Identification de modèles de séries temporelles non-gaussiennes : une approche du type maximum de vraisemblance

par Jean-Luc Vuattoux

Thèse de doctorat en Automatique et informatique appliquée

Sous la direction de Éric Le Carpentier.

Soutenue en 1997

à Nantes en cotutelle avec Nantes, Ecole centrale de Nantes .


  • Résumé

    Dans le cas de séries temporelles non-gaussiennes stochastiques stationnaires, représentées par un modèle générateur linéaire du type auto-régressif à moyenne ajustée (ARMA) excité par une séquence blanche non-gaussienne inconnue, l'analyse spectrale se ramène à l'identification des paramètres du modèle ARMA. Nous étudions dans une première partie, les méthodes d'identification de modèles ARMA fondées sur les statistiques d'ordre supérieur (SOS) à deux. Nous nous intéressons aussi à une méthode fondée sur le principe de la déconvolution par minimum d'entropie. Afin de l'étendre à l'identification de modèles ARMA non-causaux, nous généralisons l'approche du minimum de variance de l'erreur de prédiction en introduisant une représentation non-causale séparant les parties causale et anti-causale du modèle ARMA. La seconde partie consiste en l'étude et l'élaboration de méthodes visant à l'optimalité au sens de la matrice de variance-covariance de l'erreur d'estimation des paramètres. L'optimalité est atteinte, dans le cas général d'un modèle ARMA non-causal et d'une entrée de fonction de densité de probabilité (FDP) non-gaussienne, si l'estimateur du maximum de vraisemblance (MV) est utilisé. Mais la FDP de l'entrée est généralement inconnue. Nous avons donc élaboré un estimateur du MV approché, combinant les SOS et les techniques d'identification robuste. Ceci nécessite l'extension de l'approche de l'erreur de prédiction dans un cas général. Puis, la FDP de l'entrée est modélisée par un mélange de deux gaussiennes de mêmes statistiques jusqu'à l'ordre quatre que la FDP de l'entrée, et minimisant l'information de Fisher parmi toutes les solutions possibles. Les méthodes d'identification présentées et élaborées sont comparées en simulation. Nous proposons une nouvelle mesure de distance entre modèles ARMA non-causaux, la distance bicepstrale, utilisée ensuite pour la comparaison de méthodes d'identification du point de vue des performances de l'estimation.


  • Pas de résumé disponible.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (VIII-198 p.)
  • Annexes : Bibliogr. p.193-198 (69 réf.)

Où se trouve cette thèse ?

  • Bibliothèque : Université Savoie Mont Blanc (Annecy-le-Vieux). Bibliothèque de Polytech'Annecy-Chambéry, site d'Annecy.
  • Disponible pour le PEB
  • Cote : T P1997/2029
  • Bibliothèque : Université de Nantes. Service commun de la documentation. Section Sciences.
  • Disponible pour le PEB
  • Bibliothèque : Ecole centrale de Nantes. Médiathèque.
  • Disponible pour le PEB
  • Cote : Th.1655 bis
  • Bibliothèque : Ecole centrale de Nantes. Médiathèque.
  • Disponible pour le PEB
  • Cote : Th.1655
  • Bibliothèque : Université de Nantes. Service commun de la documentation. Section Sciences.
  • Disponible pour le PEB
  • Cote : 97 NANT 2029
  • Bibliothèque : Université de Nantes. Service commun de la documentation. Section Sciences.
  • Disponible pour le PEB
  • Cote : 97 NANT 2029
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.