Menee conjointement par UL, cette recherche explore les lois gaussiennes inverses généralisées et de Kummer via la méthode de Stein.
L'Essentiel : Menee conjointement par UL, cette recherche explore les lois gaussiennes inverses généralisées et de Kummer via la méthode de Stein.
Essomanda Konzou, chercheur·e au sein de IECL (Université de Lorraine).
Thèse soutenue en 2020 à l'école doctorale École doctorale IAEM Lorraine - Informatique, Automatique, Électronique - Électrotechnique, Mathématiques de Lorraine.
Cette recherche est le fruit d'une cotutelle internationale entre plusieurs institutions partenaires.
Contexte et Problématique
Les lois gaussiennes inverses généralisées et les lois de Kummer sont des objets d'étude importants dans la théorie des probabilités. Ces lois présentent des caractéristiques uniques qui en font des candidates intéressantes pour des applications dans divers domaines, notamment la statistique et la modélisation des phénomènes aléatoires. La méthode de Stein, qui est un outil puissant pour analyser la convergence des lois de probabilité, est ici appliquée pour examiner ces lois spécifiques. L'intérêt principal de cette recherche réside dans l'établissement de bornes pour la vitesse de convergence de ces distributions vers des lois limites pertinentes, telles que la loi gamma et la loi gaussienne inverse généralisée.
L'étude des lois gaussiennes inverses est particulièrement pertinente dans les contextes où la modélisation des risques et des rendements est nécessaire. Les applications pratiques de ces lois dans des domaines tels que la finance et la biostatistique soulignent l'importance d'une compréhension approfondie de leurs propriétés. En se penchant sur les bornes de convergence, cette recherche vise à fournir des outils mathématiques qui peuvent faciliter une meilleure utilisation de ces lois dans des modèles statistiques complexes.
Méthodologie
La recherche d'Essomanda Konzou s'articule autour de l'application de la méthode de Stein dans le cadre des lois gaussiennes inverses généralisées et des lois de Kummer. L'auteur commence par établir l'opérateur de Stein pour chacune de ces lois, en résolvant les équations différentielles associées. Cette résolution est nécessaire pour appliquer la méthode de Stein, qui repose sur la relation entre la loi de la variable aléatoire étudiée et la loi limite.
Les techniques utilisées pour obtenir les bornes de la solution et de ses dérivées sont fondées sur le fait que les densités de ces lois satisfont une équation différentielle particulière, où ( g ) représente la densité, ( s ) et ( \tau ) sont des fonctions polynômes. L'application de cette méthode permet d'obtenir des bornes pour la vitesse de convergence des lois gaussiennes inverses généralisées et de Kummer vers la loi gamma, ainsi que pour d'autres distributions pertinentes.
L'approche itérative mise en œuvre pour les bornes des dérivées successives constitue un aspect central de la méthodologie. Bien que certaines des bornes ne soient pas explicites, elles sont dérivées d'un cadre mathématique rigoureux qui garantit leur validité. Cette rigueur est essentielle pour assurer la robustesse des résultats obtenus.
Résultats Principaux
L'une des contributions majeures de cette thèse est l'établissement d'une borne pour la vitesse de convergence des lois étudiées. Les résultats démontrent que les lois gaussiennes inverses généralisées convergent vers la loi gamma, tandis que la loi hyperbolique généralisée se rapproche de la loi gaussienne inverse généralisée. De plus, une suite de variables aléatoires associée à des contextes de résistances aléatoires converge également vers la loi gaussienne inverse réciproque.
Les opérateurs de Stein pour les lois gaussiennes inverses et de Kummer ont été explicitement caractérisés, et les équations différentielles correspondantes ont été résolues avec succès. Les bornes obtenues pour la solution et ses dérivées successives fournissent des informations précieuses sur le comportement asymptotique des distributions considérées.
La recherche a également mis en lumière la relation de convolution entre la loi de la suite de variables aléatoires et la loi limite, un élément clé pour l'estimation des vitesses de convergence. Ces résultats ouvrent la voie à des applications pratiques dans des domaines tels que la finance, où les modèles statistiques peuvent bénéficier d'une meilleure compréhension des lois de probabilité en jeu.
Discussion et Perspectives
Les résultats de cette thèse apportent des avancées significatives dans l'analyse des lois gaussiennes inverses généralisées et de Kummer. Les outils mathématiques développés, ainsi que les bornes établies pour la vitesse de convergence, offrent des perspectives intéressantes pour des applications pratiques dans divers domaines. Il est pertinent de considérer comment ces résultats peuvent être intégrés dans des modèles statistiques utilisés par les chercheurs et les praticiens.
L'intégration des théories développées dans cette recherche dans des contextes pratiques, comme la finance et la santé, pourrait améliorer la précision des modèles prédictifs. De plus, l'exploration de la généralisation des résultats à d'autres types de lois de probabilité pourrait enrichir le champ de recherche et offrir de nouvelles avenues d'investigation.
Les implications de cette recherche sont vastes, et il serait fructueux de poursuivre les études sur les lois gaussiennes inverses et leurs applications. Les travaux futurs pourraient se concentrer sur l'élargissement des résultats à d'autres familles de lois de probabilité, ainsi que sur l'exploration de nouvelles méthodes de convergence. Cela pourrait non seulement renforcer la validité des modèles statistiques, mais également apporter des contributions significatives à la théorie des probabilités.
Accéder à l'étude complète
Sources et accès
Essomanda Konzou. Lois gaussiennes inverses (généralisées), lois de Kummer et méthode de Stein. Mathématiques [math]. Université de Lorraine; Université de Lomé (Togo), 2020. Français. ⟨NNT : 2020LORR0147⟩. ⟨tel-03127767⟩