Institut de Mathématiques de Toulouse

Les événements de la journée


3 events


  • Séminaire Modélisation, Analyse et Calcul

    Tuesday 25 June 08:30-12:30 -

    Matinée d’équipe MIP

    Lieu : Amphi L. Schwartz

    [En savoir plus]


  • Séminaire de Probabilités

    Tuesday 25 June 09:45-10:45 - Evita Nestoridi - Princeton University

    Mixing time of the upper triangular matrix walk over Z/mZ.

    Résumé : We study a natural random walk over the upper triangular matrices, with entries in Z/mZ, generated by steps which add or subtract row $i + 1$ to row $i$. We show that the mixing time of the lazy random walk is $O(n^2m^2)$ which is optimal up to constants. This generalizes a result of Peres and Sly and answers a question of Stong and of Arias-Castro, Diaconis and Stanley. This is joint work with Allan Sly.

    [En savoir plus]


  • Séminaire de Statistique

    Tuesday 25 June 11:15-12:15 - Agnès Lagnoux - Université Toulouse Jean Jaurès et Institut de Mathématiques de Toulouse

    Sur l’estimation de paramètres de covariance de processus gaussiens

    Résumé : En raison de leur simplicité et de leur flexibilité permettant ainsi de modéliser une large classe de modèles, les processus gaussiens sont devenus très populaires depuis quelques années et largement utilisés en statistique spatiale afin d’interpoler les observations et proposer un métamodèle (de krigeage par exemple). Ils sont caractérisés par leur fonction moyenne et leur fonction de covariance. A des fins statistiques, il s’agit d’estimer sa fonction de covariance. Dans cet exposé, nous supposons que la fonction de covariance appartient à une famille paramétrique de fonctions de covariance. L’estimation de k se résume donc à celle de ses paramètres. Classiquement, les estimées sont obtenues par maximum de vraisemblance. Les estimateurs par maximum de vraisemblance (MLE) ont de bonnes propriétés et ont été largement étudiés dans la littérature. Cependant, ils souffrent d’un coût computationnel parfois prohibitif lorsque la taille de l’échantillon devient grande. Dans certains cas, il arrive aussi que le MLE diverge. Il semble alors pertinent de proposer des méthodes d’estimation alternatives. Nous introduirons donc les estimateurs par vraisemblance composite, les estimateurs par validation croisée ainsi que les estimateurs par variations dans des contextes spécifiques pour lesquels nous déterminerons le comportement asymptotique.

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

    [En savoir plus]