Thèse en cours

Analyse en composantes principales fonctionnelle : taux minimax sur une grille fixe et application aux processus ponctuels répliqués

FR  |  
EN
AttentionLa soutenance a eu lieu le 22/10/2026. Le document qui a justifié du diplôme est en cours de traitement par l'établissement de soutenance.
Auteur / Autrice : Nassim Bourarach
Direction : Vincent Rivoirard, Franck Picard
Type : Projet de thèse
Discipline(s) : Sciences
Date : Inscription en doctorat le
Soutenance le 22/10/2026
Etablissement(s) : Université Paris sciences et lettres
Ecole(s) doctorale(s) : SDOSE Sciences de la Décision, des Organisations, de la Société et de l'Echange
Partenaire(s) de recherche : Laboratoire : Centre de Recherche en Mathématiques de la Décision
établissement opérateur d'inscription : Université Paris Dauphine - PSL
Jury : Président / Présidente : Madalina Olteanu
Examinateurs / Examinatrices : Vincent Rivoirard, André Mas, Fabienne Comte, Angelina Roche, Franck Picard, Sophie Dabo, Valentin Patilea
Rapporteurs / Rapporteuses : André Mas, Fabienne Comte

Résumé

FR  |  
EN

Cette thèse s’inscrit dans le domaine de l’analyse des données fonctionnelles, c’est-à-dire l’étude statistique de courbes aléatoires. On y étudie comment les mécanismes d’observation et les choix de représentation influencent la construction, l’estimation et l’utilisation des composantes principales fonctionnelles. Elle traite deux situations complémentaires : l’estimation d’une cible fonctionnelle lorsque les trajectoires de processus stochastiques sur [0,1] sont observées imparfaitement, et la construction de coordonnées fonctionnelles pour des processus ponctuels répliqués sur [0,1], dont les réalisations sont entièrement observées. La première partie considère n fonctions aléatoires observées uniquement aux p points d’une grille commune et de façon bruitée. Elle montre que la régularité du noyau de covariance ne suffit pas à garantir l’estimation minimax de ses fonctions propres : leur stabilité dépend aussi de quantités spectrales, notamment de la séparation autour du rang considéré. Des bornes inférieures minimax distinguent alors l’erreur d’échantillonnage, l’erreur de discrétisation et la difficulté spectrale. Le risque fait apparaître un terme inversement proportionnel au nombre de courbes, auquel s’ajoute un terme de discrétisation inversement proportionnel à p élevé à deux fois l’indice de régularité. Un estimateur par projection sur une base de coiflets atteint cette dépendance minimax optimale en taille d’échantillon et en résolution de grille pour différentes régularités. Des simulations illustrent la transition entre les régimes dominés par l’échantillonnage et par la discrétisation conformément à la théorie. La seconde partie porte sur des processus ponctuels répliqués sur [0,1], représentés par leurs fonctions de comptage cumulées. À partir de ce plongement, la thèse exploite le modèle de Poisson inhomogène pour construire une géométrie intrinsèque liée à la mesure moyenne. Dans cette géométrie, la covariance cumulative admet une diagonalisation explicite. La loi jointe des D premiers scores d’ACP dans cet espace est caractérisée comme une loi de Poisson composée. À dimension fixée, une approximation gaussienne en variation totale est obtenue lorsque le nombre moyen d’événements augmente ; son erreur décroît comme l’inverse de la racine carrée de ce nombre moyen. La thèse présente ensuite des estimateurs de ces scores dont le risque quadratique décroît comme l’inverse du nombre de répliques, pour un nombre fixé de coordonnées. Cette construction est adaptée à la classification binaire de processus ponctuels sur [0,1] : les observations sont projetées sur les D premiers scores définis dans une référence commune, puis comparées par une règle d’analyse discriminante quadratique. Une borne contrôle l’excès de risque par rapport à la règle de Bayes de l’expérience projetée sur ces D scores. Des simulations et une étude exploratoire de catalogues de séismes complètent l’analyse.