Caractérisation des performances minimales d’estimation pour des modèles d’observation non-standards

Chengfang Ren
Soutenance de thèse de doctorat le 28 Septembre 2015, 14h00 à CentraleSupelec (Gif-sur-Yvette) Amphi Janet

Dans le contexte de l'estimation paramétrique, les performances d'un estimateur peuvent être caractérisées, entre autre, par son erreur quadratique moyenne (EQM) et sa résolution limite. La première quantifie la précision des valeurs estimées et la seconde définit la capacité de l'estimateur à séparer plusieurs paramètres. Cette thèse s'intéresse d'abord à la prédiction de l'EQM "optimale" à l'aide des bornes inférieures pour des problèmes d'estimation simultanée de paramètres aléatoires et non-aléatoires (estimation hybride), puis à l'extension des bornes de Cramér-Rao pour des modèles d'observation moins standards. Enfin, la caractérisation des estimateurs en termes de résolution limite est également étudiée. Cette thèse est donc divisée en trois parties :

- Premièrement, nous complétons les résultats de littérature sur les bornes hybrides en utilisant deux bornes bayésiennes : la borne de Weiss-Weinstein et une forme particulière de la famille de bornes de Ziv-Zakaï. Nous montrons que ces bornes "étendues" sont plus précises pour la prédiction de l'EQM optimale par rapport à celles existantes dans la littérature.

- Deuxièmement, nous proposons des bornes de type Cramér-Rao pour des contextes d'estimation moins usuels, c'est-à-dire : (i) Lorsque les paramètres non-aléatoires sont soumis à des contraintes d'égalité linéaires ou non-linéaires (estimation sous contraintes). (ii) Pour des problèmes de filtrage à temps discret où l'évolution des états (paramètres) est régit par une chaîne de Markov. (iii) Lorsque la loi des observations est différente de la distribution réelle des données.

- Enfin, nous étudions la résolution et la précision des estimateurs en proposant un critère basé directement sur la distribution des estimées. Cette approche est une extension des travaux de Oh et Kashyap et de Clark pour des problèmes d'estimation de paramètres multidimensionnels.

 

Membres du jury :
M. Jean-Yves Tourneret  Professeur à l’INP-ENSEEIHT Toulouse  (Rapporteur)
M. Philippe Forster  Professeur à l’Université Paris-Ouest  (Rapporteur)
M. Cédric Richard  Professeur à l’Université Nice Sophia-Antipolis  (Examinateur)
M. Karim Abed-Meraim  Professeur à l’Université d’Orléans  (Examinateur)
M. Éric Chaumette  Professeur à l’ISAE  (Encadrant de thèse)
M. Jérôme Galy   Maître de conférences à l’Université de Montpellier  (Encadrant de thèse)
M. Alexandre Renaux  Maître de conférences à l’Université Paris-Sud  (Directeur de thèse)


Mots clés : Estimation paramétrique, estimateurs au sens du maximum de vraisemblance, estimateurs au sens du maximum a posteriori, estimation hybride, analyse de performance, bornes inférieures de l'erreur quadratique moyenne, résolution limite statistique.