Modelling the dependence of order statistics and nonparametric estimation.

Résumé : Dans cette thèse, on considère la modélisation de la loi jointe des statistiques d'ordre, c.à.d. des vecteurs aléatoires avec des composantes ordonnées presque sûrement. La première partie est dédiée à la modélisation probabiliste des statistiques d'ordre d'entropie maximale à marginales fixées. Les marginales étant fixées, la caractérisation de la loi jointe revient à considérer la copule associée. Dans le Chapitre 2, on présente un résultat auxiliaire sur les copules d'entropie maximale à diagonale fixée. Une condition nécessaire et suffisante est donnée pour l'existence d'une telle copule, ainsi qu'une formule explicite de sa densité et de son entropie. La solution du problème de maximisation d'entropie pour les statistiques d'ordre à marginales fixées est présentée dans le Chapitre 3. On donne des formules explicites pour sa copule et sa densité jointe. On applique le modèle obtenu pour modéliser des paramètres physiques dans le Chapitre 4.Dans la deuxième partie de la thèse, on étudie le problème d'estimation non-paramétrique des densités d'entropie maximale des statistiques d'ordre en distance de Kullback-Leibler. Le chapitre 5 décrit une méthode d'agrégation pour des densités de probabilité et des densités spectrales, basée sur une combinaison convexe de ses logarithmes, et montre des bornes optimales non-asymptotiques en déviation. Dans le Chapitre 6, on propose une méthode adaptative issue d'un modèle exponentiel log-additif pour estimer les densités considérées, et on démontre qu'elle atteint les vitesses connues minimax. L'application de cette méthode pour estimer des dimensions des défauts est présentée dans le Chapitre 7
Type de document :
Thèse
General Mathematics [math.GM]. Université Paris-Est, 2016. English. 〈NNT : 2016PESC1039〉
Liste complète des métadonnées

Littérature citée [179 références]  Voir  Masquer  Télécharger

https://pastel.archives-ouvertes.fr/tel-01526823
Contributeur : Abes Star <>
Soumis le : mardi 23 mai 2017 - 15:26:08
Dernière modification le : jeudi 6 juillet 2017 - 11:27:43
Document(s) archivé(s) le : vendredi 25 août 2017 - 00:23:01

Fichier

TH2016PESC1039.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01526823, version 1

Collections

Citation

Richard Fischer. Modelling the dependence of order statistics and nonparametric estimation.. General Mathematics [math.GM]. Université Paris-Est, 2016. English. 〈NNT : 2016PESC1039〉. 〈tel-01526823〉

Partager

Métriques

Consultations de la notice

241

Téléchargements de fichiers

354