Propriétés statistiques du barycentre dans l’espace de Wasserstein
Auteur / Autrice : | Elsa Cazelles |
Direction : | Jérémie Bigot, Nicolas Papadakis |
Type : | Thèse de doctorat |
Discipline(s) : | Mathématiques appliquées et calcul scientifique |
Date : | Soutenance le 21/09/2018 |
Etablissement(s) : | Bordeaux |
Ecole(s) doctorale(s) : | École doctorale Mathématiques et informatique (Talence, Gironde ; 1991-....) |
Partenaire(s) de recherche : | Laboratoire : Institut de mathématiques de Bordeaux |
Jury : | Président / Présidente : Gérard Biau |
Examinateurs / Examinatrices : Jérémie Bigot, Nicolas Papadakis, Gérard Biau, Eustasio del Barrio, Gabriel Peyré, Marco Cuturi, Claire Lacour | |
Rapporteurs / Rapporteuses : Eustasio del Barrio, Gabriel Peyré |
Mots clés
Mots clés contrôlés
Résumé
Cette thèse se concentre sur l'analyse de données présentées sous forme de mesures de probabilité sur R^d. L'objectif est alors de fournir une meilleure compréhension des outils statistiques usuels sur cet espace muni de la distance de Wasserstein. Une première notion naturelle est l'analyse statistique d'ordre un, consistant en l'étude de la moyenne de Fréchet (ou barycentre). En particulier, nous nous concentrons sur le cas de données (ou observations) discrètes échantillonnées à partir de mesures de probabilité absolument continues (a.c.) par rapport à la mesure de Lebesgue. Nous introduisons ainsi un estimateur du barycentre de mesures aléatoires, pénalisé par une fonction convexe, permettant ainsi d'imposer son a.c. Un autre estimateur est régularisé par l'ajout d'entropie lors du calcul de la distance de Wasserstein. Nous nous intéressons notamment au contrôle de la variance de ces estimateurs. Grâce à ces résultats, le principe de Goldenshluger et Lepski nous permet d'obtenir une calibration automatique des paramètres de régularisation. Nous appliquons ensuite ce travail au recalage de densités multivariées, notamment pour des données de cytométrie de flux. Nous proposons également un test d'adéquation de lois capable de comparer deux distributions multivariées, efficacement en terme de temps de calcul. Enfin, nous exécutons une analyse statistique d'ordre deux dans le but d'extraire les tendances géométriques globales d'un jeu de donnée, c'est-à-dire les principaux modes de variations. Pour cela nous proposons un algorithme permettant d'effectuer une analyse en composantes principales géodésiques dans l'espace de Wasserstein.