Laboratoire de Mathématiques de Besançon - UMR 6623 CNRS
UFC
CNRS


Accueil > Activités > Séminaires > Probabilités et Statistique

Planning des séminaires 2018-2019

par Boubacar Maĩnassara Yacouba - publié le , mis à jour le

Le séminaire a lieu le lundi, à 11h, en salle 316 du bâtiment de Métrologie B. Vous trouverez ci-dessous le planning du séminaire de Probabilités-Statistique pour l’année universitaire en cours.

Contacts : yacouba.boubacar_mainassara@univ-fcomte.fr ou romain.biard@univ-fcomte.fr.

Exposés à venir :

3 décembre : Wei Jiang
(Centre de mathématiques appliquées, CMAP, École Polytechnique)

Adaptive Bayesian SLOPE — High-dimensional Model Selection with Missing Values

Abstract : Model selection with high-dimensional data becomes an important issue in the last two decades. With the presence of missing data, only a few methods are available to select a model, and their performances are limited. We propose a novel approach – Adaptive Bayesian SLOPE, as an extension of sorted l1 regularization but in Bayesian framework, to perform parameter estimation and variable selection simultaneously in high-dimensional setting. This methodology in particular aims at controlling the False Discovery Rate (FDR). Meanwhile, we tackle the problem of missing data with a stochastic approximation EM algorithm. The proposed methodology is further illustrated by comprehensive simulation studies, in terms of power, FDR and bias of estimation.

26 novembre : Alina Matei
(Institut de Statistique, Université de Neuchâtel, Suisse)

Quelques contributions à l’échantillonnage spatial

Abstract : L’échantillonnage spatial utilise habituellement une discrétisation de l’espace, conduisant à l’application de l’échantillonnage classique pour des populations finies. Ainsi, une population est définie comme un ensemble fini d’unités ou d’emplacements ayant des coordonnées géographiques associées. Dans la plupart des cas, les données sont autocorrélées dans l’espace et les sites proches ont tendance à fournir des informations similaires. Par conséquent, il est souhaitable d’obtenir des unités échantillonnées sur l’ensemble de la zone d’intérêt, en utilisant ce qu’on appelle un échantillon spatial équilibré. L’idée intuitive derrière ceci est
d’échantillonner toute la zone d’intérêt afin d’obtenir une certaine représentativité spatiale.
Nous montrons des solutions pour coordonner des échantillons spatiaux équilibrés. La coordination des échantillons vise à créer une dépendance probabiliste entre la sélection de deux ou plusieurs échantillons tirés dans la même population ou à partir de populations qui se chevauchent. Il existe de nombreuses applications, avec des objectifs variables. Un exemple est la mise à jour d’un échantillon dans une enquête répétée dans le temps lorsque la population change, le but étant d’estimer une différence. Les domaines d’application sont très différents comme, par exemple, l’écologie (où l’on veut estimer le changement dans l’abondance des espèces), les inventaires forestiers nationaux (où l’on veut mesurer le changement de plusieurs
paramètres, comme le volume croissant des stocks pour différentes espèces d’arbres), etc. Nous illustrons nos méthodes avec un jeu des données sur l’abondance des espèces. C’est un travail conjoint avec Anton Grafström.

19 novembre : Charles Tillier
(Télécom ParisTech)

Semi-parametric transformation boundary regression models

Abstract : Boundary regression models naturally arise in many applications for instance when analysing auctions or records but also in production frontiers and image analysis. Before fitting a regression model it is very common to transform the response variable to gain efficiency in the statistical inference. In this talk, we will consider parametric transformations that induce independence of the error distribution from the points of measurements. In such a context, if the transformation of the response is monotone, the attractive feature is that one may recover the original functional dependence in an easy manner. The main purpose of this talk is to investigate the consistency of an estimator based on a minimum distance approach in the context of nonparametric regression models with one-sided errors. In particular, we estimate the transformation parameter and give mild model assumptions under which the estimator is consistent, for both random covariates and fixed design points. The small sample behavior will be shown in a simulation study using the so-called Yeo-Johnson transformations. Work with Natalie Neumeyer and Leonie Selk (University of Hamburg).

Exposés passés :

17 septembre : Youssef Esstafa
(LMB, Univ. Bourgogne Franche-Comté)

Tests d’adéquation de modèles FARIMA faibles

Abstract : Dans ce travail, nous considérons les tests portmanteau, aussi appelés tests d’autocorrélation, pour tester l’adéquation de modèles FARIMA (pour Fractionally AutoRegressive Integrated Moving-Average) avec innovations linéaires non corrélées mais non nécessairement indépendantes (i.e. FARIMA faibles). Dans un premier temps, nous étudions la distribution asymptotique jointe de l’estimateur des moindres carrés et des autocovariances empiriques du bruit. Ceci nous permet ensuite d’obtenir les distributions asymptotiques des autocovariances et autocorrélations résiduelles. Enfin, nous déduisons le comportement asymptotique des statistiques portmanteau modifiées de Ljung-Box (ou Box-Pierce) de modèles FARIMA faibles.

Agenda

  • Lundi 19 novembre 11:00-12:00 - Charles Tillier - Télécom ParisTech

    Séminaire PS : Semi-parametric transformation boundary regression models

    Résumé : Boundary regression models naturally arise in many applications for instance when analysing auctions or records but also in production frontiers and image analysis. Before fitting a regression model it is very common to transform the response variable to gain efficiency in the statistical inference. In this talk, we will consider parametric transformations that induce independence of the error distribution from the points of measurements. In such a context, if the transformation of the response is monotone, the attractive feature is that one may recover the original functional dependence in an easy manner. The main purpose of this talk is to investigate the consistency of an estimator based on a minimum distance approach in the context of nonparametric regression models with one-sided errors. In particular, we estimate the transformation parameter and give mild model assumptions under which the estimator is consistent, for both random covariates and fixed design points. The small sample behavior will be shown in a simulation study using the so-called Yeo-Johnson transformations. Work with Natalie Neumeyer and Leonie Selk (University of Hamburg).

    Lieu : Salle 316 - LMB


  • Lundi 26 novembre 11:00-12:00 - Alina Matei - Institut de Statistique, Université de Neuchâtel

    Séminaire PS : Quelques contributions à l’échantillonnage spatial

    Résumé : L’échantillonnage spatial utilise habituellement une discrétisation de l’espace, conduisant à l’application de l’échantillonnage classique pour des populations finies. Ainsi, une population est définie comme un ensemble fini d’unités ou d’emplacements ayant des coordonnées géographiques associées. Dans la plupart des cas, les données sont autocorrélées dans l’espace et les sites proches ont tendance à fournir des informations similaires. Par conséquent, il est souhaitable d’obtenir des unités échantillonnées sur l’ensemble de la zone d’intérêt, en utilisant ce qu’on appelle un échantillon spatial équilibré. L’idée intuitive derrière ceci est
    d’échantillonner toute la zone d’intérêt afin d’obtenir une certaine représentativité spatiale.
    Nous montrons des solutions pour coordonner des échantillons spatiaux équilibrés. La coordination des échantillons vise à créer une dépendance probabiliste entre la sélection de deux ou plusieurs échantillons tirés dans la même population ou à partir de populations qui se chevauchent. Il existe de nombreuses applications, avec des objectifs variables. Un exemple est la mise à jour d’un échantillon dans une enquête répétée dans le temps lorsque la population change, le but étant d’estimer une différence. Les domaines d’application sont très différents comme, par exemple, l’écologie (où l’on veut estimer le changement dans l’abondance des espèces), les inventaires forestiers nationaux (où l’on veut mesurer le changement de plusieurs
    paramètres, comme le volume croissant des stocks pour différentes espèces d’arbres), etc. Nous illustrons nos méthodes avec un jeu des données sur l’abondance des espèces. C’est un travail conjoint avec Anton Grafström.

    Lieu : Salle 316 - LMB


  • Lundi 3 décembre 11:00-12:00 - Wei Jiang - Centre de mathématiques appliquées (CMAP), École Polytechnique

    Séminaire PS : Adaptive Bayesian SLOPE — High-dimensional Model Selection with Missing Values

    Résumé : Model selection with high-dimensional data becomes an important issue in the last two decades. With the presence of missing data, only a few methods are available to select a model, and their performances are limited. We propose a novel approach – Adaptive Bayesian SLOPE, as an extension of sorted l1 regularization but in Bayesian framework, to perform parameter estimation and variable selection simultaneously in high-dimensional setting. This methodology in particular aims at controlling the False Discovery Rate (FDR). Meanwhile, we tackle the problem of missing data with a stochastic approximation EM algorithm. The proposed methodology is further illustrated by comprehensive simulation studies, in terms of power, FDR and bias of estimation.

    Lieu : Salle 316 - LMB


iCal