Doctorat en mathématiques

Ensembles mesurables, mesure de Lebesgue, théorèmes de Lusin et de Egorov, intégrale de Lebesgue, théorème de Fubini, espaces Lp, éléments de la théorie ergodique, mesure et dimension de Hausdorff, ensembles fractals.

Espaces d’Hilbert, de Banach, théorèmes de Hahn-Banach, de Banach-Steinhaus et du graphe fermé, topologies faibles, espaces réflexifs, décomposition spectrale des opérateurs auto-adjoints compacts.

Espaces de Sobolev. Algèbres de Banach, théorème de Gelfand. Théories spectrales d’opérateurs bornés. Opérateurs non bornés, transformée de Cayley.

Structures à terme, processus stochastiques, modèles et produits dérivés de taux d'intérêt, immunisation et appariement, produits dérivés de crédit, titres adossés à des créances hypothécaires, volatilité.

Analyse et extraction d’informations à partir de données du marché, données volumineuses et à haute fréquence, techniques d’apprentissage statistique en finance, résolution de problèmes pratiques.

Tarification et couverture dans des modèles avec une volatilité ou un taux d’intérêt stochastique, simulation de Monte Carlo pour les équations différentielles stochastiques, résolution d’équations à dérivées partielles.

Modèles à chaîne de Markov cachée, modèles à espace d’état, techniques de filtrage et de lissage, filtre d’Hamilton, filtre de Kalman, méthodes de Monte Carlo séquentielles, algorithme EM, applications financières.

Variétés, transversalité et degré. Théorème de Sard. Éléments de la théorie de Morse. Complexe de Morse. Théorème de Hopf-Poincaré. Cobordisme. Signature. Théorème de h-cobordisme. Classes caractéristiques. Espaces de Thom, groupes de cobordisme.

Homologie et co-homologie singulières. Fibrations, co-fibrations. Groupes d’homotopie. CW-complexes. Obstructions. Suites spectrales. Produits. Dualité de Poincaré. Théorème du point fixe de Lefschetz. Groupes unitaires et classes de Chern.

Processus de branchement : modèles de Wright-Fisher, de Moran. Modèles à une infinité d’allèles, de sites. Facteurs d’évolution: sélection, mutation, migration, recombinaison, apparentement. Reconstruction et inférence de réseaux génétiques.

Sondages avec probabilités inégales, stratifiés, en grappes, à plusieurs degrés et plusieurs phases. Estimation par la régression généralisée et calage. Estimation selon le plan et selon le modèle. Non-réponse. Estimation de la variance.

Principes de l’analyse bayésienne; loi a priori et a posteriori, inférence statistique et théorie de la décision. Méthodes computationnelles; méthodes de Monte Carlo par chaînes de Markov et méthodes variationnelles. Applications.

Statistiques linéaires de rang. Problèmes de position et de dispersion. Cas d'un ou deux échantillons. Efficacité relative des tests. Régression non paramétrique : méthodes du noyau et splines de lissage. Tests de permutation et méthode bootstrap.

Notions de probabilités. Inférence non paramétrique; comportement asymptotique des moments, quantiles échantillonnaux et des statistiques d’ordre. Inférence paramétrique fréquentiste et bayésienne; consistance uniforme, normalité asymptotique.