Institut de Mathématiques de Toulouse

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

Séminaire de Statistique

par Dominique Bontemps, Mélisande Albert, Pierre Neuvial - publié le , mis à jour le

Organisateurs : Mélisande Albert, Dominique Bontemps, Pierre Neuvial

Jour et lieu habituels : le mardi à 11h15 en salle 106 (bâtiment 1R1).




  • Mardi 15 octobre 11:15-12:15 - Maud Thomas - LPSM, Sorbonne Université

    Predicting extremes : influenza epidemics in France

    Résumé : Influenza epidemics each year cause hundreds of thousands of deaths worldwide and put high loads on health care systems, in France and elsewhere. There is always a risk that an epidemic develops into an extreme and very dangerous pandemic. Sizes of epidemics are measured by the number of visits to doctors caused by ILI, Influenza Like Illness, and health care planning relies on prediction of ILI rates. We use recent results on the multivariate GP distributions in Extreme Value Statistics to develop methods for real-time prediction of risks of exceeding very high levels, and for detection of anomalies. The GP method for real-time prediction is employed to predict ILI rates of the third week and the size of the epidemic for extreme influenza epidemics in France from observed rates of the two first weeks. The GP anomaly detection technique is applied to ILI rates of the first three weeks to aid evaluating concerns that a new epidemic could escalate into a worldwide crisis. As an additional input to resource planning we use standard methods from extreme value statistics to estimate risk of exceedance of high ILI levels in future years. The new methods are expected to be broadly applicable in health care planning and in many other areas of science and technology.
    Joint work with Holger Rootzén, Chalmers university of technology, Sweden.

    Lieu : Salle 106 - Bat 1R1


  • Mardi 12 novembre 11:15-12:15 - Pas de séminaire de Statistique

    Journée des doctorants ESP

  • Mardi 19 novembre 11:15-12:15 - Pas de séminaire de Statistique

    visite HCERES

  • Mardi 26 novembre 11:15-12:15 - Joseph Salmon - Institut Montpelliérain Alexander Grothendieck

    Séminaire de Statistique

    Lieu : Salle 106 - Bat 1R1


  • Mardi 3 décembre 11:15-12:15 - Claire Brécheteau - Laboratoire de Mathématiques Jean Leray, École Centrale de Nantes

    Séminaire de Statistique

    Lieu : Salle de conférence du 1er étage (1R3)


  • Mardi 10 décembre 11:00-12:30 - Romain Couillet - Université Grenoble-Alpes

    Séminaire commun proba-stats

    Lieu : Amphi Schwartz


  • Mardi 17 décembre 11:15-12:15 - Robin Genuer - ISPED & Université de Bordeaux

    Séminaire de Statistique

    Lieu : Salle de conférence du 1er étage (1R3)


  • Mardi 14 janvier 2020 11:15-12:15 - Benjamin Guedj - University College London

    A primer on PAC-Bayesian learning

    Résumé : Generalized Bayesian learning algorithms are increasingly popular in machine learning, due to their PAC generalization properties and flexibility. I will present a self-contained introduction on generalized Bayesian learning and the PAC-Bayes theory, and discuss their theoretical and algorithmic ins and outs. I will then focus on the recent paper Alquier and Guedj (2018), and present how PAC-Bayesian ideas may be used to efficiently learn with dependent and/or heavy-tailed (aka hostile) data.
    References :

    Lieu : Salle de conférence du 1er étage (1R3)


  • Mardi 24 mars 2020 11:15-12:15 - Badr-Eddine Chérief-Abdellatif - CREST - ENSAE - Institut Polytechnique de Paris

    Séminaire de Statistique

    Lieu : Salle 106 - Bat 1R1


iCal