Statisztikai Munkacsoport
A statisztikai munkacsoportot Gaëlle Chagny és Antoine Channelarond szervezi. Eltérő rendelkezés hiányában a foglalkozások csütörtökön a Madrillet-ben zajlanak, 10: 30-11: 30 vagy 14: 00-15: 00 között az M.0.1 szemináriumi teremben (földszint).
2014–2015 program
2015. június 18. (10:30) Angelina Roche (MAP5, Univ. Paris 5) A feltételes eloszlások adaptív kernbecslése funkcionális kovariáltal Ebben a beszélgetésben az Y érdeklődésű változó és a X változó értékekkel egy Hilbert-térben (jellemzően függvénytér). Ez a fajta probléma például a spektroszkópiában jelenik meg, amikor egy vegyület kémiai összetételét a spektrometrikus görbéjéből kívánják levezetni. Figyelembe vesszük a Nadaraya-Watson típusú kernelbecslőket, a feltételes eloszlásfüggvényt és a regressziós függvényt. A becslés minősége nagymértékben függ attól, hogy a becslés egyik paraméterét - az ablakot - hogyan választják meg. Javaslunk egy módszert ennek a paraméternek a kiválasztására, amelyet Goldenshluger és Lepski (2011) munkája és a modellválasztó eszközök ihlettek. A kapott becslő az orákulum és a minimumx értelmében optimális, log log veszteségig. Röviden tárgyaljuk az áltávolság megválasztását a kernelben is. Ez a munka együttműködik Gaëlle Chagny-val (LMRS, Roueni Egyetem).
2015. április 23. (9 óra) Evgeny Pchelintsev (Tomszki Állami Egyetem) Javított súlyozott LS-becslések egy nem Gauss-zajú regressziós függvényre. A periodikus függvény kvadratikus kockázatán keresztüli nemparaméteres becslésének problémáját folyamatosan vizsgáljuk idő-regressziós modell nem-Gauss-féle féláramú zajjal. Jobb súlyozott becsléseket javasolunk, amelyek bizonyos általános feltételek mellett előnyben vannak az átlagos négyzet pontossággal szemben a súlyozott legkisebb négyzetek becsléseivel szemben. Megállapították a javasolt becslések aszimptotikus minimumxitását.
2015. március 26. (10:30) Madalina Olteanu (SAMM Laboratory, Párizs 1) Önszerveződő térképek a komplex adatokhoz Ez a beszélgetés a nem vektoros adatok önszerveződő térképeinek néhány kiterjesztésének bemutatására szolgál. Először feltételezzük, hogy az adatokat csak a különbségek mátrixán keresztül ismerjük meg. Másodszor, az adatokat számos digitális és/vagy nem digitális forrás írja le (például egy grafikon, amely a csomópontokon kvantitatív és/vagy kvalitatív információkkal van ellátva). A különböző információforrásokat a magok vagy a különbségek adaptív keverékének felhasználásával kell figyelembe venni. Néhány valós és szimulált adat példája bemutatja a különböző algoritmusokat, és bemutatja az R SOMbrero csomagot.