Mesures de dépendance pour une modélisation alpha-stable : application aux séries chronologiques stables

par Bernédy Nel Messie Kodia Banzouzi

Thèse de doctorat en Statistique

Sous la direction de Bernard Garel et de Blaise Some.

Soutenue en 2011

à Toulouse 3 .

  • Titre traduit

    Measures of dependence for alpha-stable modeling : application to stable times series


  • Pas de résumé disponible.


  • Résumé

    Dans cette thèse, nous apportons une contribution à l'étude de la dépendance entre des variables aléatoires à queues lourdes, et en particulier symétriques a-stables, en introduisant un nouveau coefficient de dépendance : le coefficient de covariation symétrique signé. Nous utilisons ce coefficient ainsi que le paramètre d'association généralisé introduit par Paulauskas (1976), dans le contexte des séries chronologiques, à des fins d'identification des processus MA et AR stables. Dans le premier chapitre, nous donnons une vue d'ensemble des lois a-stables. Nous rappelons les concepts fondamentaux, quelques unes des représentations des variables aléatoires associées, tant dans le cas univarié que multivarié. La mesure spectrale porte toute l'information sur la structure de dépendance d'un vecteur aléatoire a-stable. Sa forme est donnée pour deux sous-familles de lois : les vecteurs aléatoires sous-gaussiens et les combinaisons linéaires de variables aléatoires indépendantes. La covariation et la codifférence sont présentées. Nous introduisons le coefficient de covariation symétrique signé dans le deuxième chapitre. Ce coefficient possède la plupart des propriétés du coefficient de corrélation de Pearson. Dans le cas des vecteurs aléatoires sous-gaussiens, il coïncide avec le coefficient d'association généralisé. La consistance des estimateurs proposés pour ces deux quantités est démontrée. Les résultats d'une étude sur les comportements asymptotiques des estimateurs sont présentés. Dans le troisième chapitre, nous introduisons les notions d'autocovariation symétrique signée et d'auto-association généralisée pour des processus linéaires stationnaires. Nous utilisons ces coefficients pour l'identification de l'ordre d'un processus MA stable. Nous proposons une statistique jouant le rôle d'un coefficient d'autocorrélation partielle. Nous comparons cette statistique avec les statistiques quadratiques asymptotiquement invariantes fondées sur les rangs et utilisées par Garel et Hallin (1999) pour l'identification des AR stables. Une étude des résultats obtenus est réalisée à partir de simulations.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (142 p.)
  • Annexes : Bibliogr. p. 137-142

Où se trouve cette thèse ?

  • Bibliothèque : Université Paul Sabatier. Bibliothèque universitaire de sciences.
  • Disponible pour le PEB
  • Cote : 2011 TOU3 0146
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.