Exposé

Asymptotically Optimal Pointwise and Minimax Changepoint Detection for General Stochastic Models With a Composite Post-Change Hypothesis

Jeudi, 6 juin 2019 - 10:00 - 11:00

A weighted Shiryaev-Roberts change detection procedure is shown to approximately minimize the

expected delay to detection as well as higher moments of the detection delay among all

change-point detection procedures with the given low maximal local probability of a false alarm

GdTProbaTESD20190401

Some dynamical properties of group actions on local dendrites

Lundi, 1 avril 2019 - 11:00 - 12:00

In this talk we will give some dynamical properties of group actions on
local dendrites. A local dendrite is a continuum for which every point has a
neighborhood which is a dendrite (a locally connected continuum containing
no homeomorphic copy to the circle).
In the first part, we will review some results concerning the structure of
minimal sets and give some new results in this context obtained in joint
work with El Houcein El Abdalaoui. In the second part of the talk, we will

Test pour des composantes de la variance dans les modèles à effets mixtes

Jeudi, 25 avril 2019 - 10:15 - 11:15

Ce travail est motivé par l'étude d'un modèle de croissance de plante mécaniste dont les paramètres peuvent dépendre du génotype. L'échelle de l'étude étant celle de la population, nous introduisons alors un modèle à effets mixtes pour décrire les variabilités inter- et intra-génotyptiques. Puis, l'objectif est de déterminer les paramètres qui sont communs à tous les génotypes, et ceux qui dépendent du génotype.

Sparse regression and optimization for gene regulatory network inference

Jeudi, 23 mai 2019 - 10:15 - 11:15

Gene regulatory networks (GRNs) are powerful tools to represent and analyse complex biological systems and enable the modelling of functional relationships between elements of these systems. In this talk, I will focus on theoretical analysis and the use of statistical and optimization methods in the context of GRN inference. The first part will be dedicated to the study of statistical learning methods to infer networks from sparse linear regressions in a high-dimensional setting.

Estimation non paramétrique pour des problèmes mal spécifiés non i.i.d.

Jeudi, 21 mars 2019 - 10:15 - 11:15

Les modèles de Markov cachés (HMM pour hidden Markov models en anglais) ont été introduits pour étudier des séries temporelles présentant des dépendances complexes entre observations. L'idée centrale est que les observations sont une version bruitée d'un processus markovien non observé. Toute la richesse et la complexité des modèles de Markov cachés vient du fait que ce processus observé n'est plus markovien.

GdTProbaTESD20190311

Calcul différentiel et intégral général des fonctions d'une variable réelle, 2/2

Lundi, 11 mars 2019 - 11:00 - 12:00

Partie 2 : Intégration de Riemann-Stieltjes, de Lebesgue-Stieltjes, de Young par rapport à des «accroisseurs» à valeurs dans des monoïdes différentiels

Pages