Thèses de Doctorat

2024

  1.  Estimation non paramétrique de la fonction de hasard dans le modèle de censure. Soutenue en 2024 par Dhiabi Samra, dirigée par Pr. Sadki Ourida.
  2. Sur la régression non paramétrique par erreurs relatives. Soutenue en 2024 par Benzamouche Sabrina, dirigée par Pr. Sadki Ourida. et Pr Ould-Said Elias
  3. Estimation non paramétrique de la fonction de régression par erreur relative pour des données tronquées à gauche et censurées à droite soumises à une structure de dépendance. Soutenue en 2024 par Bayarassou Nassima, dirigée par Pr Ould-Said Elias et Dr Hamrani Farida.
  4. Modélisation de données dépendantes et incomplètes: étude de certains estimateurs. Soutenue en 2024 par El Alem Kaber Mohamed, dirigée par Pr. Guessoum Zohra et Pr Tatachak Abdelkader.
  5. “”” . Soutenue en 2024 par Merdasse Mounia, dirigée par Pr. Medkour et Pr Mohamed Hamdache.
  6. Analysis of the quantity of life of spatial data. Soutenue en 2024 par Bouchafaa Asma, dirigée par Pr. Djaballah Khedidja.

2023

  1. Propriétés asymptotiques des estimateurs à noyaux non symétriques pour des données incomplètes. Soutenue en 2023 par Ghettab Sarah, dirigée par Pr. Guessoum Zohra.

2022

  1. Propriétés asymptotiques d’estimateurs non paramétriques pour des données incomplètes mixtes. Soutenue en 2022 par Bey Siham, dirigée par Pr Tatachak Abdelkader.
  2. Étude asymptotique des propriétés des M-estimateurs pour des données dépendantes. Soutenue en 2022 par Gheliem Asma, dirigée par Pr. Guessoum Zohra.
  3. Sur l’inférence dans les modèles de données faiblement dépendantes. Soutenue en 2022 par Rih Soumia, dirigée par Pr Tatachak Abdelkader.

2021

  1. Test de détection du caractère aléatoire du modèle graphique. Soutenue en 2021 par Brairi Houssem, dirigée par Pr Medkour Tarek.
  2. Hazard function from contaminating observations. Soutenue en 2021 par Benjrada Mohammed Es-salih, dirigée par Pr Djaballah Khedidja.
  3. Estimation semi-paramétrique des ruptures offline et online d’un processus longue mémoire. Soutenue en 2021 par Guenaizi Abdellatif, dirigée par Pr Djaballah Khedidja.
  4. Simulation et calcul intensif parallèle pour l’échantillonnage statistique dans les systèmes d’équations différentielles stochastiques. Soutenue en 2021 par Guidoum Arslane Chouaib, dirigée par Pr Boukhetala Kamal.
  5. Définition, propriétés et estimation pour des processus causaux alpha-stables. Soutenue en 2021 par Kerar Lynda dirigée par Pr Djaballah Khedidja.
  6. Sur l’instant de premier passage dans les risques dynamiques actuariels. Soutenue en 2021 par Kacef Mohamed Amine, dirigée par Pr Boukhetala Kamal.

2020

  1. Inférence dans les modèles tronqués et censurés. Soutenue en 2020 par Benseradj Hassiba, dirigée par Pr. Guessoum Zohra.

2019

  1. Quelques propriétés asymptotiques de l’estimateur du quantile dans un modèle associé tronqué. Soutenue en 2019 par Adjoudj Latifa, dirigée par Pr Tatachak Abdelkader.
  2. Comportement asymptotique d’un estimateur à noyau du quantile pour des données censurées et associées. Soutenue en 2019 par Djelladj Wafaa, dirigée par Pr Tatachak Abdelkader.
  3. Estimation paramétrique et non-paramétrique en utilisant une approche de régression quantile. Soutenue en 2019 par Meziani Aymen, dirigée par Pr Medkour Tarek.

2017

  1. Étude d’un modèle des valeurs extrêmes en présence de censure aléatoire à droite. Soutenue en 2017 par Ameraoui Abdelkader, dirigée par Pr Boukhetala Kamal.
  2. La factorisation en matrices non négatives. Soutenue en 2017 par Chouh Meriem, dirigée par Pr Boukhetala Kamal.
  3. Estimation non paramétrique pour les données incomplètes et associées. Soutenue en 2017 par Hamrani Farida, dirigée par Pr. Guessoum Zohra.
  4. Estimateur à noyau de la régression dans les modèles censurés et associés. Soutenue en 2017 par Menni Nassira, dirigée par Pr Tatachak Abdelkader.

2016

  1. Estimation des paramètres de processus causaux affines par la méthode du maximum de vraisemblance. Soutenue en 2016 par Boularouk Yakoub , dirigée par Pr Djaballah Khedidja.

2014

  1. Sur l’estimation non paramétrique de la densité et du mode dans les modèles de données incomplètes et associées. Soutenue en 2014 par Ferrani Yacine, dirigée par Pr Tatachak Abdelkader.