Detection of multiple changes in

We present some results of convergence for a minimum contrast estimator in a problem of change-points estimation. Here, we consider that the changes aaect the marginal distribution of a sequence of random variables. We only consider parametric models, but the results are obtained under very general conditions. We show that the estimated connguration of changes converges to the true connguration, and we precise the rate of convergence when the number of changes is known. When this number is unknown, it is estimated by minimizing a penalized contrast function. All these results apply to a wide class of processes, including strongly mixing and strongly dependent processes. Some examples of application to real data are given. R esum e Nous pr esentons quelques r esultats de convergence pour un estimateur de minimum de con-traste dans un probl eme de d etection de ruptures. Nous supposons ici que les ruptures aaectent la distribution marginale d'une suite de variables al eatoires. Nous nous limitons a des mod eles param etriques, mais les r esultats sont obtenus sous des hypoth eses tr es g en erales. Nous montrons que la connguration de ruptures estim ee converge vers la v eritable conngu-ration, et nous pr ecisons la vitesse de convergence lorsque le nombre de ruptures est connu. Lorsque ce nombre est inconnu, il est estim e au moyen d'une fonction de contraste p enalis ee. Tous ces r esultats s'appliquent a une tr es grande vari et e de processus, incluant les proces-sus fortement m elangeants et les processus a d ependance a longue port ee. Des exemples d'application sur des donn ees r eelles sont pr esent es.