Estimations paramétriques et non-paramétriques pour des modèles de diffusions périodiques

par Khalil El Waled

Thèse de doctorat en Mathématiques appliquées. Statistiques

Sous la direction de Dominique Dehay.

Soutenue le 25-11-2015

à Rennes 2 , dans le cadre de École doctorale Sciences humaines et sociales (Rennes) , en partenariat avec Université européenne de Bretagne (PRES) et de Institut de Recherche Mathématique de Rennes (laboratoire) .

Le président du jury était Yury A. Kutoyants.

Le jury était composé de Brice Franke, Valérie Monbet.

Les rapporteurs étaient Catherine Laredo, Dasha Loukianova.


  • Résumé

    Cette thèse est consacrée au problème d'estimation de la fonction de dérive de certains modèles de processus stochastiques périodiques lorsque la durée d'observation tend vers l'infini. Aucune hypothèse de récurrence n'est posée a priori.Dans un premier temps nous considérons le modèle du type signal plus bruit dζt = f (t, θ)dt + σ(t)dWt,; et puis nous étudions l'estimation du paramètre θ à partir d'une observation continue et puis d'une observation discrète du processus {ζt} sur l'intervalle [0; T]. Les fonctions f (·, ·) et σ(·) sont continues et périodiques en t de même période P > 0, σ(·) > 0 et θ ∈ Θ ⊂R. Nous établissons la convergence en probabilité d'un estimateur du maximum de vraisemblance θˆT , sa normalité asymptotique et son efficacité asymptotique minimax. Lorsque f (t, θ) = θf (t), l'expression de θˆT est explicite et nous obtenons la convergence en moyenne quadratique aussi bien pour le cas d'une observation continue que pour le cas d'une observation discrète. De plus, nous déduisons la convergence presque sûre dans le cas d'une observation continue.Dans la seconde partie nous traitons l'estimation non-paramétrique de la fonction f(_) pour les modèles périodiques du type signal plus bruit et du type Ornstein-Uhlenbeck donnés par dζt = f (t)dt + σ(t)dWt, dξt = f (t)ξtdt + dWt. Pour le premier modèle, un estimateur à noyau périodique est construit, la convergence en moyenne quadratique uniformément sur [0; P] et presque sûre de cet estimateur est établie ainsi que sa normalité asymptotique. Dans le cas du modèle d'Ornstein-Uhlenbeck, la convergence du biais ainsi que la convergence en moyenne quadratique uniformément sur [0; P] sont prouvées, et leurs vitesses de convergence sont étudiées.

  • Titre traduit

    Parametric and not - parametric estimations for models of periodic distributions


  • Résumé

    In this thesis, we consider a drift estimation problem of a certain class of stochastic periodic processes when the length of observation goes to infinity. Firstly, we deal with the linear periodic signal plus noise model dζt = f (t, θ)dt + σ(t)dWt, ;and we study the parametric estimation from a continuous and discrete observation of the process f_tg throughout the interval [0; T]. Using the maximum likelihood method we show the existence of an estimator θˆT which is consistent, asymptotically normal and asymptotically efficient in the sens minimax. When f(t; _) = _f(t), the expression of ^_T is explicit and we obtain the mean square convergence in the both continuous and discrete observation cases. In addition, we deduce the strong consistency in the case of continuous observation.Secondly, we consider the nonparametric estimation problem of the function f(_) for the next two periodic models of type signal plus noise and Ornstein-Uhlenbeckd_t = f(t)dt + _(t)dWt; d_t = f(t)_tdt + dWt:For the signal plus noise model, we build a kernel estimator, the convergence in mean square uniformly over [0; P] and almost sure convergence are established, as well as the asymptotic normality. For the Ornstein-Uhlenbeck model, we prove the convergence uniformly over [0; P] of the bias and the mean square convergence. Moreover, we study the speed of these convergences.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Autre version

Cette thèse a donné lieu à une publication en 2015 par Université Rennes 2 à Rennes

Estimations paramétriques et non-paramétriques pour des modèles de diffusions périodiques


Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse ?

  • Bibliothèque : Université Rennes 2. Service commun de la documentation. Bibliothèque électronique.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.
Cette thèse a donné lieu à 1 publication .

Consulter en bibliothèque

Cette thèse a donné lieu à une publication en 2015 par Université Rennes 2 à Rennes

Informations

  • Sous le titre : Estimations paramétriques et non-paramétriques pour des modèles de diffusions périodiques
  • Détails : 1 vol. (133 p.)
  • Annexes : Bibliogr. p. 131-133
La version de soutenance de cette thèse existe aussi sous forme papier.

Où se trouve cette thèse ?

Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.