Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Théorie des valeurs extrêmes

Introduction à la problématique des valeurs extrêmes

Dr. BENYOUSSEF Meryem

8 octobre 2024

[Link]@[Link] dog1

Dr. BENYOUSSEF Meryem Introduction 1 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Table des matières I

1 Déroulement du cours
Séances
Examen
2 Introduction Générale
Prérequis
Définitions
L’objectif de cette théorie et ses applications
Pionniers de cette théorie
3 Premier Exemple
Une base de donnés
Block Maxima
Peaks Over Threshold
4 La GEV (Generalized Extreme Value) dog1

Idée générale
Dr. BENYOUSSEF Meryem Introduction 2 / 90
Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Table des matières II

Statistique d’ordre
Distributions des valeurs extrêmes
Distribution GEV
Domaine d’attraction

dog1

Dr. BENYOUSSEF Meryem Introduction 3 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

1 Déroulement du cours
Séances
Examen
2 Introduction Générale
Prérequis
Définitions
L’objectif de cette théorie et ses applications
Pionniers de cette théorie
3 Premier Exemple
Une base de donnés
Block Maxima
Peaks Over Threshold
4 La GEV (Generalized Extreme Value)
Idée générale
Statistique d’ordre
Distributions des valeurs extrêmes dog1

Distribution GEV
Domaine d’attraction
Dr. BENYOUSSEF Meryem Introduction 4 / 90
Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Volume horaire

C’est un cours considéré comme un TP.

dog1

Dr. BENYOUSSEF Meryem Introduction 5 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Volume horaire

C’est un cours considéré comme un TP.

En totale le volume horaire est de 14h.

dog1

Dr. BENYOUSSEF Meryem Introduction 5 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Volume horaire

C’est un cours considéré comme un TP.

En totale le volume horaire est de 14h.

Il sera divisé comme ceci :

dog1

Dr. BENYOUSSEF Meryem Introduction 5 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Volume horaire

C’est un cours considéré comme un TP.

En totale le volume horaire est de 14h.

Il sera divisé comme ceci :

Les 3 à 4 premières : •Introduction à la problématique

séances des valeurs extrêmes
•Théorèmes des valeurs extrêmes
(Distributions GEV, et GPD)
• Statistique des extrêmes

Les autres séances : •Présentations notées (Examen) dog1

Dr. BENYOUSSEF Meryem Introduction 5 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

1 Déroulement du cours
Séances
Examen
2 Introduction Générale
Prérequis
Définitions
L’objectif de cette théorie et ses applications
Pionniers de cette théorie
3 Premier Exemple
Une base de donnés
Block Maxima
Peaks Over Threshold
4 La GEV (Generalized Extreme Value)
Idée générale
Statistique d’ordre
Distributions des valeurs extrêmes dog1

Distribution GEV
Domaine d’attraction
Dr. BENYOUSSEF Meryem Introduction 6 / 90
Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

La note de l’examen

dog1

Dr. BENYOUSSEF Meryem Introduction 7 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Présence

Le cours commence à 10h30.

dog1

Dr. BENYOUSSEF Meryem Introduction 8 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Présence

Le cours commence à 10h30.

Le retard toléré est de 10 minutes.

dog1

Dr. BENYOUSSEF Meryem Introduction 8 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Présence

Le cours commence à 10h30.

Le retard toléré est de 10 minutes.

La présence est OBLIGATOIRE, et sera notée de 20%.

dog1

Dr. BENYOUSSEF Meryem Introduction 8 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Présence

Le cours commence à 10h30.

Le retard toléré est de 10 minutes.

La présence est OBLIGATOIRE, et sera notée de 20%.

Mais

dog1

Dr. BENYOUSSEF Meryem Introduction 8 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Présence

Le cours commence à 10h30.

Le retard toléré est de 10 minutes.

La présence est OBLIGATOIRE, et sera notée de 20%.

Mais

2 absences non justifiées = Module non validé.

dog1

Dr. BENYOUSSEF Meryem Introduction 8 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Rapport
Sujet

Application de la GEV
Application de la GPD

dog1

Dr. BENYOUSSEF Meryem Introduction 9 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Rapport
Sujet

Application de la GEV
Application de la GPD

Le travail est en binôme.

dog1

Dr. BENYOUSSEF Meryem Introduction 9 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Rapport
Conditions

Le rapport est un imprimé de 20 à 30 pages.

Le rapport contient deux parties : la première est une
application sur la GEV , et la deuxième est une
application sur la GPD.
Le code source doit être écrit en Python.
Pour les applications vous êtes libres de choisir le domaine
qui vous convient le plus, mais c’est préférable qui soit
relié à vos études. De plus, c’est à vous de chercher les
données.
dog1

Dr. BENYOUSSEF Meryem Introduction 10 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Rapport
Évaluation

L’évaluation portera essentiellement sur :

La justesse des résultats

La structure
La clarté
Le respect de l’orthographe
Le moindre taux de plagiat (L’exès de copiage/ChatGpt
sera sanctionné)
etc...
dog1

Dr. BENYOUSSEF Meryem Introduction 11 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Présentation
Conditions

Une présentation de 25 à 30 minutes.

Présenter les deux parties.

dog1

Dr. BENYOUSSEF Meryem Introduction 12 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Présentation
Évaluation

L’évaluation portera essentiellement sur :

L’organisation de l’exposé
La communication
Le contenu spécifique
Les réponses aux questions
etc...

dog1

Dr. BENYOUSSEF Meryem Introduction 13 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Les fichiers suivants doivent être envoyés par email :

Le rapport en format pdf
Le rapport en format Latex
Le fichier python
La présentation en format pdf ou ppt

avec :

l’objet d’email : INSEA Nom Prénom

les noms des fichiers : Nom_Prénom

Le dernier délais vous sera communiqué.

dog1

Dr. BENYOUSSEF Meryem Introduction 14 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

1 Déroulement du cours
Séances
Examen
2 Introduction Générale
Prérequis
Définitions
L’objectif de cette théorie et ses applications
Pionniers de cette théorie
3 Premier Exemple
Une base de donnés
Block Maxima
Peaks Over Threshold
4 La GEV (Generalized Extreme Value)
Idée générale
Statistique d’ordre
Distributions des valeurs extrêmes dog1

Distribution GEV
Domaine d’attraction
Dr. BENYOUSSEF Meryem Introduction 15 / 90
Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Prérequis

Statistique descriptive
Théorie de la mesure et des probabilités (surtout pour les
preuves)
Statistique Inférencielle
etc...

dog1

Dr. BENYOUSSEF Meryem Introduction 16 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Prérequis

Statistique descriptive
Théorie de la mesure et des probabilités (surtout pour les
preuves)
Statistique Inférencielle
etc...

Le language de programmation utilisé est Python.

dog1

Dr. BENYOUSSEF Meryem Introduction 16 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

1 Déroulement du cours
Séances
Examen
2 Introduction Générale
Prérequis
Définitions
L’objectif de cette théorie et ses applications
Pionniers de cette théorie
3 Premier Exemple
Une base de donnés
Block Maxima
Peaks Over Threshold
4 La GEV (Generalized Extreme Value)
Idée générale
Statistique d’ordre
Distributions des valeurs extrêmes dog1

Distribution GEV
Domaine d’attraction
Dr. BENYOUSSEF Meryem Introduction 17 / 90
Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Théorie des valeurs extrêmes

Une petite définition de Wikipedia :

dog1

Dr. BENYOUSSEF Meryem Introduction 18 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Théorie des valeurs extrêmes

Une petite définition de Wikipedia :

Définition
La théorie des valeurs extrêmes est une branche des
statistiques qui s’intéresse aux valeurs extrêmes des
distributions de probabilité.

dog1

Dr. BENYOUSSEF Meryem Introduction 18 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Définition
Théorie : Ensemble organisé d’idées, de concepts abstraits
appliqué à un domaine particulier.

dog1

Dr. BENYOUSSEF Meryem Introduction 19 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Définition
Valeurs extrêmes : Ce sont des valeurs représentant des
événements rares ou des valeurs aberrantes.

dog1

Dr. BENYOUSSEF Meryem Introduction 20 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Définition
Valeurs extrêmes : Ce sont des valeurs représentant des
événements rares ou des valeurs aberrantes.
Par exemple : crises financières

dog1

Dr. BENYOUSSEF Meryem Introduction 20 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Définition
Valeurs extrêmes : Ce sont des valeurs représentant des
événements rares ou des valeurs aberrantes.
Par exemple : catastrophes naturelles comme les inondations
et tremblements de terre

dog1

Dr. BENYOUSSEF Meryem Introduction 21 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Définition
Valeurs extrêmes : Ce sont des valeurs représentant des
événements rares ou des valeurs aberrantes.
Par exemple : les pandémies

dog1

Dr. BENYOUSSEF Meryem Introduction 22 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Théorie des valeurs extrêmes

La petite définition de Wikipedia :

Définition
La théorie des valeurs extrêmes est une branche des
statistiques qui s’intéresse aux valeurs extrêmes des
distributions de probabilité.

dog1

Dr. BENYOUSSEF Meryem Introduction 23 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Théorie des valeurs extrêmes

Valeurs extrêmes

Un peu plus long

dog1

Dr. BENYOUSSEF Meryem Introduction 24 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Théorie des valeurs extrêmes

Valeurs extrêmes

Un peu plus long

Une valeur extrême désigne une valeur qui se produit aux

extrémités d’une distribution de probabilité, représentant
souvent un écart rare ou extrême par rapport aux valeurs
moyennes ou typiques.

dog1

Dr. BENYOUSSEF Meryem Introduction 24 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Théorie des valeurs extrêmes

Valeurs extrêmes

Un peu plus long

Une valeur extrême désigne une valeur qui se produit aux

extrémités d’une distribution de probabilité, représentant
souvent un écart rare ou extrême par rapport aux valeurs
moyennes ou typiques.
Ces événements sont particulièrement intéressants car ils
impliquent des valeurs beaucoup plus grandes ou plus petites
que la plupart des observations d’un ensemble de données.
dog1

Dr. BENYOUSSEF Meryem Introduction 24 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Théorie des valeurs extrêmes

Valeurs extrêmes

dog1

Dr. BENYOUSSEF Meryem Introduction 25 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

1 Déroulement du cours
Séances
Examen
2 Introduction Générale
Prérequis
Définitions
L’objectif de cette théorie et ses applications
Pionniers de cette théorie
3 Premier Exemple
Une base de donnés
Block Maxima
Peaks Over Threshold
4 La GEV (Generalized Extreme Value)
Idée générale
Statistique d’ordre
Distributions des valeurs extrêmes dog1

Distribution GEV
Domaine d’attraction
Dr. BENYOUSSEF Meryem Introduction 26 / 90
Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Objectif

L’EVT est utilisée pour évaluer et prédire la probabilité

d’événements rares mais significatifs en modélisant la
distribution des queues extrêmes plutôt que la partie centrale
des données.

dog1

Dr. BENYOUSSEF Meryem Introduction 27 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Ses applications
Prédiction de la résistance des alliages

La prédiction de la résistance des alliages est le processus

de prévision des propriétés mécaniques d’un alliage, en
particulier sa capacité à résister aux déformations sous l’effet
d’une contrainte (force appliquée).

dog1

Dr. BENYOUSSEF Meryem Introduction 28 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Ses applications
Prédiction de la résistance des alliages

La prédiction de la résistance des alliages est le processus

de prévision des propriétés mécaniques d’un alliage, en
particulier sa capacité à résister aux déformations sous l’effet
d’une contrainte (force appliquée).

L’EVT fournit un cadre théorique et statistique pour prédire la

probabilité -par exemple- de la défaillance des matériaux dans
des conditions extrêmes, ce qui est essentiel pour la
conception, la sécurité et la maintenance des structures
utilisant des alliages soumis à des contraintes élevées.
dog1

Dr. BENYOUSSEF Meryem Introduction 28 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Ses applications
L’évaluation des changements météorologiques

L’EVT fournit des outils mathématiques pour modéliser et

prévoir ces événements rares, ce qui est crucial pour
comprendre et anticiper les conséquences du changement
climatique.
On peut appliquer cette théorie pour prédire :
Inondations
Tempêtes et ouragans
Vagues de chaleur
Sécheresses
dog1

Dr. BENYOUSSEF Meryem Introduction 29 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Ses applications
Théorie de risques

En théorie de risques, l’EVT est souvent utilisée pour

modéliser des événements peu fréquents mais ayant des
conséquences sévères.

dog1

Dr. BENYOUSSEF Meryem Introduction 30 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Ses applications (autres)

Défaillance des cellules mémoires

Ingénierie éolienne
Stratégie de gestion
Traitement des données biomédicales
Thermodynamique des tremblements de terre
Vibrations non linéaires des poutres
Science alimentaire

dog1

Dr. BENYOUSSEF Meryem Introduction 31 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

1 Déroulement du cours
Séances
Examen
2 Introduction Générale
Prérequis
Définitions
L’objectif de cette théorie et ses applications
Pionniers de cette théorie
3 Premier Exemple
Une base de donnés
Block Maxima
Peaks Over Threshold
4 La GEV (Generalized Extreme Value)
Idée générale
Statistique d’ordre
Distributions des valeurs extrêmes dog1

Distribution GEV
Domaine d’attraction
Dr. BENYOUSSEF Meryem Introduction 32 / 90
Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Pionniers de cette théorie

Ronald Aylmer Fisher

Ronald Aylmer Fisher (1890-1962) était un statisticien et

généticien britannique, pionnier de l’application des procédures
statistiques à la conception d’expériences scientifiques.
dog1

Dr. BENYOUSSEF Meryem Introduction 33 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Pionniers de cette théorie

Leonard Henry Caleb Tippett

Leonard Henry Caleb Tippett (19021985) était un statisticien

britannique connu pour ses contributions à la statistique dog1

appliquée et à la théorie des probabilités.

Dr. BENYOUSSEF Meryem Introduction 34 / 90
Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Pionniers de cette théorie

Boris Vladimirovitch Gnedenko

Boris Vladimirovitch Gnedenko est un mathématicien russe

(1912-1995). C’est un élève d’Andreï Kolmogorov. Il est
principalement connu pour sa contribution à la théorie des
probabilités et plus particulièrement à la théorie des valeurs
extrêmes.

dog1

Dr. BENYOUSSEF Meryem Introduction 35 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Pionniers de cette théorie

James Pickands

James Pickands (19312022) était un statisticien

mathématicien américain connu pour sa contribution à la
théorie des valeurs extrêmes et aux processus stochastiques.

dog1

Dr. BENYOUSSEF Meryem Introduction 36 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Pionniers de cette théorie

Laurens de Haan

Laurens de Haan (né le 15 janvier 1937) est un économiste

néerlandais et professeur émérite de probabilités et de
statistiques mathématiques à l’Université Érasme de
Rotterdam, spécialisé dans la théorie des valeurs extrêmes.
dog1

Dr. BENYOUSSEF Meryem Introduction 37 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

1 Déroulement du cours
Séances
Examen
2 Introduction Générale
Prérequis
Définitions
L’objectif de cette théorie et ses applications
Pionniers de cette théorie
3 Premier Exemple
Une base de donnés
Block Maxima
Peaks Over Threshold
4 La GEV (Generalized Extreme Value)
Idée générale
Statistique d’ordre
Distributions des valeurs extrêmes dog1

Distribution GEV
Domaine d’attraction
Dr. BENYOUSSEF Meryem Introduction 38 / 90
Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Une base de données

Considérons la base de données qui donne la ’Vitesse Internet
moyenne en Europe’. Téléchargeable à :
https ://data-
[Link]/obct/connectivity/

dog1
...
Dr. BENYOUSSEF Meryem Introduction 39 / 90
Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

dog1

Dr. BENYOUSSEF Meryem Introduction 40 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

La base de données (Graphe)

dog1

Dr. BENYOUSSEF Meryem Introduction 41 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Les extrêmums

Deux mêthodes afin d’isoler les extrêmums :

1 Block Maxima (BM)
2 Les points au-dessus d’un seuil (POT = Peaks Over
Threshold)

dog1

Dr. BENYOUSSEF Meryem Introduction 42 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

1 Déroulement du cours
Séances
Examen
2 Introduction Générale
Prérequis
Définitions
L’objectif de cette théorie et ses applications
Pionniers de cette théorie
3 Premier Exemple
Une base de donnés
Block Maxima
Peaks Over Threshold
4 La GEV (Generalized Extreme Value)
Idée générale
Statistique d’ordre
Distributions des valeurs extrêmes dog1

Distribution GEV
Domaine d’attraction
Dr. BENYOUSSEF Meryem Introduction 43 / 90
Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

BM

dog1

Dr. BENYOUSSEF Meryem Introduction 44 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

BM

Les valeurs extrêmes des maxima ou minima de bloc (BM)

sont extraites des séries chronologiques en les partitionnant en
blocs (segments) de durée égale et en localisant les valeurs
maximales ou minimales dans chaque bloc.

dog1

Dr. BENYOUSSEF Meryem Introduction 45 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

BM

Les valeurs extrêmes des maxima ou minima de bloc (BM)

sont extraites des séries chronologiques en les partitionnant en
blocs (segments) de durée égale et en localisant les valeurs
maximales ou minimales dans chaque bloc.
Les valeurs extrêmes des maxima de bloc suivent
asymptotiquement la famille de distribution des valeurs
extrêmes généralisées, selon le théorème de
Fisher-Tippett-Gnedenko. Ce théorème démontre que la
famille GEV est la seule limite possible pour les valeurs
extrêmes des maxima de bloc.
dog1

Dr. BENYOUSSEF Meryem Introduction 45 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

BM

Les points positifs :

On peut évoquer l’EVT et utiliser des modèles simples
La dépendance des blocks va s’éléminer
Les points négatifs :
Exclue des valeurs larges dans le même domaine (la
deuxième valeur large dans le domaine)
Quand c’est très grand on perd les données, si c’est trop
petit, l’EVT ne s’applique pas

dog1

Dr. BENYOUSSEF Meryem Introduction 46 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

1 Déroulement du cours
Séances
Examen
2 Introduction Générale
Prérequis
Définitions
L’objectif de cette théorie et ses applications
Pionniers de cette théorie
3 Premier Exemple
Une base de donnés
Block Maxima
Peaks Over Threshold
4 La GEV (Generalized Extreme Value)
Idée générale
Statistique d’ordre
Distributions des valeurs extrêmes dog1

Distribution GEV
Domaine d’attraction
Dr. BENYOUSSEF Meryem Introduction 47 / 90
Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

POT

dog1

Dr. BENYOUSSEF Meryem Introduction 48 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

POT

dog1

Dr. BENYOUSSEF Meryem Introduction 49 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

POT

Les valeurs extrêmes des pics au-dessus du seuil (POT) sont

extraites des séries temporelles en générant d’abord une série
temporelle de dépassements en sélectionnant des valeurs
supérieures (ou inférieures) à un certain seuil, puis en
dégroupant la série temporelle de dépassements en identifiant
les grouppements séparés par une période de temps donnée,
puis en sélectionnant uniquement les valeurs les plus élevées
(les plus basses) au sein de chaque grouppement.

dog1

Dr. BENYOUSSEF Meryem Introduction 50 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

POT

Le dégroupage est effectué afin de garantir que ces valeurs

sont IID (Indépendantes et Identiquement Distribuées), ce qui
est nécessaire pour que la distribution limite correspondante
soit applicable. Les valeurs extrêmes du POT suivent
asymptotiquement la famille de distribution de Pareto
généralisée, selon le théorème de Pickands-Balkema-De Haan.

dog1

Dr. BENYOUSSEF Meryem Introduction 51 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

POT

Les points positifs :

On peut évoqué l’EVT et utilisé des modèles simples
Retient tout les valeurs larges lors de l’analyse
Les points négatifs :
On doit dépendre des blocs de dépendances
Le choix du seuil est difficile

dog1

Dr. BENYOUSSEF Meryem Introduction 52 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

1 Déroulement du cours
Séances
Examen
2 Introduction Générale
Prérequis
Définitions
L’objectif de cette théorie et ses applications
Pionniers de cette théorie
3 Premier Exemple
Une base de donnés
Block Maxima
Peaks Over Threshold
4 La GEV (Generalized Extreme Value)
Idée générale
Statistique d’ordre dog1

Distributions des valeurs extrêmes

Dr. BENYOUSSEF Meryem Introduction 53 / 90
Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distribution GEV
Domaine d’attraction

dog1

Dr. BENYOUSSEF Meryem Introduction 54 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Rappel du Théorème Central Limite

Théorème
Soit (Xn ) une suite de variables indépendantes identiquement
distribuées admettant un moment d’ordre 2.
On pose : µ = E (X1 ), σ 2 = Var (X1 ),

Sn − nµ
Sn = X1 + ... + Xn , Yn = √ .
σ n

Alors la suite (Yn ) converge en lois vers une variable alèatoire

de loi N (0, 1) (la loi normale centrée réduite).

dog1

Dr. BENYOUSSEF Meryem Introduction 55 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Rappel du Théorème Central Limite

Selon le théorème central limite, la moyenne d’un échantillon

de données se rapprochera de la moyenne de la population
globale en question à mesure que la taille de l’échantillon
augmentera, quelle que soit la distribution réelle des données.

dog1

Dr. BENYOUSSEF Meryem Introduction 56 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Relation entre Théorème Central Limite et

Thèorème des valeurs extrêmes

L’idée utilisé en Théorème Central Limite est analogue au

Thèorème des valeurs extrêmes pour obtenir des distributions
approximatives pour les extrêmes des échantillons.

dog1

Dr. BENYOUSSEF Meryem Introduction 57 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distribution limite

Soient X1 , ..., Xn des variables aléatoires indépendantes et

identiquement distribuées. La théorie des valeurs extrêmes
s’intéresse au comportement limite des extrêmes de
l’échantillon, c’est-à-dire max (X1 , ..., Xn ), ou, de manière
équivalente min(X1 , ..., Xn ), lorsque n approche de l’infini.

dog1

Dr. BENYOUSSEF Meryem Introduction 58 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

1 Déroulement du cours
Séances
Examen
2 Introduction Générale
Prérequis
Définitions
L’objectif de cette théorie et ses applications
Pionniers de cette théorie
3 Premier Exemple
Une base de donnés
Block Maxima
Peaks Over Threshold
4 La GEV (Generalized Extreme Value)
Idée générale
Statistique d’ordre dog1

Distributions des valeurs extrêmes

Dr. BENYOUSSEF Meryem Introduction 59 / 90
Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distribution GEV
Domaine d’attraction

dog1

Dr. BENYOUSSEF Meryem Introduction 60 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Statistique d’ordre

Le point de départ de toutes les méthodes statistiques est la

notion d’échantillon donné. Il est des fois nécessaires d’étudier
la suite des valeurs observées par valeurs croissante ou
décroissante.

dog1

Dr. BENYOUSSEF Meryem Introduction 61 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Statistique d’ordre

Définition
Soit (X1 , X2 , ..., Xn ), une suite de variables aléatoires réelles,
indépondantes et identiquement distribuées (i.i.d), de fonction
de répartition F , telle que :

F (x ) = P(X ≤ x ); pour toutx ∈ R.

On appelle statistique d’ordre le réarrangement croissant de

(X1 , X2 , ..., Xn ) notée :

X1,n ≤ X2,n ... ≤ Xn,n .

dog1

Dr. BENYOUSSEF Meryem Introduction 62 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distribution d’une statistique d’ordre

La fonction de répartition du maximum Xn,n de l’échantillon

(X1 , X2 , ..., Xn ) est donnée par :

FXn,n = P(Xn,n ≤ x )
= P(max (X1 , X2 , ..., Xn ) ≤ x )
= P(X1 ≤ x , X2 ≤!x , ..., Xn ≤ x )
n
[
= P (Xi ≤ x )
i=1
n
Y
= P(Xi ≤ x )
i=1
= (F (x ))n
dog1

Dr. BENYOUSSEF Meryem Introduction 63 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distribution d’une statistique d’ordre

La fonction de répartition du minimum X1,n de l’échantillon

(X1 , X2 , ..., Xn ) est donnée par :

FX1,n = P(X1,n ≤ x )
= 1 − P((X1,n > x )) !
[n
= 1−P (Xi > x )
Y n i=1
= 1− P(Xi > x )
i=1
= 1 − (1 − F (x ))n

dog1

Dr. BENYOUSSEF Meryem Introduction 64 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distribution d’une statistique d’ordre

Pour obtenir la densité du maximum et du minimum, on

dérive respectivement les formules qu’on vient de trouvé pour
les fonctions de répartition, alors :

fXn,n = nf (x )(F (x ))n−1 ,

fX1,n = nf (x )(1 − (1 − F (x )))n−1 .

dog1

Dr. BENYOUSSEF Meryem Introduction 65 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distribution d’une statistique d’ordre

En revenant au texte original ’A First Course in Order

Statistics’ écrit par Arnold, Balakrishnan et Nagaraja, on
trouve ces formules et leurs preuves :
Proposition
La fonction de répartition de la k ème statistique d’ordre Xk,n
pour 1 ≤ k ≤ n, est donnée par :
n
Cni {F (x )}i {1 − F (x )}n−i ,
X
FXk,n = x ∈ R.
i=k

dog1

Dr. BENYOUSSEF Meryem Introduction 66 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distribution d’une statistique d’ordre

En revenant au texte original ’A First Course in Order

Statistics’ écrit par Arnold, Balakrishnan et Nagaraja, on
trouve ces formules et leurs preuves :
Proposition
De plus, si F admet une densité f , alors :
n!
fXk,n = {F (x )}k−1 {1 − F (x )}n−k , x ∈ R.
(k − 1)!(n − k)!

dog1

Dr. BENYOUSSEF Meryem Introduction 67 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distribution d’une statistique d’ordre

En revenant au texte original ’A First Course in Order

Statistics’ écrit par Arnold, Balakrishnan et Nagaraja, on
trouve ces formules et leurs preuves :
Théorème
Si on suppose l’échantillon (X1 , X2 , ..., Xn ) de varibale
aléatroies i.i.d selon une loi de densité f , alors la densité jointe
des n statistiques d’ordre X1,n ≤ X2,n ... ≤ Xn,n et donnée par :
n
Y
fX1 ,X2 ,...Xn (x1 , x2 , ..., xn ) = n! f (xi ), x ∈ R̄
i=1

dog1

Dr. BENYOUSSEF Meryem Introduction 68 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

1 Déroulement du cours
Séances
Examen
2 Introduction Générale
Prérequis
Définitions
L’objectif de cette théorie et ses applications
Pionniers de cette théorie
3 Premier Exemple
Une base de donnés
Block Maxima
Peaks Over Threshold
4 La GEV (Generalized Extreme Value)
Idée générale
Statistique d’ordre dog1

Distributions des valeurs extrêmes

Dr. BENYOUSSEF Meryem Introduction 69 / 90
Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distribution GEV
Domaine d’attraction

dog1

Dr. BENYOUSSEF Meryem Introduction 70 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distributions des valeurs extrêmes

La distribution du maximum devrait nous fournir des

informations sur des événements extrêmes, et comme la
fonction de répartition de X n’étant pas souvent connue, il
n’est généralement pas possible de déterminer cette
distribution à partir de l’expression :

FXn,n = (F (x ))n

dog1

Dr. BENYOUSSEF Meryem Introduction 71 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distributions des valeurs extrêmes

On s’intéresse alors à la distribution asymptotique du

maximum. Alors, on a :

limn→∞ FXn,n (x ) = limn→∞ (F (x ))n = I{F (x )=1}

dog1

Dr. BENYOUSSEF Meryem Introduction 72 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distributions des valeurs extrêmes

On s’intéresse alors à la distribution asymptotique du

maximum. Alors, on a :

limn→∞ FXn,n (x ) = limn→∞ (F (x ))n = I{F (x )=1}

On constate que la distribution asymptotique du maximum

donne une loi dégénérée (Elle prend les valeurs 0 et 1
seulement). On cherche alors une loi non dégénérée pour
Xn,n .

dog1

Dr. BENYOUSSEF Meryem Introduction 72 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distributions des valeurs extrêmes

De façon analogue au théorème centrale limite (TCL), Fisher

et Tippet (1928), Gnedenko (1943) et de Hann (1970) ont
trouvé une solution à ce problème qui précise les seules
distributions limites non dégénérées H possibles sont les
distributions de valeurs extrêmes.

dog1

Dr. BENYOUSSEF Meryem Introduction 73 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distributions des valeurs extrêmes

De façon analogue au théorème centrale limite (TCL), Fisher

et Tippet (1928), Gnedenko (1943) et de Hann (1970) ont
trouvé une solution à ce problème qui précise les seules
distributions limites non dégénérées H possibles sont les
distributions de valeurs extrêmes.
Ce théorème donne un résultat important pour l’existence
d’une loi limite non dégénérée pour le maximum.

dog1

Dr. BENYOUSSEF Meryem Introduction 73 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distributions des valeurs extrêmes

Théorème (Fisher-Tippett-Gnedenko)
Soit (X1 , X2 , ..., Xn ) n varibale aléatoires i.i.d de fonction de
répartition F . S’il existe deux suites normalisantes réelles
(an )n>0 et (bn )n>0 alors :
!
Xn,n − bn
lim P ≤x lim F n (an x +bn ) = H(x ),
= n→∞ ∀x ∈ R
n→∞ an

où H est une fonction de distribution non dégénérée, appelée

distribution des valeurs extrêmes (EVD : Extremes values
Distribution).
La distribution H est du même type que l’une des trois
dog1
distributions des valeurs extrêmes standard suivantes :
Dr. BENYOUSSEF Meryem Introduction 74 / 90
Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distributions des valeurs extrêmes

Théorème (Fisher-Tippett-Gnedenko)
La distribution H est du même type que l’une des trois
distributions des valeurs extrêmes standard suivantes :

dog1

Dr. BENYOUSSEF Meryem Introduction 75 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distributions des valeurs extrêmes

Fisher-Tippett-Gnedenko.
Une preuve détaillée de ce théorème peut être trouvée dans le
livre ’Modelling Extremal Event for Insurance and Finance.’
d’Embrechts.

dog1

Dr. BENYOUSSEF Meryem Introduction 76 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Les Graphes
Distribution et Densité de Gumbel Λ :
Cumulative distribution function (cdf) - Probability Density Function (pdf)

dog1

Dr. BENYOUSSEF Meryem Introduction 77 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Les Graphes
Distribution et Densité de Fréchet Φ :

dog1

Dr. BENYOUSSEF Meryem Introduction 78 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Les Graphes
Distribution et Densité de Weibull Ψ :

dog1

Dr. BENYOUSSEF Meryem Introduction 79 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Relation entre Φ, Λ et Ψ

On peut passer de l’une des trois lois à l’autre comme suit :

Y ∼ Φγ ⇐⇒ Y −1 ∼ Ψγ =⇒ ln(Y γ ) ∼ Λ

dog1

Dr. BENYOUSSEF Meryem Introduction 80 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Exemple
Soit X une variable aléatoire qui suit la loi exponentielle
standard de fonction de répartition F (x ) = 1 − exp(−x )
Prenons an = 1 et bn = log(n) ; alors Y = Xn,na−bn
n
tend
asymptotiquement vers la loi de Gumbel. En effet :

dog1

Dr. BENYOUSSEF Meryem Introduction 81 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

1 Déroulement du cours
Séances
Examen
2 Introduction Générale
Prérequis
Définitions
L’objectif de cette théorie et ses applications
Pionniers de cette théorie
3 Premier Exemple
Une base de donnés
Block Maxima
Peaks Over Threshold
4 La GEV (Generalized Extreme Value)
Idée générale
Statistique d’ordre dog1

Distributions des valeurs extrêmes

Dr. BENYOUSSEF Meryem Introduction 82 / 90
Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distribution GEV
Domaine d’attraction

dog1

Dr. BENYOUSSEF Meryem Introduction 83 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Distribution des valeurs extrêmes généralisées

standard
Etant donnée qu il est difficile de travailler avec les trois
distributions limites, Jenkinson (1955)et Von-Mises (1954) ont
proposés une famille paramétrique appelée distribution des
valeurs extrêmes généralisées standard GEV (Generalized
Extreme Value), qui permet d’unifier les trois types des lois
extrêmes ci-dessus, la fonction Hγ devient :

( −1

Hγ (x ) := exp[−(1 + γx )] γ si γ ̸= 0, 1 + γx > 0
exp[−exp(−x )] si γ = 0, x ∈ R.

où γ sappelle indice des valeurs extrêmes (E V I : Extreme dog1

Value Index)
Dr. BENYOUSSEF Meryem Introduction 84 / 90
Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

La fonction de densité de probabilité hγ

La fonction de densité de probabilité hγ associée à Hγ est

défnie par :

( −1

hγ (x ) := Hγ (x ) − (1 + γx ) γ−1 si γ ̸= 0, 1 + γx > 0
exp[−x − exp(−x )] si γ = 0, x ∈ R.

dog1

Dr. BENYOUSSEF Meryem Introduction 85 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

GEV et lois aux valeurs standards

Les lois des valeurs extrêmes généralisées correspondent, à une
translation et changement d échelle prés, au loi des valeurs
extrêmes standard. Nous avons alors les correspondances
suivantes :

dog1

Dr. BENYOUSSEF Meryem Introduction 86 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Forme plus générale

Pour les variables non centrées et non réduites, on peut écrire

Hγ (x ) sous une forme plus générales dite forme paramétrée
de Von Mises, dans laquelle on fait apparaître un paramètre
de localisation µ ∈ R et un paramètre d’échelle σ > 0, telle
que :

dog1

Dr. BENYOUSSEF Meryem Introduction 87 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Forme plus générale

Cette approche est apportée aux données qui consistent en un

ensemble des maximums par blocs, dite "Block Maxima".

dog1

Dr. BENYOUSSEF Meryem Introduction 88 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Forme plus générale

Cette approche est apportée aux données qui consistent en un

ensemble des maximums par blocs, dite "Block Maxima".
La densité de la GEV s’écrit pour γ ̸= 0 comme suit :

dog1

Dr. BENYOUSSEF Meryem Introduction 88 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Tous les Graphes

Densités et Distribution de Lois des Valeurs Extrêmes :

Gumbel(γ = 0), Fréchet (γ = 1) et Weibull (γ = 1)

dog1

Dr. BENYOUSSEF Meryem Introduction 89 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Domaine d’attraction
Nous établirons maintenant les conditions nécessaires et
suffisantes qui doivent être vérifier par une fonction de
distribution F , pour que la loi du maximum converge vers Hγ .

dog1

Dr. BENYOUSSEF Meryem Introduction 90 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Domaine d’attraction
Nous établirons maintenant les conditions nécessaires et
suffisantes qui doivent être vérifier par une fonction de
distribution F , pour que la loi du maximum converge vers Hγ .
Définition (Domaine d’attraction)
On dit qu’une distribution appartient au domaine d’attraction
de Hγ (notée F ∈ D(Hγ )) ; si la distribution du maximum
normalisé converge vers Hγ .
Autrement dit, s’il existe des constantes réelles an > 0 et
bn ∈ R tels que

lim F n (an x + bn ) = Hγ
n→∞

dog1

Dr. BENYOUSSEF Meryem Introduction 90 / 90

Déroulement du cours Introduction Générale Premier Exemple La GEV (Generalized Extreme Value)

Domaine d’attraction
Nous établirons maintenant les conditions nécessaires et
suffisantes qui doivent être vérifier par une fonction de
distribution F , pour que la loi du maximum converge vers Hγ .
Définition (Domaine d’attraction)
On dit qu’une distribution appartient au domaine d’attraction
de Hγ (notée F ∈ D(Hγ )) ; si la distribution du maximum
normalisé converge vers Hγ .
Autrement dit, s’il existe des constantes réelles an > 0 et
bn ∈ R tels que

lim F n (an x + bn ) = Hγ
n→∞

Il faut des notions sur les fonctions à variations dog1

régulières.
Dr. BENYOUSSEF Meryem Introduction 90 / 90