Institut de Mathématiques de Toulouse

Accueil > Événements Scientifiques > Séminaires & Groupes de Travail > Séminaires > Séminaire de Statistique

Séminaire de Statistique

par Agnès Lagnoux - publié le , mis à jour le

Organisateurs : Agnès Lagnoux, Jean-Marc Azais et François Bachoc

Jour et lieu habituels : le mardi à 11h00 en salle 106 (bâtiment 1R1).




  • Mardi 8 janvier 2013 11:00-12:00 - Karine Tribouley - Université Paris Diderot

    Learning Out of Leaders

    Résumé : Des procédures de type LOL dans le cadre du modèle de régression en grande dimension seront présentées, les régresseurs pouvant etre groupés (GrLOL) ou non (LOL). Ces procédures sont basées sur des méthodes de seuillage permettant d’obtenir des algorithmes directs (sans optimisation et non récursifs). Sous des hypothèses de parcimonie, les vitesses des procédures sont obtenues dépendant de la cohérence de la matrice de Gram associée au modèle. Enfin, une méthode "boostant" les vitesses est présentée et illustrée par des simulations.

    Lieu : Salle de séminaire du 1er étage, bât.1R3


  • Mardi 15 janvier 2013 11:00-12:00 - Jairo Cugliari - Laboratoire de Mathématiques d’Orsay

    Titre à préciser

    Lieu : Salle de séminaire du 1er étage, bât.1R3


  • Mardi 22 janvier 2013 09:45-10:45 - Alexandre Janon - Université Lyon 1

    Titre à préciser

    Lieu : Salle à préciser


  • Mardi 29 janvier 2013 11:00-12:00 - Sarah Ouadah - LSTA

    Estimation adaptative de la densité par les méthodes du noyau et des plus proches voisins

    Lieu : Salle de séminaire du 1er étage, bât.1R3


  • Mardi 5 février 2013 11:00-12:00 - Florent Autin - Université d'Aix-Marseille 1

    Point de vue maxiset en estimation non paramétrique

    Résumé : Dans cet exposé de nouvelles réponses aux problèmes d’estimation non paramétriques seront apportées via l’approche maxiset. Dans ce contexte, on s’intéressera à caractériser l’ensemble des fonctions (maxiset) pour lesquelles une procédure atteint une qualité d’estimation fixée. Un intérêt particulier sera porté sur les performances - théoriques et pratiques - des procédures par ondelettes issues de la sélection de modèles ou reposant sur des règles de seuillage très générales.

    Lieu : Salle de séminaire du 1er étage, bât.1R3


  • Mardi 12 février 2013 11:00-12:00 - Laetitia Comminges - ENPC

    Test minimax d’une hypothèse nulle composite définie par une fonctionnelle quadratique

    Résumé : On considère le problème du test d’une hypothèse nulle composite sous un modèle de régression nonparamétrique multivarié. Pour une fonctionnelle quadratique donnée $Q$, l’hypothèse nulle correspond au fait que la fonction $f$ satisfait la contrainte $Q[f] = 0$, tandis que l’alternative correspond aux fonctions pour lesquelles $ |Q[f]|$ est minorée par une constante strictement positive. On fournit des taux minimax de test et les constantes de séparation exactes ainsi qu’une procédure optimale exacte, pour des fonctionnelles quadratiques diagonales et positives. On peut utiliser ces résultats pour tester la pertinence d’une ou plusieurs variables explicatives. L’étude des taux minimax pour les fonctionnelles quadratiques diagonales qui ne sont ni positives ni négatives, fait apparaître deux régimes différents : un régime <> et un régime <>. On applique ceci au test de l’égalité des normes de deux fonctions observées dans des environnements bruités.
    http://certis.enpc.fr/ commingl/

    Lieu : Salle de séminaire du 1er étage, bât.1R3


  • Mardi 19 février 2013 11:00-12:00 - Laure Sansonnet - Département de Mathématiques d'Orsay

    Estimation non-paramétrique dans un modèle d’interactions poissoniennes et application à des données génomiques

    Résumé : L’objet de cet exposé est de présenter une approche statistique pour étudier les dépendances entre deux événements modélisés par des processus ponctuels. On s’intéressera en particulier au domaine de la génomique afin de détecter des distances favorisées ou évitées entre deux motifs le long d’un génome suggérant de possibles interactions à un niveau moléculaire. Pour cela, on introduira une fonction dite de reproduction qui permet de quantifier les positions préférentielles des motifs et qui est modélisée par l’intensité d’un processus de Poisson. On s’intéressera d’abord à l’estimation de cette fonction que l’on suppose très localisée. A l’aide des bases d’ondelettes et des techniques de seuillage, on construira un estimateur adaptatif qui satisfait à une inégalité de type oracle et a de bonnes propriétés minimax. On présentera ensuite des simulations qui mettent en avant la robustesse de la procédure d’estimation. Enfin, on appliquera la méthode à l’analyse de la dépendance entre les sites promoteurs et les gènes chez la bactérie E. coli en s’appuyant sur un jeu de données réelles.

    Lieu : Salle de séminaire du 1er étage, bât.1R3


  • Mardi 26 février 2013 11:00-12:00 - LALOE Thomas - Nice

    Estimation plug-in d’ensembles de niveaux et applications

    Résumé : Dans cet exposé nous nous intéresserons à l’estimation d’ensembles de niveaux de différentes fonctions. A chaque fois une même approche de type "Plug-in" est utilisée. Nous commencerons par étudier les ensembles de niveaux d’une fonction de régression, pour ensuite nous concentrer sur ceux d’une fonction de répartition. Pour ce deuxième cas nous devrons faire en particulier attention à des problèmes de non compacité. Enfin nous présenterons des applications en Théorie du risque.

    Lieu : Salle de séminaire du 1er étage, bât.1R3


  • Mardi 12 mars 2013 11:00-12:00 - Katia Meziani - Paris-Dauphine

    Learning heteroscedastic models via SOCP under group sparsity

    Résumé : Sparse estimation methods based on l1 relaxation, such as the Lasso and the Dantzig selector, are powerful tools for estimating high dimensional linear models. However, in order to properly tune these methods, the variance of the noise is often required. This constitutes a major obstacle
    for practical applications of these methods in various frameworks – such as time series, random fields, inverse problems – for which noise is rarely
    homoscedastic or with a level that is hard to know in advance. In this talk,
    we propose a new approach to the joint estimation of the conditional mean and the conditional variance in a high-dimensional (auto-)regression setting. An attractive feature of our proposed estimator is that it is computable by solving a second-order cone program (SOCP). We present numerical results assessing the performance of the proposed procedure both on simulations and on real data. We also establish non-asymptotic risk bounds which are nearly as strong as those for original l1-penalized estimators.

    Lieu : Salle de séminaire du 1er étage, bât.1R3


  • 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | ... | 20

  • Mardi 8 novembre 2016 11:00-12:00 - Jose Leon - Université Caracas

    Séminaire de Statistique

iCal