EQUIPE

STATISTIQUE

ET

MODELISATION STOCHASTIQUE

Responsable : A. Antoniadis

111

Equipe SMS

PRESENTATION GENERALE

L’equipe de Statistique et Modelisation Stochastique compte actuellement 13 enseignants-cher-cheurs, 4 chercheurs permanents et 13 doctorants. Elle accueille egalement 2 maıtres de conferencesnon publiant et 1 ingenieur de recherche. En Section 1, nous fournissons la liste des personnels presentsau 01.02.02 et des elements quant aux flux d’entrees-sorties depuis 1998. S’agissant des permanents,soulignons les departs en cours de contrat quadriennal de B. Ycart, J. Diebolt et O. Francois et lesarrivees en septembre 99 de A. Iouditski (qui etait precedemment CR a l’INRIA) et de S. Lambert (quiavait fait sa these au LMC mais a effectue un post-doctorat hors du laboratoire avant d’etre recrutee)et, en septembre 2000, de A. Bienvenue (qui a fait sa these a l’Universite de Lyon); mentionnons aussiles arrivees tres recentes de G. Fort, recrutee au 01.10.01 comme CR au CNRS (07) apres avoir faitun doctorat a l’ENST Paris, et de S. Girard, recrute au 01.02.02 comme MC a l’UJF (26) et venu deMontpellier dans le cadre d’une mutation.

Depuis 1998, les activites de recherche de l’equipe se sont developpees activement autour desdirections suivantes:

• Inference fonctionnelle (Methodes d’ondelettes, Analyse de ruptures, Tests fonctionnels, Recalagedynamique,. . . ),

• Statistique des processus (Analyse des series chronologiques, Inference pour les processus ponc-tuels, Inference dans les modeles fractionnaires, . . . ),

• Algorithmes probabilistes (Optimisation et Classification, Algorithmes de population, Approxi-mation stochastique, Methodes MCMC, . . . ),

• Modeles et inference pour la fiabilite et la maintenance (Fiabilite des systemes materiels etlogiciels, valeurs extremes, . . . ),

• Approches statistiques orientees vers divers domaines d’applications (Problemes inverses, Separa-tion de sources et analyse en composantes independantes, Assimilation de donnees en Oceanogra-phie, Biopuces, Genomique fonctionnelle, Traitement de signaux bio-medicaux, . . . ).

Une presentation synthetique de la maniere dont les activites de l’equipe s’inserent dans la vie dela communaute scientifique (collaborations universitaires ou industrielles, participations a des projetsregionaux, nationaux ou internationaux, a l’edition de revues,. . . ) est faite dans les Sections 4 a 6.Dans cette introduction, nous choisissons de mettre l’accent sur quelques cadres de partenariat fort, al’interieur ou a l’exterieur du laboratoire, ou se sont inscrites bon nombre des activites et auxquels nousfaisons reference dans la suite; noter que certaines des contributions correspondantes de l’equipe fonten fait l’objet d’une description plus complete que celle figurant dans la suite du present rapport dansles rapports autonomes des Projets IDOPT et SASI. Ainsi, la periode 1998-2001 a ete marquee parune participation active au Projet IDOPT du laboratoire sur le versant des methodes de filtrage pourl’assimilation de donnees et des approches statistiques pour les problemes inverses. Au plan grenoblois,un partenariat avec le “Laboratoire des Images et Signaux” (LIS) autour des approches statistiquesen traitement du signal s’est renforce: dans le prolongement de relations bien etablies depuis plusieursannees, le LMC, a travers l’equipe SMS, et le LIS se sont associes depuis l’annee 2000 dans le ProjetELESA-IMAG SASI “Statistique Avancee pour le Signal et les Images”, centre sur la separation de

113

Equipe SMS

sources et les algorithmes stochastiques; une proposition commune sur ces themes a aussi ete retenuedans le cadre du Projet Europeen BLISS “BLind Sources Separation and Applications”. Au plan despartenariats au sein de l’IMAG et mettant en jeu des collaborations transverses au LMC, l’equipeSMS est aussi partie prenante de deux projets qui ont ete labellises par la Federation au courant del’annee 2001: AMOA “Analyse Multiresolution, Ondelettes et Applications” et GEN “Groupe d’EtudeNumerique du genome”; les activites correspondantes beneficient egalement du soutien de la RegionRhone-Alpes a travers le Projet ADEMO. Une Action de Recherche Concertee Locale formalisant descollaborations deja actives entre l’equipe SMS et le Projet IS2 de l’INRIA Rhone-Alpes a debute en2001: FIMA, “modeles aleatoires pour la FIabilite et la MAintenance”.

S’agissant du bilan scientifique 1998-2001, dans la Section 2 nous faisons une presentation detailleedes travaux realises dans les differents domaines et des resultats qui ont ete obtenus. Concernantles principales publications de l’equipe, la liste fournie en Section 3 fait apparaıtre sur quatre ans94 articles dans les revues, 37 dans les actes de congres avec comite de lecture et 13 chapitres ouarticles dans les ouvrages collectifs. Le bilan de la formation doctorale est de 11 theses et 1 Diplomed’Habilitation a Diriger des Recherches soutenus.

Pour ce qui est des perspectives, nous entendons poursuivre de maniere equilibree et complementairele developpement de recherches centrees sur les outils theoriques de Statistique et de ModelisationStochastique autour des lignes forces:

• Methodes statistiques pour l’identification de modeles non lineaires pour des systemes evolutifsde grande dimension,

• Techniques pour la reduction et la classification de donnees et pour la selection de modeles,

• Analyse de processus non stationnaires et a longue dependance.

• Approches statistiques pour les problemes inverses,

et le developpement de travaux a l’interface avec d’autres domaines scientifiques, notamment:

• Traitement du signal et des images,

• Modelisation et optimisation de systemes physiques et technologiques,

• Analyse et modelisation de systemes biologiques.

Principaux Mots-Cles : inference fonctionnelle, ondelettes, statistique des processus, processusfractionnaires, filtrage, commande, series chronologiques, probabilites appliquees, algorithmes sto-chastiques, optimisation, classification, methodes particulaires, fiabilite, maintenance, genomique fonc-tionnelle, separation de sources, assimilation de donnees.

114

Equipe SMS

1 COMPOSITION DE L’EQUIPE

Responsable

A. Antoniadis PR UJF, 26

Chercheurs et Enseignants – Chercheurs permanents (au 01.02.02)

M. Beguin MC INPG, 26A. Bienvenue MC INPG, 26 (01.09.00)E. Cretois MC UPMF, 26S. Degerine PR UJF, 26G. Fort CR CNRS, 07 (01.10.01)O. Gaudoin MC INPG, 26D. Girard CR CNRS, 01S. Girard MC UJF, 26 (01.02.02)G. Gregoire PR UPMF, 26A. Iouditski PR UJF, 26 (01.09.99)S. Lambert-Lacroix MC UJF, 26 (01.09.99)F. Leblanc MC UJF, 26A. Le Breton PR UJF, 26D. T. Pham DR CNRS, 01J-L. Soler PR INPG, 26M. Viot CR CNRS, 01

Doctorants (inscrits en 2001–2002)

S. Achard Bourse MEN (01.09.00), Dir.: D.T. PhamH. Boumaraf Bourse MEN (01.10.01) , Dir.: D.T. Pham & C. Serviere (LIS)J. Bigot Bourse MEN (01.09.00), Dir.: A. AntoniadisC. Bracquemond Bourse CIFRE (01.10.98), Dir.: O. GaudoinA. Cercueil Bourse AMX (01.09.00), Dir.: O. FrancoisK. Dahia Bourse DGA-ONERA (01.09.01), Dir.: D.T. PhamL. Doyen Bourse MEN (01.02.01), Dir.: O. GaudoinS. Fontaine Bourse ADEME (01.10.99), Dir.: A. Antoniadis & A. Le BretonM. Garrido Bourse EDF (01.12.98), Dir.: J. DieboltV. Guigues Bourse MEN (01.09.01), Dir.: A. IoudistkiE. Kane Bourse Senegal (01.10.01), Dir.: S. DegerineJ. Peyre Bourse MEN (01.09.01), Dir.: A. AntoniadisO. Radouane Vacataire (01.10.99), Dir.: E. Cretois & J. Diebolt

Autres personnels rattaches (au 01.02.02)

R. Blacher IR CNRS, BAP 1C. Desprez MC UJF, 26 (Non publiant)J.-Y. Ouvrard MC UJF, 26 (Non publiant)

115

Equipe SMS

Departs de l’equipe (entre le 01.01.98 et le 01.02.02)

J. Diebolt DR CNRS, 01 – 01.09.00 – Univ. Marne-la-ValleeO. Francois MC INPG, 26 – 01.09.01 – PR INPG, TIMCB. Ycart PR UJF, 26 – 01.09.99 – Univ. Paris 5R. Boumaza Doct. (Dir.: B. Ycart) – 01.09.99 – MC, Univ. AngersC. Bracquemond Doct. (Dir.: O. Gaudoin) – 01.02.02 – Ingenieur PechineyS. Carme Doct. (Dir.: D.T. Pham) – 01.09.00 – ATER, Univ. LyonJ.-F. Coeurjolly Doct. (Dir.: A. Antoniadis) – 01.09.01 – MC, UPMFZ. Hamrouni Doct. (Dir.: G. Gregoire) – 01.09.00 – EntrepriseI. Hoteit Doct. (Dir.: D.T. Pham & J. Blum) – 01.09.01 – Post-DoctoratS. Lambert Doct. (Dir.: S. Degerine) – 01.09.98 – Post-Doc. – MC, UJFM. Ould Doct. (Dir. O. Francois) – 01.09.01 – Ingenieur XeroxC. Trottier Doct. (Dir. C. Lavergne) – 01.09.98 – MC, Univ. Lille 1A. Zaidi Doct. (Dir.: S. Degerine) – 01.09.01 – Ingenieur CEAC. A. Zahalca Doct. (Dir.: O. Gaudoin & J.L. Soler) – 01.09.00 – Entreprise

Visiteurs etrangers (entre le 01.01.98 et le 01.02.02)

F. Abramovich Universite de Tel-Aviv, Israel, 1 moisC. Angelini CNR Naples, Italie, 2 moisD. De Canditiis CNR Naples, Italie, 2 moisJ. Fan Universite de Caroline du Nord, USA, 3 moisI. Gijbels UCL, Belgique, 1 moisM. Huskova Universite de Prague, Rep. Tcheque, 1 moisM. Kleptsyna Academie des Sciences, Moscou, Russie, 12 moisA. Latour Universite de Montreal, Canada, 1 moisI. McKeague Universite de Floride-Tahalassee, USA, 2 moisM. Musiela UNSW, Kensington, Australie, 2 moisJ. Nembe Universite de Libreville, Gabon, 1 moisA. Pazman Universite Comenius Bratislava, Slovaquie, 1 moisF. Sapatinas Universite de Canterbury, G.-B., 1 moisM. Xie National University of Singapore, 2 mois

116

Equipe SMS

2 ACTIVITES DE RECHERCHE

Nous presentons ici de maniere detaillee par themes et sous-themes le bilan des activites et des con-tributions de l’equipe entre 1998 et 2001.

2.1 Inference fonctionnelle et Methodes semi ou non-parametriques

Les travaux sur ce theme ont ete conduits principalement autour de A. Antoniadis, J. Diebolt, D. Gi-rard, G. Gregoire, A. Iouditski, S. Lambert-Lacroix, F. Leblanc et D.T. Pham. Dans le contextede l’inference statistique, notamment de l’estimation fonctionnelle non parametrique, la theorie desondelettes et des analyses multiresolution a pris de plus en plus d’importance, a cause du caracterede localisation qu’elles possedent. De nombreux travaux de l’equipe ont concerne le developpementde methodes statistiques fondees sur ces outils; certains d’entre eux, orientes vers la resolution deproblemes inverses, se sont inscrits dans le cadre du Projet IDOPT (cf. la partie “TechniquesStochastiques” du rapport correspondant) et d’autres ont contribue au Projet AMOA. D’autresdeveloppements en statistique semi ou non-parametrique qui se demarquent des outils multiresolutionont aussi ete realises.

2.1.1 Methodes d’ondelettes

• Echantillonnage aleatoire en regression – Alors qu’en traitement du signal il est souvent raisonablede supposer que l’echantillonnage des signaux observes est a pas regulier, cela est rarement le casen regression ou assez generalement l’echantillonnage est aleatoire. Sur la base d’une technique de“binning” preliminaire qu’il avait elaboree avec D.T. Pham pour l’estimation de la densite ou de lafonction de regression par ondelettes (A98[2]), A. Antoniadis a recemment mis au point avec J. Fan unemethode adaptee a l’echantillonnage aleatoire en regression (A01[3]). Cette methode hybride consistea interpoler les donnees dans un espace de Sobolev sous contrainte de norme minimale et a debruiterensuite le signal interpole par des methodes de penalisation (ou regularisation) de ses coefficientsd’ondelettes avec des penalites de type Lp (p ≤ 1). Les problemes d’optimisation non-convexe ainsiposes ont ete resolus par des methodes d’optimisation stochastique. Les resultats ont ete presentesdans deux conferences plenieres avec discussion au “Joint Statistical Meeting 2001” organise par l’ASAet l’Institute of Mathematical Statistics (E01[4, 3]).

• Approches minimax – Pour le probleme d’estimation d’une densite de probabilite f definie sur ladroite reelle, l’etude menee dans A01[23] par A. Iouditski et S. Lambert porte sur le comportementminimax pour le risque Lp, 1 < p ≤ ∞ lorsque f appartient a une classe de Holder et etablit la borneinferieure de ce risque. Il est egalement montre que les estimateurs lineaires ne sont pas efficaces et unestimateur par ondelettes est construit de sorte a atteindre, a un facteur logarithmique de la taille del’echantillon pres, la borne inferieure. Dans le cadre minimax ont ete egalement abordes les problemesd’estimation des intervalles de confiance pour des algorithmes adaptatifs d’inference fonctionnelle.Dans A01[24] sont obtenues des vitesses optimales d’estimation de l’erreur pour des estimateurs non-parametriques. Des methodes asymptotiquement optimales de construction des boules de confiancepour des estimateurs adaptatifs par ondelettes sont proposees dans E99[8].

• Identification sous erreurs non gaussiennes – Les methodes d’identification de fonctions par on-

117

Equipe SMS

delettes reposent en general sur l’hypothese par trop restrictive de distribution gaussienne des erreursd’observation. Ces methodes ont ete etendues par A. Antoniadis et T. Sapatinas a des distributionsd’erreurs de type exponentiel avec une variance qui peut etre une fonction lineaire, quadratique oucubique de la moyenne (A01[8, 7]). C’est dans ce cadre que s’inscrit aussi le travail concernant laregression par methode d’ondelettes pour des donnees binaires mene par A. Antoniadis et F. LeblancA00[2].

• Recalage et alignement de courbes – L’alignement de deux courbes peut s’envisager a partir de laposition de leurs points caracteristiques (extrema, points d’inflexion, singularites). Les ondelettessont un outil tres puissant pour la caracterisation de la structure locale d’un signal; en particulier,il est possible de detecter les points caracteristiques d’une fonction en suivant la propagation deszero-crossings et des maxima de sa transformee en ondelettes quand le niveau de resolution augmente.Dans son travail de these commence en 2000, J. Bigot developpe avec A. Antoniadis une approche nonparametrique par ondelettes pour estimer ces caracteristiques d’un signal bruite a differentes echelles.Cette approche permet de resoudre efficacement des problemes de recalage ou d’alignement de courbescorrespondant a des fonctions observees de maniere bruitee dans la mesure ou elle permet d’eliminerles erreurs d’estimation dues au bruit. Une application au probleme de l’alignement de courbes decroissance chez des adolescents sert d’illustration des methodes proposees. Sur ce travail effectueen 2001 un rapport de recherche est en cours de redaction et sont prevues une communication auxJournees de la SFDS a Bruxelles en 2002 et une conference invitee en Crete en Juillet 2002.

• Methodes d’ondelettes diverses – D’autres travaux, fondes sur des decompositions en ondelettes,ont ete effectues sur des sujets plus ponctuels. On peut citer dans ce cadre l’inference dans lesmodeles additifs generalises par methodes d’ondelettes (A01[1]), la compression de donnees (A98[1]),l’estimation par methode d’ondelettes d’une fonction de regression dans un modele mixte (E00[2],F00[3]). A. Antoniadis et G. Gregoire ont traite avec G. Nason le probleme de l’estimation d’unedensite et d’une fonction de hasard en presence de censure par methode d’ondelettes (A99[4]). DansA99[1] et E98[1] et avec I. Gijbels dans A01[5] et E00[3]), A. Antoniadis a etudie les problemes lies a ladetection de ruptures dans un signal bruite, par transformee en ondelettes. Avec B. MacGibbon, ils ontetendu ce type de methodes aux fonctions de hasard en situation de censure (A00[1]). De nombreusesprocedures developpees dans ces travaux ont ete resumees et etudiees dans A01[2] et implementeesdans une boıte a outils MATLAB.

Publications : 1998 – A–[2, 1] – C–[4] – E–[1, 11, 8]1999 – A–[4] – E–[1, 2, 8, 4]2000 – A–[2] – E–[4, 3, 9, 2] – F–[3]2001 – A–[7, 1, 3, 8, 2, 24, 23] – E–[2, 3, 4, 11]

2.1.2 Methodes semi ou non-parametriques

• Analyse de discontinuites par regression lineaire locale – L’analyse des ruptures par methodes non-parametriques a aussi ete un sujet privilegie. Z. Hamrouni dans le cadre de sa these (D99[3]) a etudieavec G. Gregoire les problemes d’inference statistique pour les discontinuites par regression lineairelocale. La methode developpee est basee sur le principe d’une estimation par lissage d’une limite agauche et d’une limite a droite. Utilisant une methode de changement d’echelle et de dilatation auvoisinage de la discontinuite, ils ont notamment obtenu un estimateur de la localisation convergeant en

118

Equipe SMS

n−1 (A01[19]). Ils ont par aillleurs defini des procedures de detection, d’estimation du nombre de dis-continuites et de segmentation (A01[18], F00[6], E99[7], E00[8]). M. Huskova (Prague) et G. Gregoireont recemment etudie les proprietes d’un test global d’existence d’une discontinuite et ont commencea developper une collaboration sur le theme de l’analyse de ruptures.

• Tests pour les fonctions de regression et d’autoregression – F. Leblanc a propose avec O. Lepski(A01[33]) deux tests de symetrie pour une fonction de regression de regularite fixee. En collabora-tion avec A. Nemirovski (Technion, Haifa), A. Ioudistski a etudie A02[27] le probleme de test non-parametrique d’hypotheses de monotonie et de convexite d’une fonction. Ils ont etabli dans le cadreminimax des vitesses optimales de test et propose des algorithmes asymptotiquement optimaux.J. Diebolt a travaille sur les tests d’adequation non parametriques de modeles de fonctions de regressionou d’autoregression (F98[4]). Avec J. Zuber, qui a soutenu une these sous sa direction a l’Ecole Poly-technique Federale de Lausanne, il a propose une statistique de test reposant sur le developpement deKarhunen-Loeve du processus gaussien limite A99([8], B99[12, 14, 13]). Ils ont continue par l’etuded’une version de type demi-echantillon et celle du probleme de la contiguıte de l’hypothese nulle et desuites d’alternatives locales en n−1/2.

• Estimation de parametres macroscopiques – Dans bon nombre de problemes de modelisation non-parametrique rencontres en econometrie, la question interessante est d’etablir une estimation deparametres macroscopiques ou spatiaux d’un modele peu specifier. Un exemple classique de ce type estfourni par le probleme d’estimation de l’indice spatial dans le modele de type “single-index”. En col-laboration avec M. Hristach (ENSAI, Rennes) et V. Spokoiny (WIAS, Berlin), A. Ioudistski a proposedans A01[22] une nouvelle methode d’estimation du coefficient d’indice dans un modele “single-index”,qui est basee sur des ameliorations iteratives de l’estimateur de la derivee moyenne. L’estimee quien resulte est

√n–consistante. Cette collaboration a continue dans le cadre de l’estimation dans un

modele de type “multi-index” (A01[21]). A. Antoniadis, G. Gregoire et I. McKeague (F01[10]) ontrecemment propose une methode bayesienne ameliorant les qualites de cet estimateur.

• Autres developpements – Dans le prolongement de la these de J. Nembe sur l’estimation de la fonctiond’intensite d’un processus ponctuel par la methode de complexite minimale, des resultats sur la vitessede convergence de ces estimateurs ont ete obtenus par G. Gregoire et J. Nembe (A00[15], F99[2]).Dans un travail recent (F00[1]), A. Antoniadis et G. Gregoire, en collaboration avec U. Amato du CNRde Naples, ont exploite l’ACI (Analyse en Composantes Independantes) pour definir un estimateurnon parametrique d’une densite multidimensionnelle pour ses applications en analyse discriminante.R. Blacher a poursuivi son travail sur l’utilisation des fonctions orthogonales et particulierementdes polynomes orthogonaux en probabilites et statistique: theoreme de la limite centrale, etude descoefficients de correlation d’ordre superieur, lois de la somme et de formes quadratiques de variablesaleatoires. Son etude sur les fonctions orthogonales empiriques a conduit a un calcul simple de laloi asymptotique de certains estimateurs et a la generalisation du test Hilbertien de Bosq (F98[2, 1],A00[6], A01[9], F01[5]).D. Girard a conduit le projet “Validation croisee randomisee et autres methodes de reechantillonnage”inscrit dans le cadre du Programme Modelisation et Simulation Numerique du CNRS. Ce projet aassocie notamment des membres du Laboratoire de Modelisation et Developpement de Logiciels duCEA et d’autres du laboratoire TIMC/IMAG. Sa collaboration avec le CEA se poursuit autour desquestions de reechantillonnage (A98[8], E01[8], E00[6], E99[4]).

119

Equipe SMS

Publications : 1998 – A–[8] – E–[1] – F–[2, 1]1999 – A–[1] – D–[3] – E–[4, 7] – F–[2]2000 – A–[6, 1, 15] – E–[3, 6, 8] – F–[6, 1]2001 – A–[5, 9, 18, 27, 33] – E–[8] – F–[5]

2.2 Statistique des processus et Analyse de signaux et systemes

Les activites dans cette thematique ont ete menees principalement autour de A. Antoniadis, S.Degerine, A. Iouditski, S. Lambert-Lacroix, A. Le Breton, D.T. Pham et M. Viot. Celles plus parti-culierement dediees au traitement statistique du signal, qui se sont inscrites dans le cadre du ProjetIMAG-ELESA SASI, font l’objet d’une presentation plus detaillee dans le rapport autonome corre-spondant. Dans le contexte de l’inference statistique pour les processus et de l’analyse des systemesstochastiques, les contributions sont principalement centrees sur les modeles fractionnaires.

2.2.1 Analyse des series chronologiques et Traitement du signal

• Analyse des series chronologiques – D.T. Pham a considere le probleme d’estimation du modeleautoregressif en temps continu avec un echantillonnage discret fin et a developpe des methodes pource probleme (A00[24]). En collaboration avec R. Roy, il a propose un test d’independance et decausalite des series chronologiques multivariees en presence de non-stationarite et de co-integration(A02[37]).S. Degerine a poursuivi des travaux theoriques lies aux autocorrelations partielles. Avec T. Chonavel,il a montre l’interet de ces parametres dans l’etude des spectres a bande limitee (A99[6]). S. Degerine etS. Lambert-Lacroix ont etendu au cas non-stationnaire la notion de fonction d’autocorrelation partielle(A02[13]), a laquelle ils ont aussi associe un spectre evolutif instantane (A02[14]). S. Lambert-Lacroixa utilise cette parametrisation pour l’estimation des processus autoregressifs periodiques (A00[20])ainsi que pour traiter le probleme de l’extension d’une sequence d’autocovariances d’un processusperiodiquement correle par le critere du maximum d’entropie (F02[5]).

• Approches au second ordre en separation de sources – Avec ses etudiants, S. Degerine, a considereles approches au second ordre pour les melanges instantanes de sources colorees. Avec R. Malki, il apropose une methode basee sur les innovations partielles canoniques (A00 [10]). Avec A. Zaidi, il aetudie la methode du maximum de vraisemblance exact sous l’hypothese de sources autoregressivesgaussiennes (D00 [3], F02 [1, 2]). A. Zaidi a etudie les proprietes asymptotiques de l’estimateur associe(E00 [15]) et a alors introduit un nouvel indice de performance, base sur l’erreur de prediction finale,pour lequel il a calcule la borne de Cramer-Rao (B01[17]). S. Degerine a propose une nouvelle methodede diagonalisation conjointe approchee d’un ensemble de matrices, basee sur le critere des moindrescarres (B01 [9]). Cet algorithme constitue le point de depart de la these d’E. Kane sur la prise encompte effective d’un bruit additif dans les melanges instantanes.

• Information mutuelle en separation de sources – En separation de sources, la notion d’informationmutuelle joue un role important. En exprimant l’entropie et donc l’information mutuelle en termede la fonction quantile, D.T. Pham a introduit une methode de separation de sources basee surl’utilisation de statistiques d’ordre (F98[10], A00[23]). Il a egalement generalise l’utilisation du critere

120

Equipe SMS

d’information mutuelle pour l’analyse en composantes independantes (ACI). Il a etendu, d’une part, lanotion d’information mutuelle au cas des processus stationnaires, et d’autre part, les transformationslineaires de l’ACI en les convolutions (lineaires) operant sur des processus (vectoriels). Il obtientainsi une methode generale de separation de sources, tenant compte de leur dependance temporelleeventuelle et applicable aussi au cas des melanges de type convolutif (F99[6], F98[11], A02[37]).

• Autres approches en separation de sources – L’usage de l’information mutuelle ainsi generaliseenecessite neanmoins la connaissance complete des lois des sources. Cela pose le probleme d’estimationde ces lois et rend l’analyse de performance difficile. Pour contourner ces difficultes, D.T. Pham aintroduit l’information mutuelle gaussienne, definie comme si le processus concerne etait gaussien, cequi conduit a des methodes utilisant uniquement des statistiques au second ordre. De telles methodessont encore capables d’assurer la separation dans le cas des melanges instantanes, en exploitant soitla correlation serielle soit la non stationarite des signaux sources (voir B00[12], A01[34] et avec J.-F. Cardoso B00[13], A01[38]). Tous ces travaux reposent sur la diagonalisation conjointe approcheed’un ensembles de matrices definies positives et un algorithme tres performant pour cette tache a etedeveloppe (A01[35]).Par ailleurs, D.T. Pham a etabli un cadre tres general pour la separation aveugle de sources, base surla minimisation d’un fonction de contraste. Ce cadre permet d’exploiter entre autre la dependancetemporelle des sources pour mieux les separer. De plus, on peut s’affranchir de l’utilisation du critered’information mutuelle, qui est assez lourd a mettre en œuvre (B01[15, 14]).D.T. Pham co-encadre avec Ch. Jutten (LIS) le travail de these de S. Achard sur la separation demelanges post non lineaires de sources (B01[2, 1]). Ce travail prolonge celui initie par A. Taleb et Ch.Jutten. Leur algorithme initial de separation a ete ameliore en ce qui concerne la vitesse de convergenceet la stabilite. D’autres methodes basees sur de nouveaux criteres d’independance sont envisagees.Ces criteres peuvent etre egalement utilises dans d’autres contextes, comme la deconvolution aveuglenon lineaire. D.T. Pham a egalement travaille en collaboration avec S. Hosseni et Ch. Jutten surla separation de sources markoviennes pour exploiter au maximum la difference des structures dedependance temporelle de celles-ci (B01[12, 11]).

Publications : 1998 – D–[1] – E–[12] – F–[10, 11] – G–[2]1999 – A–[6] – B–[3] – E–[3] – F–[6] –

G–[2]2000 – A–[10, 20, 23, 24] – B–[13, 12] – D–[3] – E–[15] – F–[4]2001 – A–[34, 34, 38] – B–[8, 9, 17, 12, 11, 15, 15, 2, 1]2002 – A–[37, 14, 37] – C–[3] – F–[1, 2, 5]

2.2.2 Inference, filtrage et controle de processus stochastiques

• Inference dans les modeles fractionnaires – Sous la direction de A. Antoniadis, J.-F. Cœurjolly aetudie dans sa these plusieurs problemes d’inference statistique pour le mouvement brownien fraction-naire. Il a explicite et etudie une classe d’estimateurs du parametre d’autosimilarite pour ce type deprocessus fondee sur les variations discretes (A00[8], A01[10]). Avec J. Istas (UPMF), il a etabli lesbornes de Cramer-Rao pour ces estimateurs (A01[11]).S’agissant de l’inference dans les modeles de processus regis par un mouvement brownien fraction-naire a parametre de Hurst connu, dans un premier travail (A98[10, 11]) centre sur la regressionlineaire, A. Le Breton a mis en evidence des outils appropries d’analyse stochastique; ainsi, une ver-

121

Equipe SMS

sion elementaire de la formule de Girsanov a permis de montrer que, comme dans le cas standard dumouvement brownien, l’estimateur sans biais de variance minimum du parametre de regression n’estautre que l’estimateur du maximum de vraisemblance. Ce travail s’est poursuivi en collaborationavec M. L. Kleptsyna (Institute for Information Transmission Problems, Moscou) autour du problemed’estimation du parametre de derive pour l’analogue fractionnaire du processus d’Ornstein-Uhlenbeck.Les resultats classiques de l’analyse statistique en temps fini et en asymptotique ont ete etendus a cecontexte (A02[31]).En collaboration avec E. Moulines et Ph. Soulier, A. Iouditski a etudie les proprietes d’algorithmesadaptatifs semi-parametriques repondant au probleme d’estimation de l’exposant fractionnaire d’unedensite spectrale (A01[25]). Ils ont obtenu des vitesses “minimax” et adaptatives sur des classes“classiques” de regularite de la densite. Ils ont demontre que, dans le cas d’une densite spectraleanalytique, un tel estimateur atteint la vitesse (n/ ln n)1/2, ce qui en fait une alternative interessantea un estimateur parametrique.

• Filtrage et controle dans les systemes a bruits colores ou fractionnaires – En collaboration avec M.-C.Roubaud (Projet SYDYS-INRIA, Marseille), A. Le Breton a propose des filtres d’ordre reduit ou ap-proches pour des systemes lineaires et non lineaires gouvernes par des bruits colores non necessairementgaussiens. Le comportement en temps long de ces filtres a ete etudie a partir de resultats connus surla stabilite du filtre optimal par rapport a sa condition initiale. Leur efficacite asymptotique a etemontree dans differents cas (A00[22], B00[11]).Pour ce qui est des systemes a temps continu gouvernes par des bruits browniens fractionnaires, letravail a d’abord ete centre sur l’etude de problemes de filtrage. Dans le prolongement de l’etudemenee dans A98[10, 11] pour le cas simple du filtrage d’une variable aleatoire, une collaboration deA. Le Breton avec M.L. Kleptsyna et M.-C. Roubaud a abouti a la mise au point d’outils de base dansune approche elementaire pour l’analyse stochastique et le filtrage dans ces modeles : semi-martingaleequivalente, processus de type innovation, formule de Girsanov, . . . (B99[5], A00[18, 17]). Le travails’est prolonge avec M.L. Kleptsyna par l’analyse approfondie du cas lineaire (A01[29], A02 [30]) puisavec M. Viot en direction des problemes de controle optimal (F02[3]). Ces diverses collaborations onten particulier conduit a une extension complete aux systemes fractionnaires gaussiens elementairesde la theorie lineaire-quadratique classique : filtre de Kalman-Bucy, stabilite asymptotique du fil-tre optimal dans le cas autonome, regulateur par retroaction en observation complete et principe deseparation pour le controle en observation incomplete. Le travail se poursuit desormais en directionde l’analyse de systemes a temps discret.

• Transformees de Laplace de fonctionnelles quadratiques – Ce travail a ete mene en incidente naturelledes activites concernant les modeles de processus de type fractionnaire, notamment a propos de l’etudedes proprietes de l’estimateur du maximum de vraisemblance du parametre de derive de l’analogue duprocessus d’Ornstein-Uhlenbeck. A. Le Breton et M.L. Kleptsyna ont propose une nouvelle approchepour le calcul de la transformee de Laplace de fonctionnelles quadratiques pour des processus gaussiensgeneraux a temps continu. Par introduction d’un probleme apparie ad hoc de filtrage du processusconcerne, cette approche leur a permis d’obtenir de nouvelles formules “a la Cameron-Martin” quimettent en jeu des solutions d’equations de type Riccati-Volterra (A01[28], A02[32]). Le travail a etecontinue avec M. Viot. D’abord, dans le cas particulier des processus markoviens a temps continu,la comparaison des formules obtenues avec les formules classiques a permis d’identifier de nouvellesrelations entre les solutions d’equations de Riccati progressives et retrogrades appariees (C00 [1]).Ensuite, les analogues des resultats ont ete obtenus pour des processus gaussiens generaux a tempsdiscret (F02[4]).

122

Equipe SMS

• Processus a variance infinie et problemes holderiens – A. Le Breton a complete des travaux surla statistique des processus dans les modeles regis par des bruits a variance infinie ; ainsi, en col-laboration avec V. Konev (Universite de Tomsk), il a mene une analyse sequentielle complete dumodele autoregressif avec erreurs stables symetriques (A00[19]). Il a aussi aborde le correspondantdeterministe de la problematique du controle pour de tels modeles qu’il avait consideree dans destravaux anterieurs ; il a traite le probleme de la synthese du controle optimal dans les modelesdeterministes avec critere holderien (A00[21]). Dans le prolongement de ces travaux, une etudesystematique des problemes lineaires-holderiens en analyse des systemes deterministes et stochas-tiques a ete entreprise avec M. Viot. Le travail de these de J. Escoffier, amorce en 99 mais suspendupour l’annee 2001-2002 car le doctorant a choisi de la consacrer a son installation sur un nouveauposte de PRAG, s’inscrit dans ce cadre.

Publications : 1998 – A–[10, 11]1999 – B–[5]2000 – A–[8, 22, 18, 17, 19, 21] – B–[11] – C–[1]2001 – A–[25, 10, 11, 29, 28]2002 – A–[31, 30, 32] – F –[3]

2.3 Algorithmes probabilistes

Les travaux dans cette thematique se sont developpes autour de A. Bienvenue, J. Diebolt, A. Iouditski,O. Francois et A. Le Breton. Par algorithmes stochastiques nous entendons ici trois types de methodes :d’une part des algorithmes de type recuit simule ou algorithmes evolutionnistes, d’autre part desalgorithmes dits “classiques” d’approximation stochastique et enfin des algorithmes pour des systemespartiellement observes (MCMC, i.e. Monte-Carlo Markov Chain). Les activites decrites dans lapremiere rubrique ont emarge au Projet SASI commun aux Federations ELESA et IMAG.

2.3.1 Algorithmes de recuit simule et evolutionnistes

• Analyse et Controle de convergence d’algorithmes – Le comportement des algorithmes stochastiquesobeit a une dynamique de fond a laquelle se superposent de petites perturbations aleatoires. Il setrouve ainsi gouverne par des evenements rares, lies aux proprietes “geometriques” du probleme traiteet aux pieges qui lui sont inherents. En collaboration avec D. Zaharie, O. Francois a etudie unefamille de perturbations de systemes dynamiques discrets, construit des fonctions de Lyapounov etdonne des conditions de controle du comportement des algorithmes a basse temperature (A99 [11]).En collaboration avec J. Berard, A. Bienvenue a aussi etudie la vitesse de convergence et la loi limitede certains algorithmes evolutionnistes simples (A00 [5], F01 [4]).

• Mise en œuvre des algorithmes – L’evaluation de la vitesse de convergence des processus est uneetape critique pour la mise en œuvre pratique des algorithmes stochastiques. O. Francois a abordecette question a l’aide de methodes geometriques et trajectorielles. Le point de vue est constructif.Selon l’information disponible pour un probleme d’optimisation, il s’agit de rechercher une methodede Monte Carlo adaptee, quitte a simuler des processus qui ne relevent pas directement des methodesde population classiques (A01 [16]), (B99 [4]), (B00 [6]). Ce point de vue est synthetise dans un article

123

Equipe SMS

recent redige en collaboration avec A. Cercueil (B01 [6]). Ils definissent une fonctionnelle d’action,puis ils simulent une chaıne de Markov a partir de couplages originaux des operateurs classiques. Cettemethode conduit a une nouvelle generation d’algorithmes performants dont le comportement peut etreetudie precisement, sur le modele de la strategie MOSES publiee dans A98 [6].

• Vitesse de convergence non-asymptotique – Le caractere asymptotique de resultats obtenus a partirde principes de grandes deviations constitue toutefois une limitation pour leur utilisation concrete.L’estimation de la vitesse de convergence dans un contexte non asymptotique en temperature est plusdifficile, mais plus realiste. Cette question a ete abordee en fixant a priori la probabilite d’obtenir lasolution a l’issue d’une simulation. O. Francois obtient des inegalites portant sur la constante spectralede chaınes de Markov reversibles (A00 [12], A99 [10]). Les resultats mathematiques obtenus a l’aidede telles theories permettent de determiner les grandeurs geometriques critiques que l’on peut associera un paysage d’optimisation, mais n’ont en pratique qu’un interet relatif. En effet, de telles constantespeuvent se reveler extremement delicates a calculer. Elles requierent une information qui est rarementconnue lorsque l’on etudie un probleme reel. Pour un utilisateur, un probleme d’optimisation sepresente souvent comme une boıte noire retournant une valeur lorsqu’on la sollicite, mais dont lesregularites ou la geometrie restent inconnues. Par la nature des donnees produites, l’etude pratiquedes algorithmes stochastiques necessite une reflexion sur l’utilisation de la methodologie statistique,qui a ete entamee en collaboration avec C. Lavergne de l’INRIA-IS2. Une telle methodologie s’avereprecieuse dans les situations concretes des lors qu’aucune information de structure n’est disponible(A01 [17]).

Publications : 1998 – A–[6]1999 – A–[10, 11] – B–[4]2000 – A–[5, 12] – B–[6]2001 – A–[16, 17] – B–[6] – F–[4]

2.3.2 Algorithmes d’approximation stochastique et d’identification

• Approximation stochastique en temps continu – En collaboration avec A. A. Novikov (InstitutMathematique Steklov, Moscou & University of Technology, Sydney), A. Le Breton a complete destravaux sur les schemas d’approximation stochastique a temps continu dans le cadre “semi-martingalescadlag”. Une etude asymptotique complete d’algorithmes d’estimation multidimensionnels de typeRobbins-Monroe avec “moyennisation a la Ruppert et Polyak”, gouvernes par des processus d’erreursgeneraux, a ete menee dans A99[15]. En particulier, des procedures d’estimation des covariancesasymptotiques des estimateurs ont ete proposees et analysees ; elles ont permis de resoudre, dans uneapproche sequentielle, des problemes d’estimation par domaine de confiance de taille prescrite.

• Algorithmes stochastiques a “grande echelle” – En collaboration avec A. Nemirovski (Technion,Haifa) A. Ioudistski a propose un nouvel algorithme de “descente en miroir” d’optimisation stochas-tique. Cette methode est particulierement adaptee dans le cas ou la dimension du probleme est treselevee par rapport a la taille d’echantillon disponible. Cette methode est la base de nouveaux algo-rithmes d’estimation par agregation fonctionnelle A00[16] qui ont un champ d’utilisation tres etendu.Ils ont obtenu des resultats tres prometteurs dans le probleme d’estimation non-parametrique dansune classe de modeles decrite par A. Barron.

124

Equipe SMS

• Identification de systemes dynamiques non-lineaires – Les algorithmes d’approximation stochastique,dans le cas ou le parametre inconnu est de grande dimension, sont egalement un sujet de rechercheinteressant. Ces methodes permettent de resoudre le probleme de fusion fonctionnelle suivant: onpossede n observations (y1, ...yn) d’un processus satisfaisant yk = f(yk−1, ...yk−d) + bk ou bk est unbruit et f est une fonction de Rd dans R; il s’agit de trouver le meilleur estimateur f ∗ de f commecombinaison convexe de M fonctions f1, ..., fM donnees a l’avance (typiquement M est tres grand etla famille (fi) est fortement non orthogonale). Avec B. Delyon (Universite Rennes I), dans A00[9],A. Ioudistski propose un algorithme d’approximation stochastique qui donne des approximations def∗ avec une vitesse “minimax”, qui ne peut etre amelioree de facon significative. La solution obtenueest parcimonieuse au sens ou assez peu de fonctions interviennent dans la solution finale.

• Commande adaptative – Une partie importante de la theorie de l’estimation statistique concernel’etablissement des limites intrinseques de performances des algorithmes qui fournissent une car-acterisation pertinente du probleme d’estimation en question ; elles donnent ainsi une echelle absolued’optimalite pour toutes les techniques qui sont proposees pour la resolution de ce probleme. Parrapport aux problemes classiques d’estimation, le probleme de la commande adaptative est assez sin-gulier : il possede un degre de liberte supplementaire qui est la commande. A. Ioudistski a continue, encollaboration avec A. Nazin (Institute for Control Sciences, Moscou), l’etude des algorithmes adaptat-ifs de commande pour des systemes dynamiques non lineaires (A99[14], A01[26]). Ils ont developpe desmethodes efficaces de commande adaptative pour des modeles markoviens lineaires et non lineaires.Ils ont etabli les bornes inferieures d’information dans ces problemes et les algorithmes optimaux decommande, bases sur l’estimation non parametrique (et adaptative) de modeles.

Publications : 1999 – A–[14, 15]2000 – A–[16, 9]2001 – A–[26]

2.3.3 Methodes MCMC

Dans ce domaine, jusqu’a son depart du LMC, J. Diebolt a poursuivi une collaboration reguliere avecD. Chauveau (Universite de Marne-la-Vallee) (B98[2], F98[3], C98[2] et A99[5]). Une boıte a outils logi-cielle a ete concue a partir des travaux communs et realisee par D. Chauveau en vue de figurer a termedans des logiciels courants, comme S-Plus. Il s’agit d’un logiciel en ANSI C et Mathematica, accessibleet documente sur le site http://www-math.univ-mlv.fr/users/chauveau/cltc.html. Une collab-oration avec D. Chauveau sur le controle de convergence des methodes MCMC pour des problemesgeophysiques qui font appel a des outils MCMC, a l’aide de l’outil logiciel cite ci-dessous, s’est elargie aM. Roussignol (Universite de Marne-la-Vallee) et M. Menvielle (Universite de Marne-la-Vallee). Il s’estagi d’explorer de nouvelles perspectives dans ce domaine liees a la theorie des systemes de particulesen interaction et aux methodes particulaires en statistique bayesienne. Chaque particule correspond aune chaıne ou a un processus de Markov (qui peut correspondre a une equation differentielle stochas-tique), et ces particules sont reliees par un mecanisme d’interaction, lequel peut etre complete par desmecanismes de mutation, de selection et d’adaptation.

Publications : 1998 – B–[2] – C–[2] – F–[3]1999 – A–[5]

125

Equipe SMS

2.4 Modeles et inference pour la fiabilite et la maintenance

La surete de fonctionnement des systemes complexes constitue a la fois un enjeu industriel majeuret un domaine de recherche pluridisciplinaire fecond. Ce theme de recherche, developpe au LMCdepuis de nombreuses annees autour de E. Cretois, J. Diebolt, O. Gaudoin et J.-L. Soler, est centresur la modelisation aleatoire et l’utilisation de methodes statistiques en vue de l’evaluation de lafiabilite et de la maintenabilite de composants ou de systemes materiels ou logiciels. Il constitue undomaine d’application privilegie de la theorie des processus ponctuels et des methodes d’estimation etde test. Depuis mai 2001, les activites du LMC sur ce theme s’effectuent en collaboration etroite avecl’INRIA Rhone-Alpes (Projet IS2) au sein de l’Action de Recherche Concertee Locale FIMA (ModelesAleatoires pour la Fiabilite et la Maintenance). Cette action rassemble egalement des partenaires aussibien universitaires (LSR, LAG, TIMA) qu’industriels (EDF, Schneider Electric, Bull, Adetel). Parailleurs, une collaboration fructueuse avec la National University of Singapore se developpe.

2.4.1 Fiabilite des logiciels

L’activite de l’equipe en fiabilite des logiciels s’est poursuivie autour de deux axes. D’une part,O. Gaudoin a etudie certains modeles specifiques (E98 [4], A99[12]). D’autre part, E. Cretois, M.A.El Aroui et O. Gaudoin ont travaille sur les tests d’adequation aux modeles de croissance de fiabilite.Une etude generale des tests CPIT et des tests prequentiels a ete effectuee (A98 [7], E98 [3], A99 [7, 9],C99[1]). Une etude complete des tests d’adequation au Power-Law Process a ete effectuee, ainsi queleur extension aux modeles de la famille puissance generalisee (A98 [4], E98[5], B99[2], B00[2]). Enparticulier, en collaboration avec M. Xie et B. Yang (National University of Singapore), un nouveautest d’adequation graphique au Power-Law Process a ete propose (F00[5], B01[10, 16]).

Publications : 1998 – A–[4, 7] – E–[3, 4, 5]1999 – A–[7, 9, 12] – B–[2] – C–[1]2000 – B–[2] – F–[5]2001 – B–[10, 16]

2.4.2 Fiabilite de systemes en environnement aleatoire stressant

Ces travaux sont issus d’un contrat de recherche avec Thomson TCS, et se sont prolonges par lathese de C.A. Zahalca (D99[4]). Ils ont pour but l’etude de la fiabilite de composants et de systemesen environnement aleatoire representant des conditions de stress. J.L. Soler a introduit la notion dememorisation des stress (B00[10]). O. Gaudoin, J.L. Soler et C.A. Zahalca ont propose des modelesprobabilistes d’influence des stress sur le fonctionnement de systemes complexes (F98[5]) et etudie endetail le cas des stress ponctuels (E98[13], C99[3]). Un indicateur a ete defini permettant de mesurer lacorrelation entre l’influence du stress et la configuration du systeme. L’etude de cet indicateur aboutita conjecturer que plus un systeme est fiable, plus il est sensible au stress ( F98[5], B99[10]). Une etudestatistique d’un modele general d’influence du stress sur la duree de vie des systemes a ete effectuee,dans le cas des stress ponctuels poissonniens homogenes (B99[11]). Cela a permis d’appliquer cesmethodes a des donnees de defaillance de cables electriques soumis a des chocs de tension de typefoudre. Sur cet exemple, le modele propose semble tout a fait pertinent et la sensibilite des cables

126

Equipe SMS

au stress a pu etre evaluee (B00[7]). Par ailleurs, A. Le Breton et J.L. Soler ont modelise l’influenced’un stress diffus sur le taux de defaillance d’un composant, a l’aide de fonctionnelles quadratiques duprocessus d’Ornstein-Uhlenbeck (C99[2]).

Publications : 1998 – E–[13] – F–[5]1999 – C–[2, 3] – D–[4] – E–[10, 11]2000 – B–[7, 10]

2.4.3 Fiabilite en temps discret

Dans le cadre d’une these CIFRE (D01[1]) en collaboration avec Schneider Electric, C. Bracquemondet O. Gaudoin se sont interesses a l’etude de la fiabilite des materiels electromecaniques. La principalecaracteristique de ces systemes est que le temps s’exprime en termes de nombre de sollicitations jusqu’adefaillance, ce qui necessite de redefinir les concepts usuels de la fiabilite en temps discret (B00[3],F00[2], B01[5]). Un certain nombre de differences genantes entre les notions usuelles de fiabilite entemps continu et en temps discret ont ete mises en evidence. Ces differences sont dues a la definitiondu taux de defaillance en temps discret. En collaboration avec M. Xie, une nouvelle definition de cetaux a ete proposee, qui resoud les problemes rencontres (F00[10], B01[5], C01[1]). Un estimateurnon parametrique de ce taux a ete etudie. C. Bracquemond, E. Cretois et O. Gaudoin ont etudie lestests d’adequation aux modeles de fiabilite en temps discret et propose un nouveau test, base sur latransformation de Smirnov generalisee. Tous les tests ont ete mis en place et compares dans le casde la loi geometrique (B01[7, 6]). La demarche globale aboutit a une analyse complete de donnees defiabilite en temps discret, qui a ete appliquee par Schneider Electric (B01[4]).

Publications : 2000 – B–[3] – F–[2, 10]2001 – B–[5, 7] – C–[1] – D–[1] – E–[5, 4, 6]

2.4.4 Aspects theoriques de la fiabilite

J.L. Soler et E. Fontenas (Universite Pierre Mendes France, Grenoble) ont etudie la generalisation endimension infinie des notions de duree de vie, de fonction de hasard cumule et de taux de hasard pourdes systemes a un tres grand nombre, voire a un nombre infini de composants (B00[5], B01[7]). Lesresultats sont utilises pour la caracterisation des fonctions aleatoires exponentielles et particulierementpour la notion de processus de latence exponentiel des evenements, qui donne lieu a la generalisationinfinidimensionnelle de la loi exponentielle de Marshall et Olkin. Les applications peuvent concernerle processus de latence des fautes en fiabilite des logiciels et pourraient s’averer utiles pour l’analysede phenomenes de corrosion ou l’analyse d’images aleatoires.

Publications : 2000 – B–[5]2001 – E–[7]

127

Equipe SMS

2.4.5 Etudes ponctuelles de fiabilite

En dehors des grands themes precedemment cites, quelques etudes ponctuelles ont ete menees augre des collaborations de l’equipe avec la National University of Singapore, l’European Safety, Re-liability and Data Association (ESReDA), Schneider Electric et l’Institut de Surete de Fonction-nement. C. Bracquemond a etudie les proprietes des taux de defaillance de systemes particuliers,electromecaniques et electroniques (B98[1], B99[1]). M. Xie, Z. Yang et O. Gaudoin ont etudie l’impactd’une mauvaise estimation du parametre de forme de la loi de Weibull sur l’estimation du MTTF et dela fiabilite, quand on utilise la transformation dite “Weibull a exponentielle” (A00[25]). S. Di Piazza(PSA), O. Gaudoin et C. Le Garrec (Ligeron S.A.) ont effectue une etude synthetique des methodespermettant de se prononcer sur la constance des parametres de surete de fonctionnement (F98[9],B00[4]). Enfin O. Gaudoin a debute, au sein du groupe de travail europeen de l’ESReDA “Data forMaintenance”, une etude portant sur la modelisation et l’evaluation de l’efficacite de la maintenancedes systemes reparables (E00[5], C02[4]). Ce theme fait l’objet de la these de L. Doyen, debutee enseptembre 2001.

Publications : 1998 – B–[1] – F–[9]1999 – B–[1]2000 – A–[25] – B–[4] – E–[5]2002 – C–[4]

2.4.6 Statistique des valeurs extremes

Dans le cadre d’une convention d’etude et de recherche entre le projet is2 de l’Inria Rhone-Alpes etle groupe Retour d’experience de edf-r&d, J. Diebolt s’est interesse au probleme de l’estimation desprobabilites d’evenements rares ou de queues de distribution, et plus particulierement a l’estimationde quantiles extremes. Avec M.A. El Aroui et S. Girard, il a etudie la methode et, ce qui a notammentpermis la mise en place d’un test d’adequation de modeles parametriques a la queue de distribution(B98[7], F98[7], A99[13], B98[7], B99[5], F99[7], A00[11]). Avec C. Trottier, il a propose des proceduresde regularisation bayesienne de la loi obtenue de sorte qu’elle ne perde pas trop de son ajustementcentral mais qu’elle s’adapte mieux en queue de distribution (F99[3]). Avec M. Garrido, il a etudie lapuissance du test d’adequation propose, du double point de vue des simulations et de la theorie. Ilsont egalement etendu la procedure de regularisation bayesienne au cas de la loi de Weibull avec uneloi a priori sur le parametre de forme. Par ailleurs, ils ont explore une methode nouvelle d’analysebayesienne des lois de Pareto generalisees, lois limites de la loi des exces quand le seuil tend versl’infini, et qui permettent l’estimation des queues de distribution et des quantiles extremes.Par ailleurs, E. Cretois et O. Radouane ont etudie des tests d’adequation a la loi de Pareto generalisee:tests de Wald et de Neyman dans le cas d’un autre estimateur que celui du maximum de vraisemblance(F00[9], A02[12]).

Publications : 1998 – E–[7] – F–[7]1999 – A–[13] – E–[6, 5] – F–[3]2000 – A–[11] – F–[9]2002 – A–[12]

128

Equipe SMS

2.5 Methodes stochastiques appliquees a divers domaines

Divers travaux dans le champ des applications des probabilites et de la statistique ont ete realises al’occasion de collaborations suivies ou ponctuelles avec des chercheurs d’autres disciplines scientifiques.

2.5.1 Assimilation de donnees en oceanographie

Ces activites s’inscrivent dans le cadre du Projet IDOPT. Dans le rapport autonome de ce projet,l’approche stochastique utilisee est replacee dans le contexte global des problematiques et methodolo-gies en assimilation de donnees. D.T. Pham a developpe un filtre de Kalman singulier evolutif basesur une idee simple qui est de faire d’abord des corrections dans les directions ou l’erreur de fil-trage s’amplifie. Cette idee se justifie dans le cadre des systemes dynamiques attractifs et chao-tiques (les attracteurs etranges), qui semblent caracteriser la circulation oceanique. Cette approchea permis l’utilisation efficace des ressources de calculs et ainsi de reduire considerablement son cout.L’implantation de ce filtre dans les situations reelles a ete menee en collaboration avec J. Verron duLEGI (Laboratoire des Ecoulements Geophysiques et Industriels) et a donne des resultats tres en-courageants, notamment dans une etude approfondie de l’application de la methode dans le cadredu Pacifique tropical. A noter egalement le travail de these de S. Carme (boursier BDI-CNRS co-encadre avec J. Verron) qui avait pour but d’implanter et d’etudier cette methode d’assimilation surdes donnees satellitaires TOPEX/POSEDION en l’Atlantique nord. Les travaux de collaboration citesont recus le premier prix Seymour Cray en 1998.I. Hoteit, co-encadre avec J. Blum, a etendu la methode, tout en reduisant encore son cout de calcul eten ameliorant sa performance statistique. Plusieurs versions ameliorees du filtre ont ete developpeeset validees dans le cadre realiste du modele OPA pour le Pacifique tropical.Par ailleurs, D.T. Pham a poursuivi des recherches theoriques pour le developpement des methodesd’assimilation plus avancees de type stochastique, qui soient plus robustes vis-a-vis des non linearitesdu systeme.

Publications : 1998 – A–[14, 13] – F–[12]1999 – A–[17]2000 – B–[8, 9]2001 – A–[36, 20] – E–[10, 13] – F–[7, 6]

2.5.2 Traitement de donnees en Biologie-Medecine

• Analyse statistique de donnees issues de biopuces – Ces activites s’inscrivent dans le cadre duProjet GEN-IMAG. Au cours de ces dernieres annees, la confection de puces a ADN et l’analysedes donnees qui en sont issues ont ouvert la voie a des progres dans la comprehension de la fonctiondes genes. Les intensites de fluorescence issues de l’analyse des biopuces sont des mesures ayant subiun pretraitement important et le choix des techniques d’analyse d’images utilisees pour les extraire aune importance fondamentale pour leur utilisation ulterieure. Avant interpretation biologique, il estessentiel d’identifier et de soustraire des donnees toute source de variation systematique. Pour ce faire,dans le cadre d’une collaboration avec la societe CORNING S.A. et l’Institut Curie, A. Antoniadiset J. Peyre ont developpe des procedures efficaces de controle statistique de la qualite des biopuces

129

Equipe SMS

et des techniques de normalisation des donnees. Les premiers resultats qui ont ete l’objet du rapportde DEA de J. Peyre ont ete completes (deux articles sont en cours de redaction) et un logiciel dansle langage R est desormais au point pour traiter les donnees issues de biopuces. Ces acquis nouspermettent maintenant d’envisager de progresser avec les partenaires du Projet GEN, dont l’equipeMOSAIC du LMC, vers la determination des genes differentiellement exprimes et la modelisation dusysteme de regulation genetique.

• Traitement de signaux biomedicaux – D.T. Pham a une collaboration de longue date avec les phys-iologistes de la Faculte de Medecine de Grenoble. Recemment ils se sont interesses a la detectionet quantification de l’arythmie cardiaque d’origine respiratoire. Plusieurs methodologies statistiquesefficaces ont ete mises au point.

Publications : 1998 – A–[3]1999 – F–[16]2000 – A–[7]

2.5.3 Applications diverses

• Cristallographie – A. Antoniadis, en collaboration avec J. Berruyer et A. Filhol, a fait la synthesedes methodologies statistiques utiles a l’analyse des diagrammes de diffraction de poudre en cristal-lographie et les a etendues dans le cadre de l’estimation nonlineaire dans les structures doublementexponentielle (A99[3]). A. Antoniadis, J. L. Ferrer et M. Roth de l’Institut de Biologie Structurale duCEA de Grenoble, ont compare et mis au point des algorithmes efficaces, fondes sur la transformeediscrete en ondelettes, pour la compression d’images 2D de cristallographie (A98[1]).

• Pollution atmospherique – Une collaboration avec l’ASCOPARG se developpe autour des methodesstatistiques pour la prevision des pointes d’ozone. Le travail de these de S. Fontaine centre sur cesujet a commence en octobre 99 dans le cadre d’un financement par l’ADEME, sous la direction deA. Antoniadis et A. Le Breton. Un resume des methodes developpees a ete presente aux Journees dela SFDS consacrees a la pollution (E01[1]).

• Problemes Inverses – A. Antoniadis en collaboration avec I. Gijbels et J. Fan a developpe (A01[4])une methode rapide et optimale pour resoudre le probleme de Wicksell, dont les applications enimagerie medicale et en metallurgie sont importantes. Toujours dans le cadre de problemes inverses,avec T. Sapatinas, il a modelise l’evolution des pics journaliers d’ozone sur un site donne a l’aided’un processus hilbertien autoregressif d’ordre 1, dont la prediction est resolue par la recherche de lasolution d’un probleme inverse mal conditionne (F01[3]). Dans le cadre de ce travail, ils recherchentactuellement une methode d’inclusion dans le modele de variables exogenes en relation avec des modeleshybrides de type additif qui sont efficacement estimables par des methodes de decomposition enondelettes.

Publications : 1998 – A–[1]1999 – A–[3]2001 – A–[4] – E–[1] – F–[3]

130

Equipe SMS

2.6 Logiciels

Dans le cadre des activites decrites ci-dessus bon nombre de developpements se sont traduits notam-ment par la creation de logiciels. Nous indiquons ici quelques realisations marquantes.

2.6.1 Boıte-a-outils MATLAB de modelisation non lineaire

En cooperation avec L. Ljung et P. Lindskog de l’Universite de Linkoping et Q. Zhang de l’IRISA,Rennes, A. Iouditski developpe depuis plusieurs annees, une boıte a outils MATLAB. Cette boıte a outilsest concue comme une extension de la boıte a outils System Identification (si-Toolbox) de L. Ljung, quiservira a la modelisation de systemes dynamiques non lineaires. Les techniques utilisees sont les algo-rithmes adaptatifs d’estimation non parametrique, les reseaux de neurones et les reseaux d’ondelettes.Les modeles proposes sont pour l’essentiel de type auto-regressif non lineaire avec quelques extensionsspecifiques pour lesquelles on dispose de bons algorithmes. La boıte a outils sera distribuee par Math-works.Ils ont decide de realiser une toolbox MATLAB prolongeant la si-Toolbox de Lennart Ljung, concue pourl’identification dans des modeles lineaires parametriques. L’interface de cette nouvelle boıte a outilssera tres largement commune avec la si-Toolbox.Les services offerts sont des outils d’identification par des modeles de type regression/auto-regressionnon lineaires, des modeles de type Wiener et Hammerstein. L’originalite consiste en l’utilisation in-tensive d’algorithmes non iteratifs d’estimation non parametrique bases sur le triage adaptatif desestimees, algorithmes d’arbre, developpes depuis quelques annees dans le projet sigma2 de l’IRISA,utilisant des polynomes locaux pour identifier des systemes dont l’entree est de dimension elevee. Cesmethodes ne font pas appel a la retropropagation ni a des methodes de gradient.Etant completement adaptatifs, ces algorithmes permettent de s’affranchir des difficultes de reglages.On gagne ainsi en qualite d’estimation de maniere spectaculaire, et l’on evite les ecueils lies a l’accrocha-ge d’une methode d’optimisation recursive sur un minimum local. Outre les services d’identificationproprement dits, on offre des moyens de valider une modelisation conduite avec une classe restreintede modeles (par exemple, on peut tester si le modele lineaire est ou non suffisant).

2.6.2 Boıte-a-outils MATLAB : Gaussian Wavelet Denoising Matlab Toolbox

Il s’agit d’une boıte-a-outils dans laquelle sont implementees la plupart des methodes de regressionnon parametrique et de debruitage de signaux et images, fondees sur les ondelettes. Ce travail a eterealise par A. Antoniadis et J. Bigot en collaboration avec T. Sapatinas de l’Universite de Kent; il estdisponible a l’adresse http://www-lmc.imag.fr/SMS/software/ depuis 2001.

2.6.3 ABFfit: logiciel d’affinement de spectres de diffraction

Ce logiciel a ete realise dans le cadre d’une collaboration tres active de A. Antoniadis et J. Berruyer(Universite de Saint-Etienne) avec l’Institut Laue Langevin de Grenoble portant sur le traitementdes donnees de diffraction. Un resume des etudes faites est publie dans Acta Crystallographica et

131

Equipe SMS

ont ete developpe, sur VAX et MacIntosh, des algorithmes d’estimation ainsi qu’un soft d’affinementde spectres de diffraction de poudre : ABFfit. Ce logiciel a demande quatre ans de developpement.La version 5 qui a ete mise au point en fin d’annee 1998 est une version a peu pres definitive. Celogiciel est diffuse par l’Universite de Saint-Etienne, et est quotidiennement utilise dans une trentainede centres de recherches par de nombreux cristallographes. Parmi ces centres de recherches citons :Institut Laue Langevin, European Synchrotron Research Facility, U.S. National Bureau of Standards,GKSS Research center, Ecole Polytechnique de Lausanne, Dept. of Chemistry de Keele, UniversitatSalzburg, . . . ainsi que des centres prives : Centre de Recherche de Pechiney, Centre de Recherche deShell (Amsterdam),. . . Pour un apercu voir http://www.ccp14.ac.uk/maths/.

132

Equipe SMS

3 PUBLICATIONS et EXPOSES dans des Rencontres Scientifiques

A – Articles dans des Revues

1998

1. A. Antoniadis, J-L. Ferrer, and M. Roth. Data compression for diffraction patterns. Acta Crystallographica,series D, 54:184–199, 1998.

2. A. Antoniadis and D-T. Pham. Wavelet regression for random or irregular design. Computational Statisticsand Data Analysis, 28(4):353–369, 1998.

3. P. Calabresse, D. T. Pham, A. Eberhard, J. P. Bachy, and J. Benchetrit. Effets of resistive loading on thepattern of breathing. Respiratory Physiology, 113:167–179, 1998.

4. E. Cretois and O. Gaudoin. New results on Goodness-of-Fit tests for the Power-Law process and applicationto Software Reliability. Int. J. on Reliability, Quality and Safety Engineering, 5(3):249–267, 1998.

5. B. Delyon and A. Juditsky. On small perturbations of stable markov operators: Unbounded case. SIAMJ. of App. Prob. and Appl., 43(4):752–764, 1998.

6. O. Francois. An evolutionary algorithm for global minimization and its markov chain analysis. IEEETransactions on Evolutionary Computation, 2(3):77–91, 1998.

7. O. Gaudoin. CPIT Goodness-of-Fit tests for the Power-Law process. Communications in Statistics,Theory and Methods, 27(1):165–180, 1998.

8. D. Girard. Asymptotic comparison of (partial) cross-validation, gcv and randomized gcv in nonparametricregression. The Annals of Statistics, 26:315–334, 1998.

9. A. Juditsky and A. Nazin. Une borne inferieure pour la commande adaptative nonparametrique. Dokl.RAN, 360(6):745–746, 1998.

10. A. Le Breton. Filtering and parameter estimation in a simple linear system driven by a fractional Brownianmotion. Statistics and Probability Letters, 38(3):263–274, 1998.

11. A. Le Breton. Une approche de type Girsanov pour le filtrage dans un systeme lineaire simple avec bruitbrownien fractionnaire. C.R. Acad. Sci. Paris, 326:997–1002, 1998.

12. B. Ycart M. Beguin, L.Gray. The load transfer model. Annals of applied probability, 8(2):337–353, mai1998.

13. D. T. Pham, J. Verron, and L. Gourdeau. Filtres de Kalman singuliers evolutif pour l’assimilation dedonnees en ocenographie. Comptes Rendus Aca. Sci., Science de la terre et des planetres 326:255–260,1998.

14. D. T. Pham, J. Verron, and M. C. Roubaud. A singular evolutive extended Kalman filter for dataassimilation in oceanography. Journal of Marine Systems, 16(3 & 4):323–340, 1998.

1999

1. A. Antoniadis. Wavelet estimators for change-point regression models. CRM-AMS Lecture Notes, 18:335–346, 1999.

2. A. Antoniadis, J-C. Barthelemy, and D. Duverney. Wavelet transform to quantify heart rate variabilityand to assess its instantaneous changes. Journal of Applied Physiology, 86(3):1081–1091, 1999.

133

Equipe SMS

3. A. Antoniadis, J. Berruyer, and A. Filhol. Estimation semi-parametrique dans les familles doublementpoissonniennes et applications aux spectres de diffraction. Revue de Statistique Appliquee, XLVII(3):57–80,1999.

4. A. Antoniadis, G. Gregoire, and G. Nason. Density and hazard rate estimation for right censored datausing wavelet methods. J. of the Royal Statistical Society, Serie B, 61(1):63–84, 1999.

5. D. Chauveau and J. Diebolt. An automated stopping rule for MCMC convergence assessment. Computa-tional Statistics, 14:419–442, 1999.

6. T. Chonavel and S. Degerine. Reflection coefficients of band-limited spectra, and band-limited spectrumestimation. IEEE, Trans. Information Theory, IT-45(6):2030–2038, September 1999.

7. E. Cretois, M. A. El Aroui, and O. Gaudoin. U-plot method for testing the Goodness-of-Fit of the Power-Law process. Communications in Statistics, Theory and Methods, 28(7):1731–1747, 1999.

8. J. Diebolt and J. Zuber. Goodness-of-fit tests for nonlinear heteroscedastic regression models. Statisticsand Probability Letters, 42:53–60, 1999.

9. M. A. El Aroui. The prequential Goodness-of-Fit approach: a study of the exponential distribution case.Sequential Analysis, 18(3-4):189–202, 1999.

10. O. Francois. On the spectral gap of a time reversible Markov chain. Probability in the Engeneering andInformational Sciences, 13:95–101, 1999.

11. O. Francois and D. Zaharie. Markovian perturbations of discrete iterations: Lyapunov functions, globalminimization and associative memory. Mathematical and Computer Modelling, 29:81–94, 1999.

12. O. Gaudoin. Software Reliability models with two debugging rates. Int. J. on Reliability, Quality andSafety Engineering, 6(1):31–42, 1999.

13. S. Girard and J. Diebolt. Consistency of the et method and smooth variations. Notes aux Comptes Rendusde l’Academie des Sciences de Paris, Serie I, 329:821–826, 1999.

14. A. Juditsky and A. Nazin. Attainable information bounds in adaptive control of nonlinear stochasticsystems under nonparametric uncertainty. Autom. & Rem. Contr., (3):180–196, 1999.

15. A. Le Breton and A.A. Novikov. On stochastic approximation procedures with averaging. Theory ofProbability and its Applications, 44(3):661–675, 1999.

16. D. T. Pham, H. Perraut, P. Calabresse, A. Eberhard, and G. Benchetrit. New statistical method fordetection and quantification of respiratory sinus arrythmia. IEEE Trans. Biomed. Eng., 46(9):1161–1165,1999.

17. J. Verron, L. Gourdeau, D.T. Pham, R. Murtugude, and A. J. Busalachi. An extended Kalman filter toassimilate satellite altimeter data into a non-linear numerical model of the tropical ocean: Method andvalidation. J. Geophys. Res., 104(C3):5441–5458, 1999.

2000

1. A. Antoniadis, I. Gijbels, and B. MacGibbon. Nonparametric estimation for the location of a change-point in an otherwise smooth hazard function under random censoring. Scandinavian Journal of Statistics,27(3):501–519, 2000.

2. A. Antoniadis and F. Leblanc. Nonparametric wavelet regression for binary response. Statistics, 34:183–213, 2000.

3. Braunschweig B. and O. Francois. Quelques remarques sur la pratique des algorithmes evolutionnaires enfrance. MATAPLI, Bulletin de la SMAI, 61:25–28, 2000.

4. M. Beguin. Transfert de charge dans un reseau de processeurs totalement connectes. RAIRO Oper. Res.,34:99–129, 2000.

134

Equipe SMS

5. Jean Berard and Alexis Bienvenue. Un principe d’invariance pour un algorithme genetique en populationfinie. C. R. Acad. Sci. Paris Ser. I Math., 331:469–474, octobre 2000.

6. R. Blacher. Loi de la somme de n vecteurs aleatoires et de leurs formes quadratiques. C.R. Acad. Sci.Paris, 2000.

7. P. Calabresse, H. Perrault, D. T. Pham, A. Eberhard, and G. Benchetrit. Cardiorespiratorary intereactiondurting resistive load breathing. Am. J. Physiol. Regulatory Integrative Comp. Physiol., 279:R2208–R2213, 2000.

8. J.-F. Coeurjolly. Simulation and identification of the fractional brownian motion: a bibliographical andcomparative study. Journal of Statistical Software, 5:1–53, 2000.

9. B. Delyon and A. Juditsky. On minimax identification of a nonparametric autogressive model. Probab.Theory and Rel. Fields, 116(1):21–39, 2000.

10. S. Degerine and R. Malki. Second order blind separation of sources based on canonical partial innovations.IEEE, Trans. Signal Processing, SP-48(3):629–641, March 2000.

11. J. Diebolt, V. Durbec, M. A. El Aroui, and B. Villain. Estimation of extreme quantiles: Empirical tools formethods assessment and comparison. International Journal of Reliability, Quality and Safety Engineering,(7):75–94, 2000.

12. O. Francois. Geometric inequalities for the eigenvalues of concentrated markov chains. Journal of AppliedProbability, 37:15–28, 2000.

13. O. Francois, L. Mohamed Abdallahi, T. Herve, J. Horikawa, and T. Taniguchi. Statistical proceduresfor multidimensional neuronal data with application to optical recording of the auditory cortex. NeuralComputation, 12(8):1821–1839, 2000.

14. O. Francois, J. Larota, J. Horikawa, and T. Herve. Diffusion and innovation rates for multidimensionalneuronal data with large covariance. Network: Computation in Neural Systems, 11:211–220, 2000.

15. G. Gregoire and J. Nembe. Convergence rates for the minimum complexity estimator of counting processintensities. Nonparametric Statistics, 12:611–643, 2000.

16. A. Juditsky and A. Nemirovski. Functional aggregation for nonparametric regression. Annals of Stat.,28(3):681–712, 2000.

17. M.L. Kleptsyna, A. Le Breton, and M.C. Roubaud. General approach to filtering with fractional Browniannoises – Application to linear systems. Stochastics and Stochastics Reports, 71:119–140, 2000.

18. M.L. Kleptsyna, A. Le Breton, and M.C. Roubaud. Parameter estimation and optimal filtering for fractionaltype stochastic systems. Statistical Inference for Stochastic Processes, 3(1-2):173–182, 2000.

19. V.V. Konev and A. Le Breton. Guaranteed parameter estimation in a first-order autoregressive processwith infinite variance. Sequential Analysis, 19(1-2):25–43, 2000.

20. S. Lambert-Lacroix. On autoregressive periodic processes estimation. IEEE Transactions on SignalProcessing, 48(6):1800–1803, 2000.

21. A. Le Breton. A note on the synthesis of nonquadratic optimal control in a one-dimensional linear system.Journal of Mathematical Analysis and Applications, 243:32–46, 2000.

22. A. Le Breton and M.C. Roubaud. Asymptotic optimality of approximate filters in stochastic systems withcoloured noises. SIAM Journal of Control and Optimization, 39(3):917–927, 2000.

23. D.T. Pham. Blind separation of instantenaous mixtrures of sources based on order statistics. IEEE Trans.Signal Preocessing, 48(2):363–375, 2000.

24. D.T. Pham. Estimation of continuous time autoregressive model from finely sample data. IEEE Trans.Signal Processing, 48(9):2576–2584, 2000.

25. M. Xie, Z. Yang, and O. Gaudoin. More on the mis-specification of the shape parameter with Weibull-to-exponential transformation. Quality and Reliability Engineering International, 16:281–290, 2000.

135

Equipe SMS

2001–2002

1. A. Antoniadis and U. Amato. Adaptive wavelet series estimation in separable nonparametric regressionmodels. Statistics and Computing, 11:373–394, 2001.

2. A. Antoniadis, J. Bigot, and T. Sapatinas. Wavelet estimators in nonparametric regression: A comparativesimulation study. Journal of Statistical Software, 6(2):1–57, 2001.

3. A. Antoniadis and J. Fan. Regularization of wavelets approximations (with discussion). Journal ofAmerican Statistical Association, 96(455):939–963, 2001.

4. A. Antoniadis, J. Fan, and I. Gijbels. A wavelet method for unfolding sphere size distributions. CanadianJournal of Statistics, 29(2):251–268, 2001.

5. A. Antoniadis and I. Gilbels. Detecting abrupt changes by wavelet methods. J. Nonparam. Statist., pagea paraıtre, 2001.

6. A. Antoniadis, D. Leoporini, and J.-C. Pesquet. Wavelet thresholding for some classes of non gaussiannoise. Statistica Neerlandica, 2002. a paraıtre.

7. A. Antoniadis and T. Sapatinas. Wavelet shrinkage for natural exponential families with cubic variancefunctions. Shankya, 2001. a paraıtre.

8. A. Antoniadis and T. Sapatinas. Wavelet shrinkage for natural exponential families with quadratic variancefunctions. Biometrika, 88(3):805–820, 2001.

9. R. Blacher. Multivariate quadratic forms of random vectors. Journ. of Multi. Analy., 2001. accepte.

10. J.-F. Coeurjolly. Estimating the parameters of a fractional brownian motion by discrete variations of itssample paths. Statistical Inference for Stochastic Processes, 4:199–227, 2001.

11. J.-F. Coeurjolly and J. Istas. Cramer-Rao bounds for fractional Brownian motions. Statistics and Proba-bility Letters, 53:435–447, 2001.

12. E. Cretois and O. Radouane. Neyman smooth tests for the generaliezd Pareto distribution. Communica-tions in Statistics, Theory and Methods, 31(7), 2002. A paraıtre.

13. S. Degerine and S. Lambert-Lacroix. Characterization of the partial autocorrelation function of nonsta-tionary time series. Journal of Multivariate Analysis, 2002. To appear.

14. S. Degerine and S. Lambert-Lacroix. Evolutive instantaneous spectrum associated with partial autocorre-lation function. J. Time Series Anal., 2002. To appear.

15. R. Roy D.T. Pham. Tests for non-correlation of two cointegrated arma time series stationary sourcs. J.Time Ser. Anal., 2002. A paraıtre.

16. O. Francois. Global optimization with exploration/selection procedures and simulated annealing. TheAnnals of Applied Probability, A paraitre, 2001.

17. O. Francois and C. Lavergne. Design of evolutionary algorithms: A statistical perspective. IEEE Trans-actions on Evolutionary Computation, 5(2):129–148, 2001.

18. G. Gregoire and Z. Hamrouni. Two nonparametric tests for change-points problems. NonparametricStatistics, 2001. To appear.

19. G. Gregoire and Z. Hamrouni. Change-point estimation with local linear smoothing. J. of MultivariateAnalysis, 2002. To appear.

20. I. Hoteit, D. T. Pham, and J. Blum. A semi-evolutive partially local filter for data assimilation. MarinePollution Bulletin, 43(7-12):164–174, 2001.

21. M. Hristache, A. Juditsky, A. Polzehl, and V. Spokoiny. Structure adaptive approach for dimensionreduction. Ann. of Stats, 29(6), decembre 2001.

136

Equipe SMS

22. M. Hristache, A. Juditsky, and V. Spokoiny. Direct estimation of the index coefficient in a single-indexmodel. Annals of Stat., 29(3), 2001.

23. A. Juditsky and O. Lambert-Lacroix. On nonparametric confidence set estimation. Math. Meth. of Stat,2001. a paraıtre.

24. A. Juditsky and O. Lepski. Evaluation of the accuracy of nonparametric estimators. Math. Meth. of Stat.,10(4):422–445, 2001.

25. A. Juditsky, E. Moulines, and P. Soulier. Adaptive estimation of the fractional differencing coefficient.Bernoulli, 7(5):699–731, 2001.

26. A. Juditsky and A. Nazin. On minimax approach to nonparametric adaptive control. Int J. of AdaptiveContr. & Signal Proc., 15(2):153–168, 2001.

27. A. Juditsky and A. Nemirovski. On nonparametric tests of positivity/monotonicity/convexity. Annals ofStat., 30(2), 2002.

28. M.L. Kleptsyna and A. Le Breton. Optimal linear filtering of general multidimensional Gaussian processes –Application to Laplace transforms of quadratic functionals. Journal of Applied Mathematics and StochasticAnalysis, 14(3):215–226, 2001.

29. M.L. Kleptsyna and A. Le Breton. Some explicit statistical results about elementary fractional type models.Nonlinear Analysis – Theory, Methods and Applications, 47(7):4783–4794, 2001.

30. M.L. Kleptsyna and A. Le Breton. Extension of the Kalman-Bucy filter to elementary linear systems withfractional Brownian noises. Statistical Inference for Stochastic Processes, 2002. to appear.

31. M.L. Kleptsyna and A. Le Breton. Statistical analysis of the fractional Ornstein-Uhlenbeck type process.Statistical Inference for Stochastic Processes, 2002. to appear.

32. M.L. Kleptsyna and A. Le Breton. A Cameron-Martin type formula for general Gaussian processes – Afiltering approach. Stochastics and Stochastics Reports, to appear, 2002.

33. F. Leblanc and O. Lepski. Test for symmetry of regerssion curves ii. Theory of Probability and itsapplications, page to appear, 2001.

34. D. T. Pham. Blind separation of instantaneous mixture of sources via the Gaussian mutual informationcriterion. Signal Processing, 81(9):850–870, 2001.

35. D. T. Pham. Joint approximate diagonalization of positive definite matrices. SIAM J. on Matrix Anal.and Appl., 22(4):1136–1152, 2001.

36. D. T. Pham. Stochastic methods for sequential data assimilation in strongly nonlinear systems. MonthlyWeather Review, 129(5):1194–1207, 2001.

37. D. T. Pham. Mutual information approach to blind separation of stationary sourcs. IEEE Trans. Inform.Theory, 2002. Accepte en deuxieme lecture.

38. D. T. Pham and J.-F. Cardoso. Blind separation of instantaneous mixtures of non stationary sources.IEEE Trans. Signal Processing, 49(9):1837–1848, 2001.

B – Articles dans des Actes de Congres avec Comite de Lecture

1998

1. C. Bracquemond, M. Chevalier, and E. Teyssedre. Un modele de fatigue pour les dispositifselectromecaniques. In XIeme Colloque National de Fiabilite et Maintenabilite , λµ 11, pages 396–401,Arcachon, Septembre 1998.

137

Equipe SMS

2. Francois O., Beguin M., and Mohamed Abdallahi L. Parameters estimation in the diffusion model formultidimensional neuronal data. In Proceedings of the 8th International Conference on Artificial NeuralNetworks, pages 1039–1044, Skovde, Sweden, L. Niklasson, M. Boden, T. Ziemke eds, Springer-Verlag, 1998.

1999

1. C. Bracquemond, M. Chevalier, R. Garnier, C Grillo, M. Guyot, and D. Perez. Fast estimation of electronicboards failure rate. In 10th European Safety and Reliability Conference - ESREL’99, pages 949–951, Munich,Allemagne, Septembre 1999.

2. E. Cretois, M. A. El Aroui, and O. Gaudoin. Software Reliability model selection : a new look on the U-plotmethod. In 5th ISSAT Int. Conf. on Reliability and Quality in Design, pages 206–210, Las Vegas, USA,Aout 1999.

3. S. Degerine and A. Zaidi. Maximum de vraisemblance exact pour la separation aveugle d’un melangeinstantane de sources autoregressives gausssiennes. In 17e Colloque GRETSI sur le traitement du signal etdes images, pages 1141–1144, Vannes, septembre 1999.

4. O. Francois. Controlling mutation/selection algorithms with stochastic approximation. In Congress onEvolutionary Computation, pages 1487–1493, Washington D.C., IEEE Press, 1999.

5. M.L. Kleptsyna, A. Le Breton, and M.C. Roubaud. An elementary approach to filtering in systems withfractional Brownian observation noise. In B. Grigelionis et al., editor, Probab. Theory and Math. Stat.,Proc. of the 7th Vilnius Conf., pages 373–392. VSP/TEV, 1999.

6. D. T. Pham. Mutual information approach to blind separation for stationary sources. In J. F. Cardoso,C. Jutten, and Ph. Loubaton, editors, Proceeding of ICA’99 Conference, pages 215–220, Aussois, France,January 1999.

2000

1. L. Mohamed Abdallahi, M. Beguin, and O. Francois. In International Workshop on “Dynamical NeuralNetworks and Applications” DYNN’2000, M. Samuelides ed., pages 31–33, Bielefield, 2000.

2. F. Arnoux, O. Gaudoin, and C. Makni. The Generalized Power Family in Software Reliability data analysis.In 2nd Int. Conf. on Mathematical Methods in Reliability, Bordeaux, Juillet 2000.

3. C. Bracquemond, M. Chevalier, and O. Gaudoin. Modeles de fiabilite en temps discret. In XII emeColloque National de Surete de Fonctionnement, λµ 12, Montpellier, Mars 2000.

4. S. Di Piazza, O. Gaudoin, and C. Le Garrec. Constance des parametres de surete de fonctionnement enexploitation. In XII eme Colloque National de Surete de Fonctionnement, λµ 12, Montpellier, Mars 2000.

5. E. Fontenas and Soler J. L. Infinite dimensional hazard rate and exponential processes. In 2nd Int. Conf.on Mathematical Methods in Reliability, Bordeaux, Juillet 2000.

6. O. Francois. Large deviations, evolutionary computation and comparisons of algorithms. In ParallelProblem Solving from Nature PPSN VI, M. Schoenauer et al, eds., pages 79–88, Paris, LNCS 1917: Springer-Verlag, 2000.

7. O. Gaudoin and C. A. Zahalca. Reliability of XLPE cables under lightning impulse voltages. In 2nd Int.Conf. on Mathematical Methods in Reliability, Bordeaux, Juillet 2000. Conference invitee.

8. I. Hoteit, D.T. Pham, and J. Blum. Filtres de kalman etendus singuliers evolutifs simplifies. In Atelier deModelisation de l’Atmosphere 2000, page 4, Meteo France, Toulouse, 2000.

9. I. Hoteit, D.T. Pham, and J. Blum. A semi-evolutive filter with partially local correction basis for dataassimilation in oceanography. In Fourth International marine environmetal modelling seminar, IMEMS2000, page 15, Athens, Greece, 2000.

138

Equipe SMS

10. Soler J. L. Estimating the stress memory of a component. In 2nd Int. Conf. on Mathematical Methods inReliability, Bordeaux, Juillet 2000.

11. A. Le Breton and M.C. Roubaud. Approximate filters in systems with coloured noises. In ProceedingsCD of the 14th International Symposium on Mathematical Theory of Networks and Systems, MTNS’2000,Perpignan, June 2000.

12. D. T. Pham. Blind separation of instantaneous mixture of sources via the Gaussian mutual informationcriterion. In Moncef Gabbouj and Pauli Kuosmanen, editors, SIgnal Processing X (Proceeding of EUSIPCO2000 Conference), pages 3–6, Tampere, Finland, September 2000.

13. D. T. Pham and J. F. Cardoso. Blind separation of instanstaneous mixture of non stationary sources. InP. Pajunen and J. Karhunen, editors, Proceeding of ICA 2000 Conference, pages 187–192, Helsinki, Finland,June 2000.

2001

1. S. Achard, D. T. Pham, and Ch. Jutten. Blind source separation in post nonlinear mixtures. In Proceedingof ICA 2001 Conference, San-Diego, USA, December 2001.

2. S. Achard, D. T. Pham, and Ch. Jutten. Separation aveugle de sources dans les melanges post nonlineaires. In XVIII-eme Colloque du GRETSI “Traitement du Signal et des Images”, number 2, pages689–692, Toulouse, France, September 2001.

3. Alexis Bienvenue, Marc Joannides, Jean Berard, Eric Fontenas, and Olivier Francois. Niching in montecarlo filtering algorithms. In Pierre Collet, Evelyne Lutton, Marc Schoenauer, Cyril Fonlupt, and Jin-KaoHao, editors, Proceedings of the 5th International Conference on Artificial Evolution, pages 11–22, 2001.

4. C. Bracquemond, M. Chevalier, and O. Gaudoin. Modeling the ageing of nonrepairable systems in discretetime. In 12th European Safety and Reliability Int. Conf. - ESREL’2001, Turin, Italie, Septembre 2001.

5. C. Bracquemond, O. Gaudoin, and M. Xie. Towards a new definition of failure rate for discrete distributions.In 10th Int. Symp. on Applied Stochastic Models and Data Analysis, ASMDA 2001, Compiegne, Juin 2001.Conference invitee.

6. A. Cercueil and O. Francois. Monte carlo simulation and population-based optimization. In Congress onEvolutionary Computation CEC 2001, pages 617–625, Seoul, IEEE Press, Pitsicaway, 2001.

7. E. Cretois. A new goodness-of-fit test for the geometric distribution. In 12th European Safety andReliability Int. Conf. - ESREL’2001, Turin, Italie, Septembre 2001.

8. S. Degerine. Diagonalisation conjointe approchee d’un ensemble de matrices. In De la separation desources a l’analyse en composantes independantes, pages 129–144, Villard-de-Lans, mai 2001.

9. S. Degerine. Sur la diagonalisation conjointe approchee par un critere de moindres carres. In 18e ColloqueGRETSI sur le traitement du signal et des images, Toulouse, septembre 2001.

10. O. Gaudoin, M. Xie, and B. Yang. On the R-squared goodness-of-fit test for the Power-Law Process. In7th ISSAT Int. Conf. on Reliability and Quality in Design, Washington D.C., USA, Aout 2001.

11. S. Hoseini, C. Jutten, D. T. Pham, and B. Stoll. Sparation aveugle de sources temporellement correles parl’approche de maximum de vraisemblance. In XVIII-eme Colloque du GRETSI “Traitement du Signal etdes Images”, number 2, pages 693–696, Toulouse, France, September 2001.

12. S. Hosseini, Ch. Jutten, and D. T. Pham. Blind separation of temporally correlated sources using a quasimaximum likelihood approach. In Proceeding of ICA 2001 Conference, San-Diego, USA, December 2001.

13. I. Hoteit and D.T. Pham. An adaptively reduced order extended kalman filter for data assimilation inthe tropical pacific. In Fifth International marine environmetal modelling seminar, IMEMS 2001, NewOrleans, 2001.

139

Equipe SMS

14. D. T. Pham. Contrast functions for blind seperation and deconvolution of sources. In Proceeding of ICA2001 Conference, San-Diego, USA, December 2001.

15. D. T. Pham. Contrastes pour la separation aveugle de sources. In XVIII-eme Colloque du GRETSI“Traitement du Signal et des Images”, number 2, pages 677–680, Toulouse, France, September 2001.

16. M. Xie, B. Yang, and O. Gaudoin. Regression goodness-of-fit test for software reliability model validation.In 12th IEEE Int. Symp. on Software Reliability Engineering, Hong-Kong, Chine, Novembre 2001.

17. A. Zaidi. Un nouvel indice de performance et sa borne inferieure. In 18e Colloque GRETSI sur letraitement du signal et des images, volume 2, pages 299–302, Toulouse, septembre 2001.

A paraıtre

1. L. Doyen and O. Gaudoin. Modelling and assessment of maintenance efficiency for repairable systems. In13th European Safety and Reliability Int. Conf. - ESREL’2002, Lyon, Mars 2002.

C – Chapitres de Livres et Articles dans des Ouvrages Collectifs

1998

1. M. Akian, J.P. Quadrat, and M. Viot. Duality between probability and optimization. In J. Gunawardena,editor, Idempotency. Based on a Workshop, Bristol, UK, pages 331–353. Cambridge University Press,Cambridge, 1998.

2. D. Chauveau, J. Diebolt, and C. P. Robert. Control by the central limit theorem. In Discretization Methodsfor MCMC Convergence Assessment, Lecture Notes in Statistics, C. P. Robert (ed.), volume 135, pages99–122. Springer-Verlag : New York, 1998.

3. A. Juditsky. Estimation theory. In XXII Encyclopedia of Electronic and Electrical Engineering. John Wiley,1998.

4. A. Juditsky, Q. Zhang, B. Delyon, P-Y. Glorennec, and A. Benveniste. Wavelets in identification. In FuzzyLogic and Expert System Applications, pages 315–412. Academic Press, 1998.

1999

1. O. Gaudoin. CPIT Goodness-of-Fit tests for reliability growth models. In D.C. Ionescu and N. Limnios,editors, Statistical and Probabilistic Models in Reliability, pages 27–37. Birkhauser, 1999.

2. A. Le Breton and J.L. Soler. On the failure-rate of components subject to a diffuse stress. In D.C. Ionescuand N. Limnios, editors, Statistical and Probabilistic Models in Reliability, pages 213–224. Birkhauser,Boston, 1999.

3. C. A. Zahalca and M. Chardi. Modelling the reliability of a complex system under stress environment.In D.C. Ionescu and N. Limnios, editors, Statistical and Probabilistic Models in Reliability, pages 225–234.Birkhauser, 1999.

2000

1. M.L. Kleptsyna, A. Le Breton, and M. Viot. About Laplace transforms of quadratic functionals of multi-dimensional Gauss-Markov processes and matrix-valued Riccati differential equations. In J.L. Menaldi, E.

140

Equipe SMS

Rofman, and A. Sulem, editors, Optimal Control and Partial Differential Equations. In honour of ProfessorAlain Bensoussan’s 60th Birthday, pages 248–257. IOS Press, Amsterdam, 2000.

2001–2002

1. C. Bracquemond, O. Gaudoin, D. Roy, and M. Xie. On some discrete notions of aging. In Hayakawa Y.,Irony T., and Xie M., editors, System and Bayesian Reliability, pages 185–197. World Scientific, 2001.

2. J.-F. Cardoso and D. T. Pham. Separation of non stationary sources. algorithms and performance. InS. J. Roberts and R. M. Everson, editors, Independent Component Analysis: Principles and Pratice, pages158–180. Cambridge University Press, 2001.

3. S. Degerine and A. Zaidi. Methodes a l’ordre 2 pour les melanges instantanes de sources colorees. In De laseparation de sources a l’analyse en composantes independantes. Hermes, 2002. A paraıtre.

4. O. Gaudoin. Some statistical methods in maintenance management. In L. Petterson, editor, Handbook onMaintenance Management - Optimisation and Data, page A paraıtre. An ESReDA working group report,Statistical Series n◦5, Det Norske Veritas, Oslo, 2002.

5. D. T. Pham. Approche information mutuelle pour la separation de sources. In Ch. Jutten and P. Comon,editors, De la Separation de Sources a l’Analyse en Composantes Independantes. Hermes, 2002. A paraıtre.

D – Theses et DHDR

1998

1. S. Lambert-Lacroix. Fonction d’autocorrelation partielle des processus a temps discret non stationnaires etapplications. PhD thesis, Universite Joseph Fourier, juillet 1998.

2. C. Trottier. Estimation dans les modeles lineaires generalises a effets aleatoires. PhD thesis, UniversiteJoseph Fourier, juillet 1998.

1999

1. R. Boumaza. Analyses factorielles des distributions marginales de processus. PhD thesis, Universite JosephFourier, janvier 1999.

2. S. Carme. Methode d’assimilation des donnees par filtrage de Kalman dans un modele realiste de l’AtlantiqueNord. PhD thesis, Universite Joseph Fourier, Octobre 1999.

3. Z. Hamrouni. Inference statistique par lissage lineaire local pour une fonction de regression presentant desdiscontinuites. PhD thesis, Universite Joseph Fourier, janvier 1999.

4. C. A. Zahalca. Fiabilite de Systemes en Environnement Aleatoire Stressant. Doctorat, Institut NationalPolytechnique de Grenoble, Octobre 1999.

2000

1. J-F. Coeurjoly. Inference statistique pour les mouvements browniens fractionnaire et multifractionnaire.PhD thesis, Universite Joseph Fourier, decembre 2000.

2. O. Francois. Modeles stochastiques pour les algorithmes de population et les reseaux neuronaux. Habilitationa diriger des recherches, Institut National Polytechnique de Grenoble, decembre 2000.

141

Equipe SMS

3. A. Zaidi. Separation aveugle d’un melange instantane de sources autoregressives gaussiennes par la methodedu maximum de vraisemblance exact. PhD thesis, Universite Joseph Fourier, decembre 2000.

2001

1. C. Bracquemond. Modelisation stochastique du vieillissement en temps discret. PhD thesis, Institut NationalPolytechnique de Grenoble, octobre 2001.

2. I. Hoteit. Filtres de Kalman reduits et efficaces pour l’assimilation de donnees en oceanographie. PhDthesis, Universite Joseph Fourier, janvier 2001.

3. M-L. Ould. Estimation des parametres d’un modele d’activite neuronale et applications de la theorie duchamp moyen. PhD thesis, Universite Joseph Fourier, juin 2001.

E – Conferences et Communications dans des Congres sans Actes

1998

1. A. Antoniadis. Nonparametric estimation in change point hazard rate models. In Workshop on StatisticalModels and Methods for Discontinuous Phenomena, May 1998.

2. D. Chauveau and J. Diebolt. Clt convergence control. In Atelier “MCMC–orics” du TMR HSSS, CREST–Ensae, Malakoff, decembre 1998.

3. E. Cretois, M. A. El Aroui, and O. Gaudoin. Tests prequentiels d’adequation aux modeles de croissancede fiabilite. In XXX emes Journees de Statistique, Rennes, Mai 1998.

4. O. Gaudoin. Methodologie de l’evaluation statistique de la fiabilite des logiciels. In 1er Congres de laSociete Francaise de Recherche Operationnelle et Aide a la Decision, Paris, Janvier 1998. Conferenceinvitee.

5. O. Gaudoin, E. Cretois, and M. Xie. Goodness-of-Fit tests for the log-power Software Reliability model.In 1st Workshop on Reliability Modeling and Analysis - From Theory to Practice, Singapour, Novembre1998.

6. D. Girard. Circe: une nouvelle methodologie de calcul des incertitudes sur les lois de fermeture d’un codeedp. In Workshop ”Methodologies Statistiques en Calcul d’Incertitudes et Application de CIRCE au codeTHYC” organise par EdF, Direction des Etudes et Recherches, Chatou, Paris, 1998.

7. S. Girard and J. Diebolt. Convergence de l’estimation des quantiles extremes par la methode ET. In XXXemes Journees de Statistique, Rennes, mai 1998.

8. G. Gregoire and Z. Hamrouni. Estimation du nombre de ruptures dans une fonction de regression. InXXXemes Journees de Statistique, Rennes, Mai 1998.

9. M.L. Kleptsyna, A. Le Breton, and M.C. Roubaud. Filtrage avec bruit d’observation brownien fractionnaire(1). In Journees MAS/SMAI, Sophia-Antipolis, Septembre 1998.

10. M.L. Kleptsyna, A. Le Breton, and M.C. Roubaud. Filtrage avec bruit d’observation brownien fractionnaire(2). In 19eme Rencontre Franco-Belge de Statisticiens, Luminy, Novembre 1998.

11. F. Leblanc. Density estimation for a class of continuous time process. In Statistics for stochastic processes,Le Mans, 1998. Invited talk.

12. D.T. Pham. Tests for non-correlation of two co-integrated arma time series. In Symposium sur l’Analysedes Series Chronologiques, Montreal, Canada, 1998.

142

Equipe SMS

13. C. A. Zahalca. Fiabilite de systemes en environnement aleatoire stressant. In Doctoriales Rhone-Alpes 98,Autrans, Juin 1998.

1999

1. A. Antoniadis. Statistique and ondelettes : Applications au domaine biomedical. In Journees Statistiqueet Ondelettes, SFDS, Paris, France, February 1999. Invited talk.

2. A. Antoniadis, L. Cararro, E. Gagnier, A. Nouri, and P. Reuss. The characterization system: a statisticalapproach for the determination of the range of code applicability. In Sixth International Conference onNuclear Criticality Safety, ICNC’99, Versailles, France, Sept 20-24 1999.

3. S. Degerine and A. Zaidi. Maximum de vraisemblance exact pour la separation aveugle d’un melangeinstantane de sources autoregressives gausssiennes. In 31e Journees de Statistique, Grenoble, mai 1999.

4. D. Girard. Une extension non-lineaire de circe. In Workshop ”Adjoint Sensitivity Method + CIRCE: bilan et perspectives” organise par le Laboratoire de Modelisation Numerique en Thermohydraulique duCEA-Grenoble et ses partenaires (IPSN, EdF, Framatome), CEA, Grenoble, 1999.

5. S. Girard and J. Diebolt. Consistance de la methode ET et variations regulieres. In XXXI emes Journeesde Statistique de l’ASU, Grenoble, mai 1999.

6. S. Girard and J. Diebolt. Convergence de l’estimation des quantiles extremes. In Colloque de la SocieteMathematique Tunisienne, Tabarka, Tunisie, mars 1999.

7. G. Gregoire and Z. Hamrouni. Qualite de reconstitution d’une fonction de regression presentant desruptures. In XXXIemes Journees de Statistique, Grenoble, Mai 1999.

8. A. Juditsky and S. Lambert-Lacroix. Intervalles de confiance pour des estimateurs adaptatifs sur les classesde Besov. In XXXIiemes Journees de Statistique, Grenoble, 1999.

9. M.L. Kleptsyna, A. Le Breton, and M.C. Roubaud. Estimation et filtrage dans des systemes stochastiquesde type fractionnaire. In 21emes Journees de Statistique, Grenoble, Mai 1999.

10. C. A. Zahalca. Influence d’un environnement aleatoire stressant sur la fiabilite des systemes. In 3emeCongres Qualite et Surete de Fonctionnement - Qualita 99, pages 387–395, Paris, Mars 1999.

11. C. A. Zahalca and O. Gaudoin. Estimation de la sensibilite d’un systeme a un environnement aleatoirestressant. In XXXI emes Journees de Statistique, pages 805–808, Grenoble, Mai 1999.

12. J. Zuber and J. Diebolt. A goodness-of-fit test for nonlinear models based on nonparametric techniques. InInverse Problems in Statistics, Mathematisches Forschungsinstitut, Oberwolfach, Allemagne, janvier 1999.

13. J. Zuber and J. Diebolt. Un test chi-carre d’adequation de modeles parametriques en regression. In XXXIemes Journees de Statistique de l’ASU, Grenoble, mai 1999.

14. J. Zuber and J. Diebolt. A goodness-of-fit test for nonlinear models based on nonparametric techniques.In Seminaire de printemps du 3 eme cycle Romand de statistique et probabilites appliquees, Villars, Suisse,mars 1999.

2000

1. L.M. Abdallahi, M. Beguin, O. Francois, and C. La Rota. Estimation in interacting point processesmodels: a gibbsian approximation approach. In International workshop on dynamical neural networks andapplications 2000, Bielefeld, Germany, 2000.

2. C. Angelini, D. de Canditiis, and F. Leblanc. Wavelet regression estimation in mixed models. In Rencontresde Statistique Mathematique, Luminy, 2000.

143

Equipe SMS

3. A. Antoniadis. Nonparametric estimation for the location of a change-point in an otherwise smooth hazardfunction under random censoring. In First International meeting on Actuarial and Finance Sciences,Samos, Greece, May 2000. Invited talk.

4. A. Antoniadis. Wavelet regularization. In 5th World Congress of the Bernoulli Society, Guanajuato,Mexico, May 2000. Invited talk.

5. O. Gaudoin. Stochastic modeling of the reliability of non repairable and repairable systems : Similaritiesand major differences. In 19th European Safety, Reliability and Data Association (ESReDA), Lyon, Octobre2000.

6. D. Girard. L’outil circe de calcul des incertitudes sur les lois de fermeture d’un code edp: fondementtheorique. In Workshop ”Evaluation de CIRCE I” organise par l’IPSN, Departement d’Evaluation deSurete, CEA, Fontenay-aux-Roses, 2000.

7. I. Hoteit and D.T. Pham. Reduced order extended kalman filtering for data assimilation in oceanography.In 14th International meeting for the Sciences Advancement, 2000.

8. I. Hoteit, D.T. Pham, and J. Blum. In European Geophysical Society General Assembly 2000, Nice, 2000.

9. A. Juditsky and S. Lambert-Lacroix. Density estimation on R. In Journees de Statistique de Marseille,Marseille, 2000.

10. A. Juditsky and A. Nemirovski. On the adaptive filtering problem. In Rencontres de StatistiqueMathematique, Luminy, 2000.

11. M.L. Kleptsyna and A. Le Breton. Analyse statistique du processus de type Ornstein-Uhlenbeck fraction-naire. In Journees Modelisation Aleatoire et Statistique, Rennes, Septembre 2000.

12. M.L. Kleptsyna and A. Le Breton. Some aspects of stochastic fractional systems. In Third World Congressof Nonlinear Analysts (WCNA-2000), Catania (Italy), July 2000. Invited talk.

13. M.L. Kleptsyna and A. Le Breton. Statistical analysis of fractional type models. In Statistique asymptotiquedes processus stochastiques, Le Mans, Decembre 2000. Invited talk.

14. D.T. Pham. Mutual information, separation of sources and deconvolution. In International IndianStatistical Association Meeting, New Delhi, India, 2000. Invited talk.

15. A. Zaidi. Separation aveugle de sources colorees : proprietes asymptotiques de l’estimateur mve. In 32eJournees de Statistique, Fes, Maroc, mai 2000.

2001

1. A. Antoniadis. Methodes de regression semi-parametriques et non parametriques et leurs applications ala prevision de la pollution de l’air. In Journees Statistique et Pollution, SFdS, Paris, France, December2001. Invited talk.

2. A. Antoniadis. A wavelet method for unfolding sphere size distributions. In Statistics of Inverse Problems,IHP, Paris, France, May 2001. Invited talk.

3. A. Antoniadis and J. Fan. Regularization by wavelet approximation. In Joint Statistical Meeting, Atlanta,Aout 2001. Invited talk.

4. A. Antoniadis and J. Fan. Wavelet networks and graduated non convexity algorithms for model selection.In Joint Statistical Meeting, Atlanta, Aout 2001. Invited talk.

5. C. Bracquemond, M. Chevalier, and O. Gaudoin. Criteres de choix de modeles de fiabilite en temps discretpour l’analyse du retour d’experiences. In 4eme Conference Qualite et Surete de Fonctionnement, Qualita2001, Annecy, Mars 2001.

6. C. Bracquemond, E. Cretois, and O. Gaudoin. Tests d’adequation aux modeles de fiabilite en temps discret; application a la loi geometrique. In XXXIII emes Journees de Statistique, Nantes, Mai 2001.

144

Equipe SMS

7. E. Fontenas and Soler J. L. Taux de hasard en dimension infinie et processus exponentiels. In XXXIIIemes Journees de Statistique, Nantes, Mai 2001.

8. D. Girard. L’outil circe de calcul des incertitudes sur les lois de fermeture d’un code edp: son extension auxcas fortement non-lineaires. In Workshop ”Evaluation de CIRCE, II” organise par l’IPSN, Departementd’Evaluation de Surete, Lyon, 2001.

9. G. Gregoire. Nonparametric regression quantile for censored data. In International Workshop on QuantileRegression, Liberec, Tchequie, Juillet 2001. Invited talk.

10. I. Hoteit and D.T. Pham. Reduced order schemes for data assimilation in oceanography based on thekalman filter. In 8 international meeting in statistical and climatology, Luneburg, Germany, 2001.

11. A. Juditsky and S. Lambert-Lacroix. On minimax density estimation on R. In Rencontres de StatistiquesMathematiques, Marseille, 2001.

12. M.L. Kleptsyna and A. Le Breton. About some statistical problems in linear fractional models. InWorkshop on Stochastic Analysis and Related Topics, Saint-Petersbourg, Juin 2001.

13. M.L. Kleptsyna and A. Le Breton. Statistical analysis of the fractional Ornstein-Uhlenbeck type process.In Workshop on fractional Brownian motion : Stochastic analysis and applications, Barcelone, Fevrier 2001.

F – Rapports de Recherche et Prepublications soumises

1998

1. R. Blacher. loi de la somme de n vecteurs aleatoires et de leurs formes quadraqtiques. Technical Report176, LMC, July 1998.

2. R. Blacher. Some results about the central limit theorem. Technical Report 998-M, LMC, May 1998.

3. D. Chauveau and J. Diebolt. An automated stopping rule for mcmc convergence assessment. TechnicalReport 3566, Inria Rhone-Alpes, Grenoble, 1998.

4. J. Diebolt. The half-sample method for testing parametric regressive and autoregressive models of order 1.Technical Report 3418, Inria Rhone-Alpes, Grenoble, 1998.

5. O. Gaudoin, J. L. Soler, and C. A. Zahalca. Fiabilite de systemes en environnement aleatoire stressant.Technical Report 53, Projet MAI, 1998.

6. S. Girard and J. Diebolt. Consistency of the et (exponential tail) method and smooth variations. TechnicalReport 98–08, Ensam-Inra-Universite Montpellier II, Montpellier, 1998.

7. S. Girard and J. Diebolt. On the convergence of the et method for extreme upper quantile estimation.Technical Report 3389, Inria Rhone-Alpes, Grenoble, 1998.

8. A. Juditsky and O. Lepski. Evaluation of the accuracy of nonparametric estimators. Technical Report3580, INRIA, juillet 1998.

9. C. Le Garrec and O. Gaudoin. Constance des parametres de surete de fonctionnement en exploitation.Technical report, ISDF, 1998. Rapport du projet ISDF 5-97.

10. D.T. Pham. Blind separation of instantaneous mixture of sources based on order statistic. Technicalreport LMC/IMAG, Laboratoire de Modelisation et de Calcul, BP 53, 38041 Grenoble cedex 09, France,mar 1998. http://www-lmc.imag.fr/lmc-sms/Dinh-Tuan.Pham/BSS/sepa.order.ps.gz.

11. D.T. Pham. Mutual information approach to blind separation of stationary sources. Technical reportLMC/IMAG, Laboratoire de Modelisation et de Calcul, BP 53, 38041 Grenoble cedex 09, France, jul 1998.http://www-lmc.imag.fr/lmc-sms/Dinh-Tuan.Pham/BSS/MutInfBSS.ps.gz.

145

Equipe SMS

12. D.T. Pham. Stochastic methods for sequential data assimilation in strongly nonlinear systems. Raportde recherche INRIA No 3597, INRIA, BP 105, 78153 Le Chesnay Cedex, France 38041 Grenoble cedex 09,France, dec 1998. http://www.inria.fr/RRRT/publications-fra.html.

1999

1. J.-F. Coeurjolly. Identification du mouvement brownien fractionnaire par variations discretes. Rapport deRecherche 1016-M-LMC, Universite Joseph Fourier, Grenoble, 1999.

2. G. Gregoire and J. Nembe. Asymptotics for the minimum complexity estimator of counting process inten-sities. Technical report, Laboratoire LMC/IMAG, Decembre 1999.

3. V. Durbec J. Diebolt and C. Trottier. Regularisation de distributions pour une meilleure adequation extreme.Technical report, Inria Rhone-Alpes-EDF Chatou, Grenoble, 1999. Rapport final de convention de rechercheInria-EDF.

4. A. Juditsky and S. Lambert-Lacroix. Confidence intervals for adaptive regression estimation on besov spaces.Technical Report 3643, INRIA, juillet 1999.

5. A. Le Breton and M.C. Roubaud. Asymptotic optimality of approximate filters in stochastic systems withcoloured noises (Extended version). Technical Report 3801, INRIA, Novembre 1999.

6. D.T. Pham. Blind separation of instantaneous mixture of sources via the Gaussian mutual informationcriterion. Technical report LMC/IMAG, Laboratoire de Modelisation et de Calcul, BP 53, 38041 GrenobleCedex 09, France, December 1999.

7. D.T. Pham. Joint approximate diagonalization of, positive definite Hermitian matrices. Technical reportLMC/IMAG, Laboratoire de Modelisation et de Calcul, BP 53, 38041 Grenoble cedex 09, France, April 1999.

2000

1. U. Amato, A. Antoniadis, and G. Gregoire. Independent component discriminant analysis. Technicalreport, Juin 2000.

2. C. Bracquemond. Modeles de duree de vie des systemes non reparables en temps discret. Technical ReportRR 1028 -M-, IMAG-LMC, 2000.

3. D. de Canditiis C. Angelini and F. Leblanc. Wavelet regression estimation in nonparamet-ric mixed models. Technical Report 193, CNR Italy, Janvier 2000. anonymous ftp site:ftp://ftp.iam.na.cnr.it/pub/RT193.pdf.

4. S. Degerine and A. Zaidi. Maximum de vraisemblance exact pour la separation aveugle d’un melangeinstantane de sources autoregressives gausssiennes. Technical Report 1033-M, LMC-IMAG, juillet 2000.

5. O. Gaudoin, M. Xie, and B. Yang. A simple goodness-of-fit test for the power-law process based on theduane plot. Technical Report 25/2000, Dept of Industrial and Systems Engineering, National Universityof Singapore, 2000.

6. G. Gregoire and Z. Hamrouni. Change-point estimation with local linear smoothing. Technical report,Laboratoire LMC/IMAG, janvier 2000.

7. I. Hoteit, D. T. Pham, and J. Blum. Efficient reduced kalman filtering and application to altimetric dataassimilation in trpoical pacific. Technical Report 3937, INRIA, Avril 2000.

8. I. Hoteit, D. T. Pham, and J. Blum. A semi-evolutive filter with partially local correction basis for dataassimilation in oceanography. Technical Report 3975, INRIA, juillet 2000.

9. O. Radouane and E. Cretois. Neyman smooth tests for the generalized pareto distribution. TechnicalReport RR 1030 -M-, IMAG-LMC, 2000.

146

Equipe SMS

10. M. Xie, O. Gaudoin, and C. Bracquemond. Redefining failure rate function for discrete distributions.Technical Report RR 1029 -M-, IMAG-LMC, 2000.

2001

1. F. Abramovic, A. Antoniadis, B. Vidakovic, and T. Sapatinas. Testing in functional analysis of variancemodels. Technical report, IMAG-LMC, Novembre 2001.

2. A. Antoniadis, G. Gregoire, and I. McKeague. Bayesian estimation in single-index models. Technicalreport, IMAG-LMC, Juin 2001.

3. A. Antoniadis and F. Sapatinas. Wavelet methods for continuous-time prediction using representations ofautoregressive processes in hilbert spaces. Technical Report RR1042-M, IMAG-LMC, Septembre 2001.

4. Jean Berard and Alexis Bienvenue. Sharp asymptotic results for simplified mutation-selection algorithms.Technical report, IMAG, 2001. Submitted for publication.

5. R. Blacher. Effet de transformations de suite aleatoire sur la dependendance. Technical Report 180, LMC,Mars 2001.

6. I. Hoteit and D. T. Pham. An adptively reduced order extended kalman filter for data assimilation in thetropical pacific. Technical Report 4298, INRIA, October 2001.

7. I. Hoteit and D. T. Pham. Evolutivity of the reduced state space and data assimilation schemes based onthe kalman filter. Technical Report 4283, INRIA, September 2001.

8. A. Juditsky and S. Lambert-Lacroix. Density estimation on r. Technical Report 1041, IMAG-LMC, mai2001.

9. A Juditsky and S. Lambert-Lacroix. On minimax density estimation on r. Technical report, LMC, mai2001. soumis a J. of Bernoulli Soc.

10. A. Antoniadis I. McKeague and G. Gregoire. Bayesian estimation in single-index models. Technical report,Laboratoire LMC/IMAG, Juin 2001.

11. D. T. Pham. Contrast functions for ica and sources separation. Technical report, Project BLISS, may2001. http://www-lmc.imag.fr/lmc-sms/Dinh-Tuan.Pham/BSS/contrast.ps.gz.

2002

1. S. Degerine and A. Zaidi. Determinant maximization of a nonsymmetric matrix with quadratic constraints.Technical report, 2002. Submitted.

2. S. Degerine and A. Zaidi. Separation of an instantaneous mixture of gaussian autoregressive sources by theexact maximum likelihood. Technical report, 2002. Submitted.

3. M.L. Kleptsyna, A. Le Breton, and M. Viot. About the linear-quadratic regulator problem under a frac-tional Brownian perturbation and complete observation. Technical Report 4358, INRIA, Janvier 2002.http://www.inria.fr/rrrt/publications-fra.html.

4. M.L. Kleptsyna, A. Le Breton, and M. Viot. New formulas around Laplace transforms ofquadratic forms for general Gaussian sequences. Technical Report 4357, INRIA, Janvier 2002.http://www.inria.fr/rrrt/publications-fra.html.

5. S. Lambert-Lacroix. Extension of autocovariance coefficients sequence for periodically correlated processes.Technical report, 2002. Submitted.

147

Equipe SMS

G – Participations a des Seminaires exterieurs

1998

1. A. Antoniadis. Detection de rupture par polynomes locaux et ondelettes, novembre 1998. Universite deParis Sud, Orsay.

2. S. Degerine and R. Malki. Matrices d’autocorrelation partielle et separation de sources, 1998. GT2-GdR-PRC ISIS, ENST Paris.

3. D. Girard. Regions de confiance robustes en regression non-parametrique, janvier 1998. Seminaire deStatistique du Groupe de Biostatistique et d’Analyse des Systemes, Universite Montpellier 2, ENSA etINRA.

1999

1. A. Antoniadis. Methodes de regularisation par ondelettes, Mai 1999. INRIA, Sophia-Antipolis.

2. S. Degerine and A. Zaidi. Maximum de vraisemblance exact pour la separation aveugle d’un melangeinstantane de sources autoregressives gausssiennes, 1999. GT2-GdR-PRC ISIS, ENST Paris.

3. D. Girard. Techniques de validation croisee en analyse de donnees et pour les problemes inverse: unsurvol, avril 1999. Conference invitee a une journee Problemes Inverse organisee par les departementsmathematiques appliquees de l’IFP de Pau, Solaize, Rueil-Malmaison.

4. C. A. Zahalca. Fiabilite de Systemes en Environnement Aleatoire Stressant, Septembre 1999. Seminaire deStatistique de l’Universite de Marne-La-Vallee.

2000

1. R. Blacher. Formes quadratiques multivariees de vecteurs gaussiens, May 2000. Orsay.

2. C. Bracquemond. Modelisation stochastique du vieillissement a la sollicitation d’appareils electromecaniques,Octobre 2000. Demi journee “Innovation” du Departement Surveillance Diagnostic et Maintenance d’EDF.

3. E. Cretois. Tests d’adequation aux modeles de fiabilite en temps discret : application a la loi geometrique,Novembre 2000. Seminaire de Statistique de l’Universite de Marne-La-Vallee.

4. O. Gaudoin. Autour de quelques problemes de fiabilite, Octobre 2000. Seminaire du Laboratoired’Automatique de Grenoble.

5. D. Girard. Methodologies en statistiques non-parametriques, mars 2000. Conference invitee a EdF, Direc-tion des Etudes et Recherches, Chatou.

6. G. Gregoire. Inference statistique pour les ruptures dans un modele de regression, 2000. Toulouse.

7. G. Gregoire. Tests de rupture dans un modele de regression, 2000. Cergy-Pontoise.

2001

1. A. Antoniadis. Regularisations par decompositions en ondelettes, Decembre 2001. Universite de Paris Sud,Orsay.

2. R. Blacher. Formes quadratiques multivariees de vecteurs gaussiens, Janvier 2001. Lausanne.

148

Equipe SMS

3. O. Gaudoin. Tests d’adequation aux modeles de fiabilite des systemes reparables, Avril 2001. Seminaire duLaboratoire SABRES, Universite de Vannes.

4. A. Le Breton. Filtrage dans les modeles lineaires de type fractionnaire, 31 mai 2001. Seminaire Fractales-Hipercom-Metalau-Meval, INRIA Rocquencourt.

5. A. Le Breton. Formules de type Cameron-Martin pour les processus gaussiens, 7 mars 2001. Seminaire deStatistique et Probabilites, Universite des Sciences et Technologies de Lille.

6. M. Viot. Transformees de Laplace de fonctionnelles quadratiques de processus gaussiens markoviens etApplications, 26 avril 2001. Seminaire Fractales-Hipercom-Metalau-Meval, INRIA Rocquencourt.

149

Equipe SMS

4 COLLOQUES, SEMINAIRES ET ACTIONS DE FORMATION

4.1 Participations a l’Organisation de Congres

1998

- XXX emes Journees de Statistique, Rennes, Mai 1998. G. Gregoire, Membre du Comite Scien-tifique.

- XI eme Colloque Lambda-Mu, Fiabilite et Maintenabilite, Arcachon, Octobre 1998. O. Gaudoin,Membre du Comite Scientifique.

1999

- International Workshop on Independent Components Analysis and Sources Separation (ICA’99),Aussois, Janvier 1999. D.T. Pham, Co-organisateur.

- XXXIemes Journees de Statistique, Grenoble, Mai 1999. Organisation: Equipe SMS/LMC,LABSAD (UPMF) et Projet IS2 (INRIA Rhone-Alpes); A. Antoniadis, President du Comited’Organisation; A. Le Breton, Vice-President du Comite Scientifique.

2000

- 12eme Colloque National de Surete de Fonctionnement (λµ 12), Montpellier, Mars 2000. O. Gau-doin, Membre du Comite Scientifique.

- XXXII emes Journees de Statistique, Fes, Mai 2000. J.-L. Soler, Membre du Comite Scientifique.

- 2nd International Conference on Mathematical Methods in Reliability (MMR’2000), Bordeaux,Juillet 2000. O. Gaudoin, Organisateur de la session “Software reliability models : constructionand selection”.

- 6th ISSAT International Conference on Reliability and Quality in Design, Orlando, USA, Aout2000. O. Gaudoin, Membre du Comite Scientifique.

- IIIemes Journees “Modelisation Aleatoire et Statistique”, Rennes, Septembre 2000. A. Le Bre-ton, Membre du Comite Scientifique.

2001

- XIXth Computational Mathematics Conference - “Wavelets and Statistics”, Vico, Italie, Avril2001. A. Antoniadis, Co-organisateur.

150

Equipe SMS

- XXXIIIemes Journees de Statistique, Nantes, Mai 2001. A. Antoniadis, Membre du ComiteScientifique.

- 7th ISSAT International Conference on Reliability and Quality in Design, Washington D.C.,USA, Aout 2001. O. Gaudoin, Membre du Comite Scientifique.

En preparation

- XXX IV emes Journees de Statistique, Bruxelles – Louvain La Neuve, Mai 2002. G. Gregoire,Organisateur d’une session double.

- 3rd International Conference on Mathematical Methods in Reliability (MMR’2002), Trondheim,Norvege, Juin 2002. O. Gaudoin, Organisateur de la session “Repairable Systems Reliability”.

- “2002 Nonparametrics Conference”, Crete, Juillet 2002. A. Antoniadis, Membre du ComiteScientifique et organisateur de deux sessions.

- 8th ISSAT International Conference on Reliability and Quality in Design, Anaheim, USA, Aout2002. O. Gaudoin, Membre du Comite Scientifique.

- IV emes Journees “Modelisation Aleatoire et Statistique”, Grenoble, Septembre 2002. Organisa-tion: LABSAD (UPMF), Equipe SMS/LMC et Projet IS2 (INRIA Rhone-Alpes); A. Le Breton,President du Comite Scientifique.

4.2 Seminaires organises par l’equipe

1998

- 8 janvier 98, Olivier FRANCOIS, SMS/LMC/IMAGOptimisation particulaire

- 15 janvier 98, Serge PERGAMENSHCHIKOV, Universites de Tomsk et de Franche-ComteAsymptotic expansions for the stochastic approximation averaging procedure in continuous time

- 22 janvier 98, Yann GUEDON, CIRAD, MontpellierAnanlyse de sequences discretes multivariees par des semi-chaınes de Markov cachees

- 29 janvier 98, Victor KONEV, Universite de Tomsk, RussieOn guaranteed estimation of the mean in an autoregressive process with unknown parameters

- 5 fevrier 98, Jacques ISTAS, INRA, Jouy-en-JosasIdentification de processus gaussiens fractionnaires

- 19 fevrier 98, Robert LIPSTER, Universite de Tel-AvivSur les deviations moderees pour des processus stochastiques

- 26 fevrier 98, Michel BENAIM, Universite Paul Sabatier, ToulouseDynamique des algorithmes stochastiques et applications

- 5 mars 98, Marc JOANNIDES, LABSAD / UPMFFiltrage non lineaire avec observations parfaites

151

Equipe SMS

- 12 mars 98, Sophie LAMBERT-LACROIX, SMS / LMC / IMAGSur l’estimation des processus autoregressifs periodiquement correles

- 19 mars 98, Christophe BIERNACKI, IS2 INRIA Rhones-AlpesVraisemblance classifiante et choix du nombre de classes en classification automatique

- 26 mars 98, Alexandre NAZINE, Institute for Control Sciences, MoscouIdentification et commande adaptative optimale pour un systeme dynamique non parametrique

- 2 avril 98, Eugene ASARIN, IPPI MoscouComplexite de Kolmogorov et la notion d’aleatoire

- 16 avril 98, Bernard YCART, LMC-IMAGTest d’arret pour les methodes MCMC

- 23 avril 98, Laurence REBOUL, Universite Paris-Sud, OrsayEstimation adaptative sous contrainte de forme et applications a la fiabilite

- 30 avril 98, Florence FORBES, IS2 INRIA Rhones-AlpesApproches morphologique et bayesienne en restauration d’image

- 14 mai 98, Jean-Pierre QUADRAT, INRIA RocquencourtAlgebre (min, +), Mecanique Statistique et forme produit pour les equations d’HJB

- 4 juin 98, Dinh Tuan PHAM, SMS / LMC / IMAGEstimation d’une densite et de sa fonction score par une approche spline

- 11 juin 98, Marc HALLIN, Universite Libre de BruxellesTests optimaux pour les processus AR(p) fondes sur les scores de rangs d’autoregression

- 18 juin 98, Servet MARTINEZ, Universite du Chili a SantiagoAutomates definis par des groupes avec des mesures initiales markoviennes: Convergence des moyennesde Cesaro vers la Bernoulli uniforme

- 25 juin 98, Zouhir HAMROUNI, SMS / LMC / IMAGEstimation de discontinuites par regression lineaire locale

- 8 octobre 98, Anestis ANTONIADIS, SMS / LMC / IMAGModeles additifs et ondelettes

- 15 octobre 98, Jacques ISTAS, LABSAD / UPMFUn modele identifiable d’intermittence

- 22 octobre 98, Claudia ANGELINI, CNR Naples, ItalieFourier frequency adaptive regularization for smoothing data

- 29 octobre 98, Anatoli JUDITSKY, IS2 INRIA Rhones-AlpesQuelques problemes de filtrage adaptatif

- 5 novembre 98, Dinh Tuan PHAM & Anestis ANTONIADIS, SMS/LMC/IMAGRegression par ondelettes dans le cas d’un plan d’experience aleatoire ou irregulier

- 12 novembre 98, Gilles CELEUX, Projet IS2, INRIA Rhone-AlpesUn critere de vraisemblance classifiante integree pour evaluer le nombre de classes d’un melange

- 26 novembre 98, Gilles GUYLLOT, LTHE / UJFModelisation statistique des champs de pluie saheliens. Application a leur desagregation spatiale ettemporelle

- 3 decembre 98, Stephane CHRETIEN, Projet IS2, INRIA Rhone-AlpesApproches EM et Kullback-proximale pour la maximisation de vraisemblance

- 10 decembre 98, Emmanuel GUERRE, LSTA, Paris VIUn test adaptatif de niveau alpha en regression non parametrique par selection de fenetres

152

Equipe SMS

- 17 decembre 98, Karim BENHENNI, LABSAD, UPMFL’effet des arrondis sur l’estimation d’integrales de processus stochastiques

1999

- 7 janvier 99, Albert BENASSI, CNRS, Clermont-FerrandIdentification d’un brownien multifractionnaire avec fonction d’echelle discontinue

- 14 janvier 99, David LEPORINI, LSS - SUPELEC, Gif sur YvetteModelisation statistique et recherche de meilleure base

- 21 janvier 99, Sylvain SARDY, EPFL, SuisseDivers aspects de l’estimation non parametrique par ondelettes: optimisation et robustesse

- 28 janvier 99, Servet MARTINEZ, Universite du Chili a SantiagoPotentiels sur les arbres

- 4 fevrier 99, Stephane GIRARD, Universite Montpellier 2Consistance de la methode ET et variations regulieres

- 11 fevrier 99, Giovanni PISTONE, Politecnico di Torino, ItalieStatistiques Algebriques: description algebrique des modeles statistiques sur un sous-ensemble fini de Qd

- 18 fevrier 99, Rene BLACHER, SMS / LMC / IMAGLoi de probabilite des formes quadratiques de vecteurs gaussiens

- 4 mars 99, Naamane LAIB, LSTA, Paris 6Tests non parametriques de la variance conditionnelle. Application aux modeles ARCH

- 11 mars 99, Philippe SOULIER, Universite d’Evry Val d’EssonneEstimation spectrale pour les processus a courte et longue memoire

- 18 mars 99, Robert G. STAUDTE, La Trobe University, Melbourne, AustraliaLevel-.05 p-values and other weights of evidence for hypotheses

- 25 mars 99, Patrice BERTAIL, INRA, Ivry/SeineEstimation par sous-echantillonnage de la vitesse de convergence et de la distribution d’une statistiquesur un champs aleatoire homogene

- 1 avril 99, Dominique FOURDRINIER, Universite de RouenLa selection de variables : une approche decisionnelle

- 8 avril 99, Eric MATZNER, ENSAM-INRA, MontpellierEstimation nonparametrique du mode conditionnel

- 22 avril 99, Antoine AYACHE, Universite Paris IX DauphineLe mouvement brownien multifractionnaire generalise : definition et premiers resultats

- 29 avril 99, Francois HARTMANN et Claude Alain SABY, Centre de recherche ELF de SolaizePrevision des pics de pollution ozone sur la region lyonnaise

- 6 mai 99, Marie F. KRATZ, Universite Paris VCLT for level’s functionals of Gaussian processes and fields

- 27 mai 99, Etienne BERTIN, Jean-Michel BILLIOT et Remy DROUILHET, LABSAD / UPMFProcessus ponctuels avec interaction de paires au sens de Delaunay

- 3 juin 99, Jianqing FAN, UCLA (USA)Sieve likelihood and Wilks phenomenon

153

Equipe SMS

- 10 juin 99, Alfred HERO, University of Michigan, Ann ArborEntropy estimation, cluster analysis, and image registration using pruned minimal spanning tree discrim-inants

- 17 juin 99, Raphael CERF, Universite Paris-Sud, OrsayLe cristal de Wulff dans les modeles de percolation et Ising

- 24 juin 99, Arnaud DOUCET, Cambridge University (UK)Algorithmes MCMC non-homogenes pour l’estimation Bayesienne des modeles markoviens caches

- 7 octobre 99, Paolo GONCALVEZ, INRIA RocquencourtQuelques exemples d’applications des ondelettes a l’analyse fractale

- 14 octobre 99, Anne GUERIN-DUGUE, IS2 / INRIA MontbonnotAnalyse des donnees en grande dimension par reseaux auto-organisants applications a l’imagerie

- 21 octobre 99, Noelle BRU, LABSAD / UPMFEtude de quelques methodes d’estimation non-parametrique de courbes - application a l’evaluation desflux de civelles d’Anguille

- 28 octobre 99, Jean-Francois COEURJOLLY, SMS / LMC / IMAGInference statistique pour le mouvement brownien fractionnaire

- 4 novembre 99, Yann VERNAZ, IS2 INRIA, MontbonnotEstimation de modeles conditionnellement heteroscedastiques a temps discret

- 18 novembre 99, Theofanis SAPATINAS, University of Kent at Canterbury, U.K.Bayesian nonparametric curve estimation using wavelets

- 25 novembre 99, Jean DIEBOLT, SMS / LMC / IMAGUne nouvelle version d’un test d’adequation pour des processus autoregressifs d’ordre 1 avec illustrations

2000

- 6 janvier 00, Andrej PAZMAN, Universite de Bratislava, SlovaquieResults on nonlinear regression under nonlinear equality constraints

- 13 janvier 00, Michel LEJEUNE, LABSAD / UPMFRepresentations canoniques et tests dans les modeles lineaires

- 20 janvier 00, Francois ROUEFF, Dept. TSI, ENST ParisEstimation semi-parametrique de l’exposant de Holder d’un processus gaussien stationnaire: vitesse min-imax dans les cas suffisamment reguliers

- 27 janvier 00, Aline BONAMI, MAPMO / Universite d’OrleansParticules browniennes en interaction et equation de Burgers holomorphe

- 3 fevrier 00, Rym WORMS, Universite de Marne-la-ValleeApproximations penultiemes pour la loi du maximum et la loi des exces

- 10 fevrier 00, Anatoli IOUDITSKI, SMS / LMC / IMAGSur le test de positivite / monotonicite / convexite d’une fonction

- 17 fevrier 00, Dinh Tuan PHAM, SMS / LMC / IMAGSeparation de sources colorees par un critere d’information mutuelle gaussienne

- 2 mars 00, Antonio CIAMPI, Universite McGill, MontrealArbres a noeuds probabilistes

- 9 mars 00, Min XIE, National University of SingaporeExtended Weibull distribution for modelling bathtub-shaped failure rate

154

Equipe SMS

- 16 mars 00, Francois LE GLAND, IRISA RennesStatistique asymptotique des chaınes de Markov cachees

- 30 mars 00, Fabienne COMTE, Universite de Jussieu, Paris 6Estimation adaptative de modeles autoregressifs ou regressifs beta-melangeants

- 6 avril 00, Leila KALLEL, Ecole Polytechnique, PalaiseauDeux modelisations et deux resultats de convergence des algorithmes genetiques. Application en filtrage

- 13 avril 00, Alexander TSYBAKOV, Universite Paris 6Sur l’optimalite dans l’analyse discriminante non-parametrique

- 27 avril 00, Mila NIKOLOVA, Dept. TSI, ENST ParisHomogeneite locale des minimiseurs des criteres regularises

- 4 mai 00, Julien WORMS, Universite de Marne-la-ValleeDeviations moderees pour le modele autoregressif : cas vectoriel stable, et cas gaussien explosif et instable

- 11 mai 00, Sabine MERCIER, Universite de RouenStatistiques des scores pour l’analyse et la comparaison de sequences biologiques.

- 18 mai 00, Frederique LEBLANC, SMS / LMC / IMAGEstimation non parametrique de la regression dans les modeles mixtes

- 25 mai 00, Sophie LACROIX-LAMBERT, SMS / LMC / IMAGSur l’estimation d’une densite sur la droite

- 8 juin 00, Serguei PERGAMENCHTCHIKOV, Universite de Tomsk, RussieProcedure sequentielle d’approximation stochastique en temps discret

- 15 juin 00, Benoıt FRICHOT, LPS / Universite Montpellier IIOptimalite de tests d’ajustement

- 22 juin 00, Pierre DEL MORAL, LSP ToulouseSystemes de particules en interaction et filtrage non lineaire

- 29 juin 00, Cyril BRACQUEMOND, SMS / LMC / IMAGModeles de fiabilite des systemes non reparables, en temps discret

- 28 septembre 00, Teresa LEDWINA, Universite de Vroclaw, PologneData-driven smooth tests

- 5 octobre 00, Jacques ISTAS, LABSAD / UPMFProcessus de Levy fractionnaires harmonisables

- 12 octobre 00, Theofanis SAPATINAS, University of Kent at Canterbury, U.K.Wavelet shrinkage for natural exponential families with either quadratic or cubic variance functions

- 19 octobre 00, Andre BERCHTOLD, IMA, Universite de LausanneModele MTD, chaınes de Markov d’ordre eleve et donnees heteroscedastiques

- 26 octobre 00, Sophie BLOCH-MERCIER, Universite de Marne-la-ValleeEtude de la loi optimale de redemarrage apres reparation pour un systeme markovien

- 9 novembre 00, Anne VIALLEFONT, Universite Lumiere-Lyon IICensure par intervalle dans les donnees qualitatives longitudinales : apport des modeles de capture-recaptures

- 16 novembre 00, Alexis BIENVENUE, SMS / LMC / IMAGComportement asymptotique de la marche renforcee par sommets sur Z

- 23 novembre 00, Cyril GOUTTE, IS2 INRIA, MontbonnotModelling the haemodynamic response in fMRI using smooth FIR filters

155

Equipe SMS

- 30 novembre 00, Marina KLEPTSYNA, Moscow State University of CommunicationsAnalyse statistique du processus de type Ornstein-Uhlenbeck fractionnaire

- 7 decembre 00, Olivier FRANCOIS, SMS/LMC/IMAG - Projet SASI, HDRModeles stochastiques pour les algorithmes evolutionnistes et les reseaux neuronaux

- 14 decembre 00, Abdelhamid ZAIDI, SMS/LMC/IMAG - Projets SASI et BLISS, TheseSeparation aveugle d’un melange instantane de sources autoregressives gaussiennes par la methode dumaximum de vraisemblance exact

- 19 decembre 00, Jean-Francois COEURJOLLY, SMS/LMC/IMAG - TheseInference statistique pour les mouvements browniens fractionnaire et multifractionnaire

- 21 decembre 00, Remy DROUILHET, LABSAD/UPMFDiscussion sur un logiciel d’initiation acceleree a la notion de probabilite dans le cadre d’un enseignementbasique de la statistique inferentielle

2001

- 4 janvier 01, Myriam GARRIDO, IS2 INRIA, MontbonnotLe test ET : test d’adequation d’un modele central a une queue de distribution

- 8 Janvier 01, Ibrahim HOTEIT, SMS / LMC / IMAG, TheseFiltres de Kalman reduits et efficaces pour l’assimilation de donnees en oceanographie

- 11 janvier 01, Cecile AMBLARD, LABSAD / UPMFDetection d’activation cerebrale en MEG par la methode du maximum d’entropie sur la moyenne

- 18 janvier 01, Christian MUSSO, ONERA, Projets SASI et BLISSFiltrage particulaire regularise. Applications au pistage et au recalage altimetrique

- 25 janvier 01, Emmanuel THILLY, SPAD / Universite de CaenIdentification de mouvements browniens fractionnaires par rearrangements convexes

- 1 fevrier 01, Avner BAR-HEN, Universite d’Aix-Marseille IIIDiscrimination a l’aide de variables continues et discretes

- 8 fevrier 01, Nicolas BEZ, Centre de Geostatistique de l’Ecole des Mines de ParisGeostatistique pour l’estimation des ressources marines exploitees : revue de quelques specificites ren-contrees lors des applications

- 22 fevrier 01, Frederique BIENVENUE-DUHEILLE, LaPCS, Universite Claude BernardMatrices aleatoires et mosaıque de Voronoı

- 1 mars 01, Youri A. KUTOYANTS, Lab. de Statistique et Processus, Universite du MaineStatistical inference for ergodic diffusion processes

- 8 mars 01, Nadia OUDJANE, Universite Paris 13Stabilite et approximations particulaires en filtrage non lineaire

- 15 mars 01, Stephane GIRARD, Universite Montpellier 2Estimation de frontieres de processus ponctuels

- 22 mars 01, Stephan MORGENTHALER, Ecole Polytechnique Federale de LausanneRepresentations graphiques a deux voies

- 29 mars 01, Anatoli IOUDITSKI, SMS / LMC / IMAGSur l’algorithme des moindres carres combinatoire

- 19 avril 01, Gerard BIAU, Universite Montpellier 2Estimation minimax d’un systeme dynamique chaotique multidimensionnel

156

Equipe SMS

- 26 avril 01, Stephanie LEGER, Universite d’OrleansAnalyse stochastique de signaux multifractaux et estimations de parametres

- 3 mai 01, Gabriella CIUPERCA, Universite de NiortMaximum de vraisemblance pour des melanges de densites

- 10 mai 01, Nathalie PEYRARD, IS2 INRIA, MontbonnotAlgorithmes EM avec approximations de type champ moyen, pour la segmentation markovienne d’images

- 31 mai 01, Driss ORAICHI, Universite du Quebec a MontrealModelisation de type bilineaire pour une serie a valeurs entieres positives

- 7 juin 01, Rene FERLAND, Universite du Quebec a MontrealAbsence d’arbitrage dans un marche avec investisseurs en interaction

- 14 juin 01, Jean BERARD, Universite Claude Bernard-Lyon IAlgorithmes de mutation-selection sur un paysage d’energie simplifie : quelques resultats asymptotiques

- 21 juin 01, Philippe GARRAT, Laboratoire de Statistique, Rennes IIClasses de modeles pour variables de reponse ordinale. Application a l’etude de l’indice ATMO

- 28 juin 01, Serge DEGERINE, SMS / LMC / IMAGSur la diagonalisation conjointe approchee par un critere des moindres carres

- 4 octobre 01, Jacques ISTAS, LABSAD / UPMFProcessus de Levy fractionnaire

- 11 octobre 01, Jean-Baptiste DURAND, IS2 INRIA, MontbonnotModeles de Markov caches pour les nuls

- 18 octobre 01, Anatoli IOUDITSKI, SMS / LMC / IMAGPortefeuille et optimisation robuste

- 25 octobre 01, Marie HUSKOVA, Charles University, PragueDetection of gradual changes

- 8 novembre 01, Eric MOULINES, Dept. TSI, ENST, ParisChaınes de Markov cachees : bilans et perspectives

- 15 novembre 01, Mustapha RACHDI, LABSAD / UPMFChoix de la largeur de fenetre dans l’estimation de la densite spectrale

- 22 novembre 01, Djamal LOUANI, LSTA, Paris 6Normalite asymptotique en regression modale. Applications a la prevision de series temporelles

- 29 novembre 01, Francois OUSTRY, Raise Partner, MontbonnotCorrection spectrale de matrices de covariances

- 6 decembre 01, Valentin PALITEA, Universite d’OrleansProduct-limit estimators for left and right censored data

- 13 decembre 01, Michel VIOT, SMS / LMC / IMAGA propos des transformees de Laplace de formes quadratiques de suites gaussiennes

- 20 decembre 01, Gersende FORT, SMS / LMC / IMAGCritere d’ergodicite polynomiale: applications a l’analyse de convergence d’algorithmes MCMC

157

Equipe SMS

4.3 Actions de formation

Les membres de l’Equipe SMS participent a la formation par la recherche au sein du DEA de “Ma-thematiques Appliquees” UJF–INPG et de l’Ecole Doctorale MSTII. Ils sont aussi fortement im-pliques dans des formations professionnalisantes a l’UJF (IUP “Mathematiques Appliquees et In-dustrielles”, DESS “Ingenierie Mathematique, Licence Professionnelle “Biostatistique”) et a l’INPG(ENSIMAG). En outre, ils ont participe a l’organisation ou/et a la formation dans des Ecoles etJournees thematiques:

- Participation a l’Ecole “Traitement du signal et Ondelettes”, ENSIMAG, Grenoble, janvier 1998

- Participation a l’Ecole “Ondelettes et Applications”, INPT Rabat, Maroc, 26-28 septembre 2000

- Participation a l’Ecole “De la separation de sources a l’analyse en composantes independantes -Methodes, algorithmes et applications”, Villard-de-Lans, 2-4 mai 2001

Sur le plan de la diffusion des connaissances plus specifiquement en milieu industriel, on peut men-tionner diverses actions de formation, a l’occasion de collaborations contractuelles : Elf-Antar, EDF,Corning S.A., Schneider Electric, Institut Laue Langevin, Institut de Biologie Structurale (CEA).

5 COLLABORATIONS EXTERIEURES ET CONTRATS

5.1 Universites et Instituts de Recherche en France

Participations a des Projets Regionaux ou Nationaux

- Projet “Statistique Avancee pour le Signal et les Images” (SASI), Federations ELESA & IMAG(2000–2002) – Partenaires: LIS, TIMC, CLIPS

- Projet “Analyses Multiresolution: Ondelettes et Applications” (AMOA), IMAG (2001–2003) –Partenaires: GRAVIR, TIMC, IS2.

- Projet “Groupe d’Etude Numerique du Genome” (GEN), IMAG (2001–2003) – Partenaires:TIMC, IS2, Corning S.A., Institut Curie.

- GDR “Information, Signal, Images, Vision” (ISIS), Departement STIC du CNRS – Partenaires:de tres nombreux laboratoires en France.

- Projet ADEMO de la Region Rhone-Alpes (2000–2003) – “Mathematiques pour l’Acquisition etla DEcision conduite par le MOdele: aide au diagnostic et a la therapie” – Partenaires: TIMC,L3S, VERIMAG, CHU Grenoble.

- Action de Recherche Concertee Locale FIMA “modeles aleatoires pour la FIabilite et la MAin-tenance” (2001–2002) – Partenaire: Projet IS2 de l’INRIA Rhone-Alpes, LSR, LAG, TIMA,EDF, Schneider Electric, Bull, Adetel.

158

Equipe SMS

- Projet “Chaınes de Markov cachees et Filtrage particulaire”, Programmme MathSTIC du CNRS(2001–2002) – Partenaires: IRISA Rennes, ENST Paris.

Relations academiques suivies

Nous avons des relations scientifiques suivies avec d’autres universites ou instituts que les partenairesdes projets indiques ci-dessus, notamment:

- ENSAI Rennes

- INRIA Sophia Antipolis & LORIA Nancy

- Universite de Provence

- Universite d’Evry

- Universite de Marne-la-Vallee

- Universite de Montpellier

- Universites de Paris 6, Paris 7, Paris 11

- Universite de Rennes 1

- Universite de Saint-Etienne

- Universites de Toulouse

5.2 Universites et Instituts de Recherche a l’etranger

Participations a des Projets Internationaux

- Groupe de Travail Europeen “Data for Maintenance” de l’European Safety, Reliability and DataAssociation (ESReDA) – Correspondant LMC: O. Gaudoin – Partenaires : nombreux partenairesen France et a l’etranger, universitaires et industriels.

- Reseau Europeen Capital humain et Mobilite “Nonparametric and Semiparametric StatisticalInference” (1995-1998) – Correspondant LMC: D.T. Pham – Partenaires : ULB (Bruxelles),UCL (Louvain-la Neuve), Univ. de Kent, Univ. Heidelberg.

- Projet Europeen “Stochastic Analysis and Applications” INTAS 95-061 (1995-1998) – Correspon-dant LMC: A. Le Breton – Partenaires : Univ. Paris 6, ULP Strasbourg, Univ. Franche-Comte,Institut Steklov Moscou, Univ. Berlin, Univ. Warwick.

- Projet Europeen IST-1999-14190 (2000–2003) “BLind Sources Separation and Applications”(BLISS) – Equipe francaise basee au LMC et au LIS, Responsable LMC : D.T. Pham – Parte-naires: quatre autres equipes de recherche au Portugal, en Allemagne, en Finlande et au Canada.

159

Equipe SMS

- Projet CNRI-CNRS “Ondelettes et Applications statistiques” du programme de recherche con-joint sur conventions internationales du CNRS (1998-1999, 2000-2001, 2002-2003) – ResponsableLMC : A. Antoniadis – Collaboration avec l’Institut de Mathematiques Appliquees du CNR deNaples.

- Projet FNRS “Analyse statistique de donnees complexes” (2001-2004) – Responsable LMC :A. Antoniadis – Le LMC est partenaire europeen associe d’un reseau interuniversitaire belgede laboratoires de Statistique qui associe egalement un laboratoire de l’Universite de Aachen(Allemagne).

Relations academiques suivies

Dans le cadre des partenariats formalises decrits ci-dessus ou de relations inter-individuelles, les col-laborations se sont traduitent notamment par des publications conjointes. Nous donnons ici la listedes universites et instituts auxquels appartiennent des collaborateurs avec lesquels des membres del’equipe SMS ont publie dans la periode recente:

- Europe : Institut de Mathematiques Appliquees du CNR, Naples (Italie); Institute of Informa-tion Transmission Problems, Moscou (Russie); Dpt de Mathematiques et Mecanique, Univ. deTomsk, (Russie); Institut de Statistique, UC, Louvain-la-Neuve (Belgique); Dpt of Statistics,Bristol University (GB); Dpt of Statistics, University of Kent (GB); WIAS, Berlin (Allemagne);Univ. de Linkoping (Suede).

- Autres pays : Dpts de Statistique, Florida State Univ., Tallahassee (USA); Dpt de Statis-tique, North Carolina Univ., (USA); Dpt of Statistics, University of Cyprus (Chypre); InstitutSuperieur de Gestion de Tunis (Tunisie); Dpt de Mathematiques, Univ. of Technology, Syd-ney (Australie); Dpt of Engineering, National Univ. of Singapore (Singapour); Technion, Haifa(Israel).

D’autres relations scientifiques sont bien etablies, notamment avec:

- NEC Research, Princeton

- Universite Comenius, Brastilava

- Universite Libre de Bruxelles

- Universite de Glasgow

- Universite de Leeds

- Universite de Prague

- Universite de Tel-Aviv

160

Equipe SMS

5.3 Collaborations Industrielles et Contrats

Certaines activites de l’Equipe en partenariat avec des entreprises se traduisent par des developpementsde methodologies et de logiciels de calcul de type transfert-valorisation. Cela a valu en particulier al’occasion de contrats:

- ELF Solaize (1997-1999), Methodologies et developpement d’un logiciel prototype pour l’analysestatistique de melanges (Resp. A. Antoniadis) – Organisme gestionnaire : ADR.

- LIGERON S.A. (1998) : Applications de modeles probabilistes en surete de fonctionnement(Resp . O. Gaudoin) – Organisme gestionnaire : UJF.

- ASCOPARG (1999-2000) : Methodes statistiques pour la prevision de l’ozone (Resp. A. LeBreton) – Organisme gestionnaire : UJF.

- SCHNEIDER Electric (1999-2001) : Modelisation stochastique du vieillissement des materielselectro-mecaniques (Resp . O. Gaudoin) – Organisme gestionnaire : INPG.

- CORNING S.A. (1999-2001) : Controle de qualite et normalisation de donnees issues de biopuces(Resp . A. Antoniadis) – Organisme gestionnaire : UJF.

- DECITRE (2001-2002) : Etude statistique de la gestion des commandes (Resp. S. Degerine) –Organisme gestionnaire : UJF.

6 IMPLICATION DANS LA VIE DE LA COMMUNAUTE SCIENTIFIQUE

Participations a l’Edition Scientifique

Les activites editoriales au plan national et international se traduisent par une presence dans lesComites de Redaction des Revues suivantes :

- “ESAIM – Probability and Statistics” : A. Antoniadis, co-redacteur en chef

- “Revue de Statistique de l’ISUP” : A. Antoniadis, membre du Comite Editorial

- “Journal de la Societe Francaise de Statistique” : A. Antoniadis, membre du Comite Editorial

- “Statistics and Decisions” : A. Le Breton, membre du Comite Editorial

- “Journal of Time Series Analysis” : D.T. Pham, membre du Comite Editorial

Responsabilites individuelles dans les Organisations Professionnelles

- “Bernoulli Committee on Probability and Statistics in the Physical Sciences” : A. Antoniadis,membre permanent depuis 2000.

161

Equipe SMS

- Programme CNRS SPM-STIC d’Echanges France-Russie : A. Le Breton, membre du Comite dePilotage.

- Groupe “Qualite et Fiabilite” de la SFdS : O. Gaudoin, membre du Bureau jusqu’en 2000.Responsable du site web du groupe de 1998 a 2002.

- Conseil de la SFdS : J.-L. Soler, membre elu jusqu’en mai 2000.

- Comite National des Universites : A. Antoniadis, membre elu de la 26 eme Section.

Responsabilites individuelles dans l’Animation Scientifique

- GDR “Information, Signal, Images, Vision” (ISIS) : A. Antoniadis, co-responsable du Comitede Pilotage du Theme A “Signal et Information : Theories et Methodes”.

- Groupe de Travail IMAG-INRIA “Modeles Aleatoires pour la Fiabilite et la Maintenance”: O.Gaudoin, animateur.

- Groupe de Travail IMAG “Biopuces” : A. Antoniadis, animateur.

- Seminaire grenoblois hebdomadaire de Statistique : S. Degerine, responsable.

162