Contributions to extreme value theory : Trend detection for heteroscedastic extremes

Nous présentons dans cette thèse en premier lieu la méthode de Bootstrap par permutation appliquée à la méthode des blocs maxima utilisée en théorie des valeurs extrêmes (TVE) univariée. La méthode est basée sur un échantillonnage particulier des données en utilisant les rangs des blocs maxima dont la distribution est présentée et introduite dans les simulations. Elle amène à une réduction de la variance des paramètres de la loi GEV et des quantiles estimés. En second lieu, on s’intéresse au cas où les observations sont indépendantes mais non identiquement distribuées en TVE. Cette variation dans la distribution est quantifiée en utilisant une fonction dite « skedasis function » notée c qui représente la fréquence des extrêmes. Ce modèle a été introduit par Einmahl et al. dans le papier « Statistics of heteroscedastic extremes ». On étudie plusieurs modèles paramétriques pour c (log-linéaire, linéaire, log-linéaire discret) ainsi que les résultats de consistance et de normalité asymptotique du paramètre θ représentant la tendance. Le test θ =0 contre θ ≠0 est interprété alors comme un test de détection de tendance dans les extrêmes. Nous illustrons nos résultats dans une étude par simulation qui montre en particulier que les tests paramétriques sont en général plus puissants que les tests non paramétriques pour la détection de la tendance, d’où l’utilité de notre travail. Nous discutons en plus le choix du seuil k en appliquant la méthode de Lepski. Enfin, nous appliquons la méthodologie sur les données de températures minimales et maximales dans la région de Fort Collins, Colorado durant le 20ème siècle afin de détecter la présence d’une tendance dans les extrêmes sur cette période. En troisième lieu, on dispose d’un jeu de données de précipitation journalière maximale sur 24 ans dans 40 stations. On réalise une prédiction spatio-temporelle des quantiles correspondants à un niveau de retour de 20 ans pour les précipitations mensuelles dans chaque station. Nous utilisons des modèles de GEV en introduisant des covariables dans les paramètres. Le meilleur modèle est choisi en termes d’AIC et par la méthode de validation croisée. Pour chacun des deux modèles choisis, nous estimons les quantiles extrêmes. Finalement, on applique la TVE unvariée et bivariée sur les vitesses du vent et la hauteur des vagues dans une région au Liban en vue de protéger la plateforme pétrolière qui y sera installée de ces risques environnementaux. On applique d’abord la théorie univariée sur la vitesse du vent et la hauteur des vagues séparément en utilisant la méthode des blocs maximas pour estimer les paramètres de la GEV et les niveaux de retour associés à des périodes de retour de 50, 100 et 500 années. Nous passons ensuite à l’application de la théorie bivariée afin d’estimer la dépendance entre les vents et les vagues extrêmes et d’estimer des probabilités jointes de dépassement des niveaux de retour univariés. Nous associons ces probabilités jointes de dépassement à des périodes de retour jointes et nous les comparons aux périodes de retour marginales.We firstly present in this thesis the permutation Bootstrap method applied for the block maxima (BM) method in extreme value theory. The method is based on BM ranks whose distribution is presented and simulated. It performs well and leads to a variance reduction in the estimation of the GEV parameters and the extreme quantiles. Secondly, we build upon the heteroscedastic extremes framework by Einmahl et al. (2016) where the observations are assumed independent but not identically distributed and the variation in their tail distributions is modeled by the so-called skedasis function. While the original paper focuses on non-parametric estimation of the skedasis function, we consider here parametric models and prove the consistency and asymptotic normality of the parameter estimators. A parametric test for trend detection in the case where the skedasis function is monotone is introduced. A short simulation study shows that the parametric test can be more powerful than the non-parametric Kolmogorov-Smirnov type test, even for misspecified models. We also discuss the choice of threshold based on Lepski's method. The methodology is finally illustrated on a dataset of minimal/maximal daily temperatures in Fort Collins, Colorado, during the 20th century. Thirdly, we have a training sample data of daily maxima precipitation over 24 years in 40 stations. We make spatio-temporal prediction of quantile of level corresponding to extreme monthly precipitation over the next 20 years in every station. We use generalized extreme value models by incorporating covariates. After selecting the best model based on the Akaike information criterion and the k-fold cross validation method, we present the results of the estimated quantiles for the selected models. Finally, we study the wind speed and wave height risks in Beddawi region in the northern Lebanon during the winter season in order to protect the oil rig that will be installed. We estimate the return levels associated to return periods of 50, 100 and 500 years for each risk separately using the univariate extreme value theory. Then, by using the multivariate extreme value theory we estimate the dependence between extreme wind speed and wave height as well as joint exceedance probabilities and joint return levels to take into consideration the risk of these two environmental factors simultaneously