Grupul de lucru pentru statistici
Grupul de lucru pentru statistici este organizat de Gaëlle Chagny și Antoine Channarond. Cu excepția cazului în care se specifică altfel, sesiunile au loc la Madrillet joi, de la 10:30 până la 11:30 sau de la 14:00 la 15:00 în sala de seminar M.0.1 (parter).
Program 2014-2015
18 iunie 2015 (10:30 am) Angelina Roche (MAP5, Univ. Paris 5) Estimarea kernelului adaptiv al distribuțiilor condiționale cu covariabil funcțional În această discuție, ne interesează studiul legăturii dintre o variabilă de interes Y și o variabila X cu valori într-un spațiu Hilbert (de obicei un spațiu funcțional). Acest tip de problemă apare, de exemplu, în spectroscopie, atunci când se urmărește deducerea compoziției chimice a unui compus din curba sa spectrometrică. Considerăm estimatorii nucleului, de tip Nadaraya-Watson, ai funcției de distribuție condiționată și a funcției de regresie. Calitatea estimatorului depinde puternic de modul în care este ales unul dintre parametrii de estimare - fereastra -. Vom propune o metodă de selectare a acestui parametru, inspirată din lucrările lui Goldenshluger și Lepski (2011) și instrumentele de selecție a modelelor. Estimatorul obținut este optim în sensul oracolului și în sensul minimax, până la o pierdere de log. Alegerea pseudo-distanței în nucleu va fi, de asemenea, discutată pe scurt. Această lucrare este în colaborare cu Gaëlle Chagny (LMRS, Universitatea din Rouen).
23 aprilie 2015 (ora 9.00) Evgeny Pchelintsev (Universitatea de Stat din Tomsk) Estimări LS ponderate îmbunătățite pentru o funcție de regresie cu zgomot non-gaussian Considerăm problema estimării neparametrice, prin riscul pătratic, a unei funcții periodice într-o continuă model de regresie în timp cu un zgomot semimartingal non-gaussian. Propunem o estimare ponderată îmbunătățită, care în anumite condiții generale prezintă un avantaj în precizia pătrată medie față de estimările ponderate ale celor mai mici pătrate. Minimitatea asimptotică a estimărilor propuse a fost stabilită.
26 martie 2015 (ora 10:30) Mădălina Olteanu (Laboratorul SAMM, Univ. Paris 1) Hărți auto-organizate pentru date complexe Această discuție va fi dedicată prezentării unor extensii de hărți auto-organizate pentru date non-vectoriale. În primul rând, vom presupune că datele sunt cunoscute numai printr-o matrice de diferențe. În al doilea rând, datele vor fi descrise de mai multe surse digitale și/sau non-digitale (de exemplu, un grafic etichetat cu informații cantitative și/sau calitative pe noduri). Diferitele surse de informații vor fi luate în considerare folosind un amestec adaptiv de nuclee sau diferențe. Câteva exemple de date reale și simulate vor ilustra diferiții algoritmi și vor introduce pachetul R SOMbrero.