons ainsi abordé la possibilité qu'ENSO pouvait être rectifié sur des échelles de temps longues (interdécennales) par la modulation de la nonlinéarité elle-même. Pour cela, nous avons utilisé des méthodes mathématiques originales qui nous ont permis d'une part de détecter des changements brusques (statistiquement significatifs) de l'état moyen du Pacifique tropical et d'autre part d'accéder à un proxy de la nonlinéarité intégrée dans le système tropical. En combinant ces deux démarches, nous avons pu mettre en évidence une boucle de rétroaction auto entretenue sur des échelles de temps longues qui serait pilotée par des mécanismes nonlinéaires qui auraient la capacité de faire interférer diverses échelles temporelles et ainsi de transférer l'énergie des basses fréquences (état moyen du pacifique tropical) vers les hautes fréquences (oscillation australe) et vice-versa. Dans la seconde partie de cette thèse nous nous sommes focalisés sur la modélisation climatique du Pacifique tropical oriental. En effet, cette région, pourtant au cœur des préoccupations de la communauté scientifique en raison de son écosystème parmi les plus productifs de la planète, reste mal connue du point de vue des processus océanographiques et climatiques. En particulier, les modèles climatiques globaux présentent des biais importants dans cette région en terme d'état climatologique moyen. Nous avons testé, dans une approche de modélisation haute résolution, différentes sources possibles de ces biais : les caractéristiques bathymétriques des îles Galápagos (mal représentées dans les modèles globaux) capables de par leur position équatoriale de modifier la circulation régionale moyenne et donc le bilan thermodynamique; ou alors les processus associés aux mélanges turbulents (et par extension les processus nonlinéaires) à l'aide d'un modèle régional. Pour ce faire, nous avons procédé à des expériences de sensibilité qui nous ont permis d'une part de relativiser le rôle de l'archipel des Galápagos comme source de biais et d'autre part de mettre en exergue le rôle de la variabilité intra-saisonnière dans la rectification de l'état moyen du Pacifique tropical est.