R EVUE DE STATISTIQUE APPLIQUÉE
J.-L. M ALLET
Interpolation en µ - moyenne quadratique
Revue de statistique appliquée, tome 23, n
o2 (1975), p. 61-86
<http://www.numdam.org/item?id=RSA_1975__23_2_61_0>
© Société française de statistique, 1975, tous droits réservés.
L’accès aux archives de la revue « Revue de statistique appliquée » (http://www.
sfds.asso.fr/publicat/rsa.htm) implique l’accord avec les conditions générales d’uti- lisation (http://www.numdam.org/conditions). Toute utilisation commerciale ou im- pression systématique est constitutive d’une infraction pénale. Toute copie ou im- pression de ce fichier doit contenir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
61
INTERPOLATION EN 03BC - MOYENNE QUADRATIQUE
J.-L.
MALLET
Ecole Nationale
Supérieure
deGéologie Appliquée
et de
Prospection
Minière(Nancy)
Centre de Recherche
Pétrographique
et
Géochimique (Nancy)
I - PRESENTATION DE L’INTERPOLATION EN
03BC-MOYENNE QUA- DRATIQUE
I.1- Problème
posé
Soit d’une
part to
unpoint
fixé dans Rn et T un ensemble fini de Npoints ti
E Rn :
T
= {t1, t2, ... , tN}
Soit d’autre
part
F une fonction(réelle
oucomplexe)
définie(donc bornée)
sur(T U t0)
et connue seulement par sesvaleurs numériques F(ti)
sur l’ensemble T Nous nous proposons de trouver une valeurF(t0) approchant la valeur
inconnueF(t0)
en un certain sens à définir de tellefaçon
que l’on ait :Ce
problème, qui possède
apriori
une infinité de solutionslorsque to n’appartient
pas à
T,
nepeut
évidemment être résolu quemoyennant
un certain nombred’hypothèses
"apriori".
C’est enessayant
de limiter au maximum ceshypothèses
que nous avons été conduits à
imaginer
la méthoded’interpolation
en 4-moyennequadratique
dont leprincipe
est directementinspiré
de la méthode des filtres au-torégressifs.
Pour cette raison et afin de bien
préciser
les motivationsqui
nous ont amené à concevoir cette méthoded’interpolation,
nous pensonsqu’il
n’est pas inutile de donner(sans démonstrations)
uneprésentation rapide
de latechnique
des filtresautorégressifs
en insistant sur lespoints qui
ont retenu notre attention.1. 2 - Méthode des filtres
autorégressifs Remarque préliminaire
La fonction F étant
fixée,
onpeut toujours
trouver un espaceprobabilisé
(1) Article remis en Décembre 1973, révisé en Juillet 1974
Revue de Statistique Appliquée, 1975 vol. XXIII N° 2
(n, 03B1,P)
et une fonction aléatoiref(03C9,t)
définie sur[(03A9, c:t)
x(T
Ut0)]
de fa-çon à
possèder
lespropriétés (f 1 )
et(f2)
suivantes :Par
exemple,
si nous choisissons(n,
a,P)
tel que ...... alors
l’application f(03C9), t)
définie sur[(03A9, X)
x(T
Ut0)]
par les relations(fl’)
et(f2’)
ci-dessous est effectivement une fonction aléatoire :De
plus, compte
tenu de la relation(f2’),
cette fonction aléatoire vérifie effectivement lapropriété (f2)
et lapropriété (f1)
estégalement
vérifiée card’après
la relation(fl’)
on a :Ceci
dit,
il estimportant
de remarquer pour la suite del’exposé
que la pro-priété (f 1 ) implique
pourf(cw, t)
l’existence sur(T
Ut0)
d’une fonction moyenne03A6f
et d’une fonction de covariancerff
telles que :Celà
implique également
l’existence de la fonction de covariance centréerif
définie de la
façon
suivante :Définition
Soit d’une
part f(cj,t)une
fonction aléatoire vérifiant lespropriétés (f1)
et(f2)
définies auparagraphe précédent,
et soit d’autrepart {Uc0, Uc1,
... ,UcN }
un ensemble de
(N
+1 )
variables aléatoires centrées telles que :63
Soit enfin
[0393c ]
la matrice carrée à Nlignes
et N colonnes définie de lafaçon
suivante :
Dans
cesconditions,
si[0393c]
estinversible,
alors il existe unerégression
linéaire
Uc0 (au
sens des moindrescarrés)
de la variable aléatoireUc0
en fonctiondes N variables
aléatoires { Uc1, ... , UcN } et,
pardéfinition,
onappelle interpo-
lation de F au
point ta
au sens des filtresautorégressifs
la valeurnumérique
F(t0)
telle que :Construction de
F(t0)
Si nous posons ...
...
alors, d’après
la théorie de larégression linéaire,
nous savons que la variable aléatoireU’ 0
vérifie lesrelations
suivantes :Revue de Statistique Appliquée, 1975 vol. XXIII N° 2
De
plus, compte-tenu
de la définition de0393cij, on
déduit que les coefficients{03BBi(t0)}i=Ni=1
solution del’équation (A4)
sont tels que l’on ait :En se souvenant que par construction on a ...
... il s’en suit que l’on
peut
écrire :Nous sommes alors en mesure
d’affirmer, grâce
à la relation(F2),
que la méthode d’estimation deF(to )
au sens des filtresautorégréssifsesteffectivement
une méthode
d’interpolation
au sens habituel du terme.65
1.3 - Mise en oeuvre de la méthode des filtres
autorégressifs
Introduction
D’après
ce que nous venons devoir,
la méthode des filtresautorégressifs
nepeut
être mise en oeuvre que si l’on connaît apriori
lamoyenne 03A6f
et la fonctionde covariance relatives à la fonction aléatoire
f(cj, t)
cequi
n’estpratiquement jamais
le cas dans lesapplications
courantes. Pour sortir de cetteimpasse,
on estcontraint de formuler "a
priori"
un certain nombred’hypothèses : Hypothèses (HI)
Généralement,
on suppose tout d’abord quef(cj,t)est ergodique
du secondordre et vérifie de ce
fait, quels
que soientt, tl
ett2 appartenant
à(T
Uto ) ,
les relations suivantes où
Bp
est une boule de R" centrée àl’origine,
de rayon p et de volumeIB p 1
:L’hypothèse d’ergodicité
du second ordre(H1)
n’estgénéralement passuf-
fisante elle seule pour
permettre
de déterminer les fonctionstPf(t)
etIrff (t 1 , t2)
aussi est-on conduit à la
compléter
par une nouvelle séried’hypothèses (H2)
ou(H2’) :
Hypothèses (H2)
En deuxième
hypothèse,
il estclassique
de supposer quef(cj, t)
est sta- tionnaire du secondordre,
c’est-à-direqu’il
existe des constanteslof l’
et03A6f
ainsi
qu’une
fonction 03B3 detype positif
définie sur Rn telles que :Revue de Statistique Appliquée, 1975 vol. XXIII N° 2
Compte-tenu
del’ergodicité
du second ordre def(03C9, t),
celaimplique
enparticulier
que l’on ait :Ceci
dit,
si nous posons ...... on
peut
alors utiliser la méthode des filtresautorégressifs
ensupposant
comme dernière
hypothèse
que l’on a :Hypothèse (H2’)
L’ergodicité
du second ordre étantadmise,
il existe de nombreusesfaçons
de formuler des
hypothèses complémentaires,
et si leshypothèses (H2)
sont lesplus fréquemment
utilisées par lespraticiens
de laméthode,
il ne faut pas per- dre de vuequ’il
existe d’autrespossibilités.
Parexemple, imaginons
que l’on connaisse unepremière approximation
F* de la fonctionF,
et soit B une boulede volume
IBI
centrée àl’origine ;
si nous posons...67
...
alors,
nous réserve que le rayon de B soit "suffisammentgrande
onpeut
utiliser latechnique
des filtresautorégressifs
en admettant comme dernièrehypothèse
que l’on a :1.4 - Motivations et
principe
del’interpolation
en M-moyennequadratique
Il faut bien
comprendre
que leproblème posé
audépart,
à savoir "trouverune valeur
numérique F(to ) interpolant
F aupoint to " possède
apriori une in-
finité de solutions
puisqu’en
l’absence d’informationcomplémentaire,
il existea
priori
une infinité de fonctions Fprenant
des valeursidentiques
sur l’ensembleT des N
points d’échantillonnage.
Etant donnéqu’il
n’existe aucunprocédé gé-
nérateur d’information en dehors des
procédés
de mesure des valeursF(ti )
endes
points ti
ER",
il est absolument nécessaire de formuler "apriori"
uncertain nombre
d’hypothèses
si l’on veutpouvoir
calculer une solution F(to )
particulière ; l’hypothèse d’ergodicité
def(w, t)
est unefaçon
deprocéder qui,
dans les
applications pratiques,
donne souvent de bons résultatsmalgré
la brutalité duprincipe qui
consiste en fait à supposer que les moyennesstatistiques
sortant sur la variable w sont
identiques
aux moyennesspatiales portant
sur lava- riable t.En réfléchissant sur les
implications
del’ergodicité,
on est tout naturelle-ment conduit à se demander s’il n’est pas
possible
de choisir(&2, a, P)
etf(w, t)
de tellefaçon
que la variable w et la variable t aient effectivement un rôlesymé- trique.
Laréponse
à cettequestion
estpositive
si F estdéfinie,
continue et bornéesur(l) [(T
Ut0)
+03A9]
et si on pose :En
effet,
comme nous le verrons auparagraphe II, l’application f(cw, t)
ainsi définie est effectivement une fonction aléatoire définie sur[(03A9, B03A9) (T~ to)]
et vérifiant la
propriété (f1) :
(1) A et B étant des parties de
Rn ,
nous désignerons par C = (A + B) l’ensemble des pointsc de R" tels que :
Revue de Statistique Appliquée, 1975 vol. XXIII N° 2
Comme d’autre par en
posant 03C90 = 03B8Rn
on a bien ...... il s’en suit que
f(w, t)
vérifieégalement
lapropriété (f2)
et que l’onpeut
parconséquent appliquer
la méthode des filtresautorégressifs
pour estimer F aupoint to.
On remarquera alors que pour cefaire,
il n’estplus
nécessaire de supposerl’ergodicité
def(cw, t) puisque
cette fonctionjouit
d’unepropriété
tout à faitanalogue :
En
fait,
ons’aperçoit qu’en
choisissant(il, 03B1, P)
etf(cj,t)
suivant les rela- tions(f3)
onremplace
par des"Il-moyennes
mobiles" toutes les"espérances mathématiques"
intervenant dans la théorie des filtresautorégressifs.
Pour cetteraison,
nous proposonsd’appeler interpolation
en Il-moyennequadratique",
ceparticulier d’interpolation
au sens des filtresautorégressifs.
1.5. - Conclusion
Nous venons de montrer que la méthode
d’interpolation
en Il-moyennequadratique possède l’avantage
desupprimer l’hypothèse (Hl) d’ergodicité du
second ordre de
f(cj, t).
Cela n’est pas dénué d’intérêtcompte
tenu del’impos-
sibilité
pratique
de contrôler cettehypothèse
dans lesapplications
courantes.Ceci
dit,
il nous reste maintenant à donner un certain nombre dejustifi-
cations et de
propriétés spécifiques
del’interpolation
en y-moyennequadra- tique,
ce àquoi
nous allons nous attacher dans cequi
suit :II - JUSTIFICATIONS
THEORIQUES
DE L’INTERPOLATION EN jn-MOYENNE
QUADRATIQUE
II.1. - Introduction
A
partir
demaintenant,
nous supposerons que F est effectivement unefonc-
tion
définie,
continue et bornée sur[(T
Uto )
+03A9] et
nous supposeronségalement
que
(S1, 03B1, P)
etf(cj, t)
ont été choisis suivant les relations(f3) présentées
auparagraphe
1.4.1)
Nous nous proposons dans cequi suit,
de montrer tout d’abord que :-
L’application f(cj, t)
est effectivement une fonction aléatoire définiesur
[(S2, Bn)
x(T U to)]
69
- La fonction aléatoire
f(cw, t) qui
vérifie defaçon
évidente lapropriété (f2) (cf. 1.4)
vérifieégalement
lapropriété (f 1 )
etpeut
donc être utilisée pour mettre en oeuvre la méthode des filtresautorégressifs.
2)
Dans un deuxièmetemps,
nous montrerons dansquelle
mesure0393cf*f*
et03A6f*
sont voisines derif
et03A6f lorsque
les fonctions associées F et F*sont voisinessur
[(T
Uto )
+03A9]
au sens de la distance de la convergence uniforme. Ce dernierpoint
estparticulièrement important
dans lesapplications pratiques puisqu’il justifie
latechnique
consistant à poser parhypothèse
que l’on a :II.2. -
Proposition
1Enoncé
L’application f(cj, t)
associée à F suivant les relations(f3)
est unefonction aléatoire définie sur[(S2, 03B1)
x(T U t0)]
et vérifiant les relations(f1)
et(f2).
Démonstration :
première partie
Soit
Bc
la tribu borélienne du corps descomplexes C ;
on démontre en cal-cul des
probabilités qu’une application f(w, t)
définie sur[(03A9, a) x (T
Ut4)]
est une fonction aléatoire si et seulement si
f(. , t)
est mesurable de(03A9,03B1)
dans
(C, 63.)
pour tout t fixé dans(T
Uto).
Ceci étant
dit,
si(03A9, a)
etf(w, t)
sont définis suivant les relations(f3) ,
il est évident que
quel
que soit t fixé dans(T
Ut0), l’application f(., t) est conti-
nue de 03A9 dans C
puisque
F est continue sur[(T
Uto )
+03A9] et
que l’on a :Comme d’autre
part, d’après
les mêmes relations(f3)
on aposé 03B1 = B03A9
il s’en suit que pour tout t E
(T
Uto ), l’application f(., t)
est mesurable de(S2, 03B1)
dans(C, â3c)
en tantqu’application
continue de 11 dans C.Compte
tenu de tout cequi
vient d’êtredit,
on est donc assuré quef(cj, t)
est bien une fonction aléatoire définie sur
[(03A9, d)
x(T
Ut0 )]
Démonstration : deuxième
partie
D’après
les relations(f3),
onpeut toujours
écrire :Revue de Statistique Appliquée, 1975 vol. XXIII N° 2
D’autre
part,
nous savons que parhypothèse
la fonction F est continue ét bornée sur[(T
Ut0 )
+n]
et que03BC(03A9)
=1,
cequi
nouspermet
de conclure quef(03C9, t)
vérifie la relation(f 1 ) :
Comme on a
déjà remarqué
auparagraphe (1-4)
quef(cw, t)
vérifieégalement
la relation
(f2),
on est finalement assuré que cette fonction aléatoire vérifie bien les relations(f1)
et(f2)
comme cela avait été dit dans l’énoncé de laproposition.
II.3. -
Proposition
2Enoncé
Soient F et F* deux fonctions continues et bornées sur
[(T
Ut0)
+03A9]et
soient
f(cw, t)
et f*(w, t)
les deux fonctions aléatoires associées définies de lafaçon
suivante ou Sdésigne
l’ensemble(T
Ut0 ) :
Si nous posons ...
... alors
quels
que soint t,tl
1 ett2 appartenant
àS,
on a :Démonstration
Compte
tenu des définitionsposées
dans l’énoncé de laproposition,
onpeut toujours
écrire :71 En
définitive, puisque 03BC(03A9)
=1,
on a donc :Ceci étant
dit,
afind’alléger
lesnotations,
nous poserons dans tout cequi
suit :Compte
tenu de la relation(1)
et de la définition de e, onpeut
donc écrire lesimplications
suivantes :D’autre
part,
leségalités
ci-dessous sonttoujours
vérifiées :Comme il est évident que l’on a ...
Revue de Statistique Appliquée, 1975 vol. XXIII N° 2
... il s’en suit que l’on
peut
écrire lesinégalités
suivantes :Comme d’autre
part 03BC(03A9) = 1,
onpeut
donc écrired’après
la relation(2)
etd’après
la définition deG(cj, t)
etr,(t, t) :
On en conclu que pour tout
t1 ~
S et toutt2 E S,
on a :Par un raisonnement tout à fait
analogue,
onpeut
montrer que l’on a :73
III - MISE EN OEUVRE DE L’INTERPOLATION EN
M-MOYENNE QUADRATIQUE
III.1. -
Technique d’interpolation Définition
Soit d’une
part
T un ensemble de Npoints ti E RI,
et soit(!2, le n ’ 03BC)
un espace mesuré où 03BC est une mesure
positive
normée et S2 unepartie
de Rncontenant
l’origine () Rn ;
dans cesconditions,
une fonction F continue et bornéesur
[(T
Ut0)
+SZ]
sera diteT-interpolable
en 03BC-moyennequadratique
aupoint
to E
R" si et seulement si :1)
La fonction F est connuenumériquement
sur T2)
On connaît sur(T
Ut0)
et(T
Ut0)
x(T
Uto ) respectivement
la fonc-tion
moyenne 03A6f
et la fonction de covariancerff
telles que :3)
La matrice[0393c ] définie
ci-dessous est inversible :Mise en oeuvre de la
technique
Imaginons
que l’on désireinterpoler
en unpoint to
E R" une fonction Fcontinue et bornée sur R" et
supposée
connue sur un ensemble T de Npoints
Si
to n’appartient
pas àT,
il existe évidemment une infinité de solutions à ceproblème
et l’on doitimpérativement
formuler deshypothèses
pour extraire de cette infinité une solution satisfaisante.Supposons
d’unepart
que F soitT-interpolable
en 03BC-moyennequadratique
au
point to
et supposons d’autrepart
que l’on connaisse une fonction F*elle- mêmeT-interpolable
en m-moyennequadratique
aupoint t. Dans
ces conditionsRevue de Statistique Appliquée, 1975 vol. XXIII ? 2
si l’on admet que F* est une
première approximation
deF,
alorscompte
tenu de laproposition 11-3,
il n’est pas déraisonnable de supposer "apriori"
que l’on a ......
où 03A6f
et03A6f*
sontrespectivement
les fonctions moyennes relatives aux fonc- tions F et F* tandis querif
et0393cf*f*
sontrespectivement
les fonctions deco-variances centrées relatives à F et F*.
Ceci
dit, puisque
parhypothèse
F et F* sontT-interpolables
en 4-moyennequadratique
aupoint to ,
on est assuré que la matrice[0393c ] est inversible ;
on endéduit
que leséquations (A4) possèdent
une solutionunique [039B (t0 )]
dont les{03BBi (to )}i=Ni=1 sont, d’après
les relations(F1)
et(F2)
telles que :Intérêt de cette
technique
L’intérêt de cette
technique
esttriple :
.,
1)
Ellepermet
d’obtenir uneinterpolation F(t0)
àpartir
d’unepremière
approximation
F* même si cette dernière n’est pasidentique
à F sur T.2)
La seulehypothèse
faite pour sélectionner une solutionparticulière
F(t0)
est très "concrète" et consiste en fait à sedonner,
par le biais deF* ,
"l’allure
générale"
de la fonction F.3) Enfin,
onpeut
faire intervenir toutes les informations nonnumériques
concernant F en choisissant F* en fonction de ces informations.
Erreur
quadratique
moyenned’interpolation
Le
point to
étant fixé dansR" ,
soitF(to’ w)
la fonction définie sur03A9par
la relation suivante :
Par
définition,
nousappellerons
erreurquadratique
moyenned’interpo-
lation en M-moyenne
quadratique
aupoint to
la valeur~(t0)
telle queD’après
les relations(A 5)
et(A6),
on a donc :75
L’expérience
montre queê( to ) qui
a lespropriétés
d’un écarttype peut
êtreutilisé avec
profit
pour se faire une idée de laprécision
aveclaquelle F(t0) a été
calculé
compte
tenu de T et deshypothèses
concernant F.t0
Remarque
Pour bien marquer le fait que
F(to )
et~(t0) dépendent
directement de la solution initaleF*,
noussuggérons
dedésigner
dorénavant cesquantités
par les notationsF*(t0)
et~*(t0) chaque
fois que nous voudronsrappeler leurdépen-
dance vis-à-vis de F*
II.2. - Continuité de F Enoncé
Si F est
T-interpolable
en li-moyennequadratique
en toutpoint to
d’uncompact
D CR,
alorsF(to )
est une fonction continue deto
sur D.Démonstration
F étant
supposée T-interpolable
en m-moyennequadratique,
cela supposeen
particulier
que cette fonction est continue sur[(T
UD)
+03A9];
onpeut
dé-montrer que ceci
implique
la continuité de03A6f(.)
et derff(., ti)
sur(T
UD )
quel
que soitti
fixé dans T. Il s’ensuit, compte
tenu de la linéarité deséquations (A4)
et du fait que[0393c] est inversible,
que les fonctions{03BBi(t0)i=Ni=1 et 03A6(t0)
sont continues sur
D ;
ceci nouspermet
de conclured’après
la relation(FI)
queF(t0)
est elle-même continue sur D en tant que combinaison linéaire finie de fonctions continues sur D.111.3. -
Proposition
Enoncé
Soit d’une
part (03A9, a, IL)
un espace défini de lafaçon
suivante...Soit d’autre
part
K un entierpositif
fini et F unpolygône trigonométrique,
réel tel que :
Revue de Statistique Appliquée, 1975 vol. XXIII N° 2
Dans ces
conditions,
si T est un ensemble de Npoints{ti}i=Ni=1 appartenant
à R et si D est unepartie quelconque
deR,
alors F est continue et bornéesur
[(T
UD)
+03A9]
et les fonctions03A6f
etrif
associées à F sont telles que :De
plus,
si les coefficientsa
et{ak, bk} k- K
sont connus et si l’on a ...... alors la fonction F est T-
interpolable
en 03BC-moyennequadratique
en toutpoint to
E D.Démonstration :
première partie
Compte
tenu que K et lescoefficients {ak, bk}
sontfinis,
il est évident queF est continue sur
R ;
d’autrepart,
on est assuré que F est bornée sur Rpuisque
l’on a :77
Il s’en suit alors que F est continue et bornée sur
[(T
UD)
+03A9]
et que parconséquent
lesintégrales 03A6f(t)
et0393cff(t1, t2) ont
un sensquels
que soient t,t et t2
appartenant
à(T
UD) ;
cecidit,
onpeut
montrer par des calculsélémentaires que
les
fonctions 03A6f
etr,
vérifient les relations(T3).
Démonstration : deuxième
partie
Pour démontrer que, sous les conditions
(Tl)
et(T4)
la fonction F est T-interpolable,
nous aurons besoin dequelques
résultatstechniques
que nous nous proposonsd’exposer
àpart
dans cette deuxièmepartie
de la démonstration :Soit
[E(03981, 03982,
... ,ON )]
la matrice carrée définie de lafaçon
suivante :En
désignant
par det[M]
le déterminant d’une matrice carréequelconque [M],
onpeut
alors écrire :En
remarquant
que le déterminantfigurant
au membre de droite del’égalité
ci-dessus est un déterminant de Van der
Monde,
onpeut
écrire :Revue de Statistique Appliquée, 1975 vol. XXIII N° 2
Compte
tenu quee p n’est jamais nul,
on a donc en définitive :Ce résultat étant
acquis,
onpeut
alors écrire leséquivalences
suivantes où(tl , t2 , ... , tN ) désignent
lespoints
de l’ensemble T et(À 1 , À2 , ... , 03BBN)
un en-semble de N nombres
complexes
non tous nuls :Si les conditions
(T4)
sontsatisfaites,
alorscompte
tenu que l’on a ...... on
peut
affirmer quel’implication
suivante est Braie si et seulement si les coefficients(À 1 ,
... ,XN)
sont tous nuls :79
En d’autres
termes,
ceciimplique
que la matrice[03B8] définie
ci-dessous est de rang N si les conditions(T4)
sont satisfaites :Démonstration : troisième
partie
Supposons
que les conditions(T4)
soient satisfaites et soient[0398]
et[03A32]
les matrices définies ci-dessous où l’on a
posé IQk 12
=(|ak 12
+Ibk 12 )/2 :
Revue de Statistique Appliquée, 1975 vol. XXIII N° 2
Compte
tenu que sous leshypothèses (T4)
les coefficientsla 12 k=Nk=1
sont tous différents de
zéro,
on est assuré que lamatrice , est
de rang2K;
d’autre
part, puisque
sous leshypothèses (T4)
on aégalement
K > N il s’en suit que[03B8]
est une sous-matrice de[0398] ce’qui
nouspermet
d’affirmerque[0398]
estde rang N
puisque
nous savons que[03B8 ] est
elle-même de rang N.Ceci
dit,
pour démontrer que sous les conditions(T4)
la fonction F estT-interpolable,
il nous suffit de montrer que la matrice[0393c ] définie
ci-dessous est de rang N :Par des calculs
élémentaires,
on vérifie facilement que l’on a ...... d’où l’on déduit que
[0393c] ] est
effectivement de rang N sous leshypothèses, (T4)
Conséquence pratique
Lorsque
T est un ensemble discret de Npoints appartenant
àRI,
alorscompte
tenu de laproposition précédente,
il est très facile de construire desexemples
de fonctionT-interpolable
en M-moyennequadratique.
Dans la
pratique,
cette remarqueprend
toute sonimportance
si pour mettre en oeuvre latechnique d’interpolation présentée
auparagraphe
III-1 on décide de choisir une solution initiale F* dutype
suivant :81
Cas des
polynômes trigonométriques définis
sur RnPar souci de
simplicité
dans lesdémonstrations,
nous nous sommes limitésau cas très
particulier
despolynômes trigonomètriques
réels définis surR1,
maisnous tenons à
signaler
que tout cequi
vient d’être dit dans ceparagraphe
s’étendsans difficulté au cas des
polynômes trigonométriques
réels oucomplexes
Fdéfinis sur Rn .
111.4
Exemple d’application
Présentation
Cet
exemple
destiné à tester notre méthoded’interpolation
en jn-moyennequadratique
est extrait d’uneapplication pratique
que nous avons été amené à traiter. Ils’agit
d’estimer sur unsegment
D =[0,203C0]
donné dansR,
les variations d’une fonction rélle F dont on ne connaît àpriori
que les valeursnumériques
F(ti)
auxpoints
d’un ensemble S={tp}p=Mp=1
de M = 20pointsd’échantillonnage
distincts
répartis
sur D commel’indique
lafigure
1-B.Mise en oeuvre
1)
Dans unpremier temps,
nous avons construit lepolynôme trigomé- trique...
...
approchant
F au sens des moindres carres sur D et dont on trouvera legraphe représenté
enpointillés
sur lafigure
1-B. On constateexpérimentalement
que les K = 8 coefficient(|a*k|2
+|b*k|2)
sont toussignificativement
différents de zéro.2)
Dans un deuxièmetemps,
nous nous sommes, donnés 100points t0(q)
répartis
sur D et tels que :Ensuite,
pour chacun de cespoints,
nous avons calculél’interpolation
en g- moyennequadratique F*N (t.(q»
et l’erreurquadratique
moyenne associée~*N (to (q))
enprenant chaque
fois pourT,
l’ensembleTN (q)
des .N = 6points
plus proches
voisins deto (q)
choisis dans l’ensemble S et enposant :
Revue de Statistique Appliquée, 1975 vol. XXIII N° 2
Ce
faisant,
nous avons obtenu deux suites de nombres ......
représentant respectivement
les ordonnées de 100points
situés sur legraphe
des fonctionsF*N
et~*N
au droit des 100points
d’abscisseto(q)
= q.27r 99
3)
Dans un derniertemps,
et afin de visualiserF*N
eté
nous avonsrelié par des arcs de
cubique (suivant
latechnique
des fonctionssplines) chacune
des deux suites de 100
points
définissantrespectivement
legraphe
deF*N et ÊN
On trouvera le résultat final sur la
figure
1-B où legraphe
deF*N
estreprésenté
en trait
fort,
et sur lafigure
1-A où l’on areprésenté
legraphe
de~*N
avec uneéchelle des ordonnées
beaucoup plus grande
defaçon
à mieux mettre en évidenceles variations de cette dernière fonction.
Remarque
Afin
de se faire une idée de l’influence desparamètres
K et N sur lescourbes F* et
~*,
nousprésentons
sur lesfigures
2-A et 2-B des résultatsanalogues
à ceux desfigures
1-A et1-B,
mais obtenus cette fois avec K = 6 et N = 4.IV - CONCLUSIONS
IV-1 -
Interpretation
deshypothèses (H1)
et(H2) employées
pour les filtresauto régressifs
Lorsque
F est unpolynôme trigonométrique (réel)
défini sur R par la rela- tion(T2)
et(f2, a, Il)
un espace mesuré défini par la relation(Tl) nous
savonsd’après
laproposition
111-3 que l’on a :Ceci
dit,
si nous posons...83
...
alors,
si les Npoints {ti} ~
T sont uniformémentrépartis
sur un intervalle[a,
a +2703C0]
et si N est suffisammentgrand,
nous savonsd’après
lespropriétés
des coefficients d’une série de Fourrier que l’on a :
En
comparant
ces relations avec cellesprésentées
auparagraphe
1-3 nous voyons que leshypothèses (H 1 )
et(H2) classiquement
utilisées dans latechnique
desfiltres
autorégressifs
reviennent en fait à utiliser un casparticulier d’interpola-
tion en Il-moyenne
quadratique.
IV-2. - Extensions
possibles
del’interpolation
en y-moyennequadratique
Pour
conclure, signalons
que l’onpeut
étendre la méthodeprésentée
dansplusieurs
directions :1)
Encompliquant
un toutpetit
peu lesnotations,
la méthodeprésentée
s’étend sans difficulté au cas où F est une fonction vectorielle à valeurs dans Cm ou Rm .
2)
Enfinl’interpolation
en li-moyennequadratique peut
êtregénéralisée
aucas où T n’est
plus
un ensemble depoints
finidénombrable,
mais uncompact
de R . Cette dernièregénéralisation
n’estpossible qu’au prix
dedéveloppements théoriques beaucoup plus importants
que ceuxqui
ont été faits dans leprésent exposé ;
à cesujet,
on pourra consulter : Mallet - mémoire de thèse( 1 ).
Revue de Statistique Appliquée, 1975 vol. XXIII N° 2
Figure 1 - Exemple d’interpolation en li-moyenne quadratique d’une fonction F connue par ses valeurs numériques F(t) obersvées en M = 20 points d’échantillonnage
(ti)
répartis sur lesegment
[0,203C0]
Les valeurs
F*N [t0(q)]
et~*N (t0(q)]
en tout pointto(q)
= q.211’
ont été calculéesàpartir
desN = 6 plus proches voisins choisis dans
(t.)
et enprenant pour
solution initiale F* unpolynôme
trigonométrique
tel que K = 8.85
Figure 2 - Exemple d’interpolation en M-moyenne quadratique d’une fonction F connue par ses valeurs numériques F(t) observées en M = 20 points d’échantillonnage
(ti)
répartissurle[0,27r].
Les valeurs
F*N [t0(q)]
et~*N [t0(q)]
en tout pointto(q)
= q.203C0
ont été calculées à partir desN = 4 plus proches voisins choisis dans
(t.)
et en prenant pour solution initiale F* unpolynôme trigonométrique tel que K = 6.
Revue de Statistique Appliquée, 1975 vol. XXIII N° 2
BIBLIOGRAPHIE
ANDERSON T.W. - The statistical
analysis
of time series.Wiley,
1971.DOOB J.L. - Stochastic processes.
Wiley, Septième édition,
1967.FORTET R. et BLANC-LAPIERRE A. - Théorie des fonctions aléatoires.
Masson,
1953.MALLET J. L. 2014
(1)
Etude d’une méthode d’estimation et d’une méthode defiltrage ; application
à lacartographie automatique. Thèse, faculté
dessciences
Nancy,
1974.(2)
Présentation d’un ensemble de méthodes et detechniques
de la car-tographie automatique numérique.
Sciences de la terre, sérieMémoire,
1974.MATHERON G. -
(1)
Les variablesrégionalisées
et leur estimation.Paris,
Masson 1966.(2)
leKrigeage
universel. Ec. Nat.Sup. Mines, Paris,
1969.STERN J. - De BARBEYRAC J. et POGGI R. - Méthodes
pratiques
d’étudedes fonctions aléatoires.
Paris, Dunod,
1967.WIENER N. -
Extrapolation, Interpolation
andSmoothing
ofstationnary
timeseries.
Wiley,
1949.RIES V. - Une