Upcoming presentations
Ed Cohen
Catégorie d'évènement : Séminaire Probabilités et Statistique Date/heure : 24 April 2025 10:45-11:45 Lieu : Salle de conférences Nancy Oratrice ou orateur : Ed Cohen (Imperial College, London)) Résumé :Bruno Ebner
Catégorie d'évènement : Séminaire Probabilités et Statistique Date/heure : 15 May 2025 10:45-11:45 Lieu : Salle de conférences Nancy Oratrice ou orateur : Bruno Ebner (Karlsruher Institut für Technologie) Résumé :Colloquinte de l'équipe de Probabilités et Statisitiques
Catégorie d'évènement : Séminaire Probabilités et Statistique Date/heure : 19 June 2025 09:00-12:00 Lieu : Salle de conférences Nancy Oratrice ou orateur : TBA Résumé :Jacek Wesolowski
Catégorie d'évènement : Séminaire Probabilités et Statistique Date/heure : 26 June 2025 10:45-11:45 Lieu : Salle de conférences Nancy Oratrice ou orateur : Jacek Wesolowski (Warsaw University of technology) Résumé :Past presentations
Multiple kernel learning applied to the integration of Tara oceans datasets
Catégorie d'évènement : Séminaire Probabilités et Statistique Date/heure : 9 February 2017 10:45-11:45 Lieu : Oratrice ou orateur : Nathalie Villa-Vialaneix Résumé :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.
Equations Différentielles Stochastiques avec temps local inhomogènes en temps, et opérateurs
Catégorie d'évènement : Séminaire Probabilités et Statistique Date/heure : 26 January 2017 10:45-11:45 Lieu : Oratrice ou orateur : Pierre Etoré Résumé :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.
Flips contextuels
Catégorie d'évènement : Séminaire Probabilités et Statistique Date/heure : 13 October 2016 10:45-11:45 Lieu : Oratrice ou orateur : Thomas Fernique Résumé :ABC Shadow: un outil pour l'analyse statistique des structures spatialisées
Catégorie d'évènement : Séminaire Probabilités et Statistique Date/heure : 6 October 2016 10:45-11:45 Lieu : Oratrice ou orateur : Radu Stoica Résumé :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 àªtre 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.
Testing uniformity on high-dimensional spheres against monotone rotationally symmetric alternatives
Catégorie d'évènement : Séminaire Probabilités et Statistique Date/heure : 17 March 2016 10:45-11:45 Lieu : Oratrice ou orateur : Davy Paindaveine Résumé :TBA
Bayesian estimation by maximization a posteriori in Models with Random effects based on Ordinary Differential Equations
Catégorie d'évènement : Séminaire Probabilités et Statistique Date/heure : 25 February 2016 10:45-11:45 Lieu : Oratrice ou orateur : Mélanie Prague Résumé :TBA
Catégorie d'évènement : Séminaire Probabilités et Statistique Date/heure : 4 February 2016 10:45-11:45 Lieu : Oratrice ou orateur : Bertrand Michel Résumé :TBA