Contributions à la statistique de grande dimension, de dimension infinie et dans les espaces métriques

Contributions to high-dimensional, infinite-dimensional and nonlinear statistics

• Auteur / Autrice : Gabriel Romon
• Direction : Victor Emmanuel Brunel
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques appliquées
• Date : Soutenance le 15/12/2023
• Etablissement(s) : Institut polytechnique de Paris
• Ecole(s) doctorale(s) : École doctorale de mathématiques Hadamard (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Centre de Recherche en Economie et Statistique (Palaiseau ; 1993-....)
• Partenaire(s) de recherche : établissement opérateur d'inscription : École nationale de la statistique et de l'administration économique (Palaiseau ; 1960-....)
• Jury : Président / Présidente : Matthieu Lerasle
• Jury : Examinateurs / Examinatrices : Victor Emmanuel Brunel, Matthieu Lerasle, Antoine Godichon-Baggioni, Quentin Paris
• Jury : Rapporteurs / Rapporteuses : Antoine Godichon-Baggioni, Stanislav Minsker
• DOI : 10.70675/5e163283ze91fz4fa2z9129z92f9f798d3e3

Mots clés

Mots clés contrôlés

Statistique mathématique

Mots clés libres

Régression multivariée

Quantile géométrique

Moyenne de Fréchet

Statistique en grande dimension

Statistique en dimension infinie

Statistique dans les espaces métriques

Multi-Task regression

Geometric quantile

Fréchet mean

High-Dimensional statistics

Infinite-Dimensional statistics

Nonlinear statistics

Résumé

Trois problèmes sont abordés dans cette thèse: l'inférence en régression multi-tâche de grande dimension, les quantiles géométriques dans les espaces normés de dimension infinie, et les moyennes de Fréchet généralisées dans les arbres métriques. Premièrement, nous considérons un modèle de régression multi-tâche avec une hypothèse de sparsité sur les lignes de la matrice paramètre. L'estimation est faite en haute dimension avec l'estimateur Lasso multi-tâche. Afin de corriger le biais induit par la pénalité, nous introduisons un nouvel objet dépendant uniquement des données que nous appelons matrice d'interaction. Cet outil nous permet d'établir des résultats asymptotiques avec des lois limites normales ou chi². Il en découle des intervalles de confiance et des ellipsoïdes de confiance, qui sont valides dans des régimes de sparsité qui ne sont pas couverts par la littérature existante. Deuxièmement, nous étudions le quantile géométrique, qui généralise le quantile classique au cadre des espaces normés. Nous commençons par fournir de nouveaux résultats sur l'existence et l'unicité des quantiles géométriques. L'estimation est effectuée avec un M-estimateur approché et nous examinons ses propriétés asymptotiques en dimension infinie. Quand le quantile théorique n'est pas unique, nous utilisons la théorie de la convergence variationnelle pour obtenir des résultats asymptotiques sur les sous-suites dans la topologie faible. Quand le quantile théorique est unique, nous montrons que l'estimateur est consistant pour la topologie de la norme dans une large classe d'espaces de Banach, en particulier dans les espaces séparables et uniformément convexes. Dans les Hilbert séparables nous démontrons des représentations de Bahadur-Kiefer de l'estimateur, dont découle immédiatement la normalité asymptotique à la vitesse paramétrique. Finalement, nous considérons des mesures de tendance centrale pour des données vivant sur un réseau, qui est modélisé par un arbre métrique. Les paramètres de localisation que nous étudions sont appelés moyennes de Fréchet généralisées: elles sont obtenues en remplaçant le carré dans la définition de la moyenne de Fréchet par une fonction de perte convexe et croissante. Nous élaborons une notion de dérivée directionnelle dans l'arbre, ce qui nous aide à localiser et caractériser les minimiseurs. Nous examinons les propriétés statistiques du M-estimateur correspondant: nous étendons le concept de moyenne collante au contexte des arbres métriques, puis nous obtenons un théorème collant non-asymptotique et une loi des grands nombres collante. Pour la médiane de Fréchet, nous établissons des bornes de concentration non-asymptotiques et des théorèmes central limite collants.

Three topics are explored in this thesis: inference in high-dimensional multi-task regression, geometric quantiles in infinite-dimensional Banach spaces and generalized Fréchet means in metric trees. First, we consider a multi-task regression model with a sparsity assumption on the rows of the unknown parameter matrix. Estimation is performed in the high-dimensional regime using the multi-task Lasso estimator. To correct for the bias induced by the penalty, we introduce a new data-driven object that we call the interaction matrix. This tool lets us develop normal and chi-square asymptotic distribution results, from which we obtain confidence intervals and confidence ellipsoids in sparsity regimes that are not covered by the existing literature. Second, we study the geometric quantile, which generalizes the classical univariate quantile to normed spaces. We begin by providing new results on the existence and uniqueness of geometric quantiles. Estimation is then conducted with an approximate M-estimator and we investigate its large-sample properties in infinite dimension. When the population quantile is not uniquely defined, we leverage the theory of variational convergence to obtain asymptotic statements on subsequences in the weak topology. When there is a unique population quantile, we show that the estimator is consistent in the norm topology for a wide range of Banach spaces including every separable uniformly convex space. In separable Hilbert spaces, we establish novel Bahadur-Kiefer representations of the estimator, from which asymptotic normality at the parametric rate follows. Lastly, we consider measures of central tendency for data that lives on a network, which is modeled by a metric tree. The location parameters that we study are called generalized Fréchet means: they obtained by relaxing the square in the definition of the Fréchet mean to an arbitrary convex nondecreasing loss. We develop a notion of directional derivative in the tree, which helps us locate and characterize the minimizers. We examine the statistical properties of the corresponding M-estimator: we extend the notion of stickiness to the setting of metrics trees, and we state a non-asymptotic sticky theorem, as well as a sticky law of large numbers. For the Fréchet median, we develop non-asymptotic concentration bounds and sticky central limit theorems.