Probabilities and Statistic seminar

The Tara Oceans expedition [sunagawa et al, 2005] facilitated the study of plankton communities by providing the scientists with ocean metagenomic data combined with environmental measures. During the expedition, 243 seawater samples were collected from 68 locations representing all main oceanic regions at three depth layers: the surface (SRF), the deep chlorophyll maximum (DCM) layer and the mesopelagic (MES) zone. During the presentation, I will describe a method to integrate information provided by different datasets collected during the expedition. The approach uses kernels which are combined in an unsupervised setting for data mining purposes. Additionnaly, tools to help the interpretation of the results are given and shows that well known facts about parts of the datasets are recovered and that new insights on the data are also obtained.

Dans cet exposé on considère des Equations Différentielles Stochastiques (EDS) unidimensionnelles faisant intervenir le temps local du processus inconnu, ainsi que des coefficients discontinus. Ce type d’EDS est en lien avec les opérateurs sous forme divergence à  coefficients discontinus, ainsi qu’avec les Equations aux Dérivées Partielles (EDP) avec condition de transmission. Ces résultats son assez bien connus dans le cas homogène en temps.
On se penche ici sur le cas o๠tous les coefficients de l’équation dépendent du temps. On montre des résultats d’existence et d’unicité des solutions pour ce type d’EDS (on étend ainsi des résultats pour le cas homogène qui remontent à  J.-F. Le Gall, 1984). Puis on établit le lien, via une formule de Feynman-Kac, entre la solution de l’EDS et la solution classique d’une EDP parabolique avec condition de transmission, et coefficients non-homogènes en temps – en particulier la condition de transmission devient elle-même inhomogène en temps. Nous prouvons nous-mêmes l’existence d’une telle solution classique à  l’EDP. Pour ce faire, on s’appuie sur les travaux de Ladyzhenskaya et al. (1966), qui ne fournissent toutefois pas le résultat directement. On se sert finalement de ces résultats pour étudier le caractère Feller de la solution de l’EDS.
Travail en commun avec Miguel Martinez de l’UPEMLV.

L’exposé présente l’algorithme ABC Shadow un nouveau algorithme de type ABC (Approximate Bayesian Computation). Cet algorithme peut être utilisé pour échantillonner des lois a posteriori des densités de probabilité qui sont continues et différentiables. Cette méthode parvient a surmonter la principale difficulté de toute méthode ABC, afin qu’elle puisse àƒÂªtre utilisée en pratique. Cette difficulté consiste dans le fait que l’on a besoin d’un nombre important d’échantillons dans la région de l’espace des paramètres, induite par les statistiques observées. L’algorithme est réglé en l’appliquant sur la loi a posteriori d’un modèle Gaussien qui est entièrement connue. Une fois ce réglage effectué, la méthode ABC Shadow est utilisée pour l’analyse des différentes structures spatialisées. Ces structures proviennent ou bien elles sont supposées comme des réalisations des processus ponctuels. Les modèles considérés sont : Strauss, Candy et interaction par aires.

TBA

TBA