S'abonner à l'agenda

Statistique

Membres permanents

Membres non permanents

  • Jules Bangard, Doctorant
  • Louise Martineau, Doctorante
  • Auriane Mazuir, Doctorante
  • Jean-Pierre Noot, Doctorant
  • Alex Podgorny, Doctorant

Séminaires et groupes de travail

L'équipe anime :

La recherche effectuée par l’équipe de statistique couvre un spectre thématique très large, allant de la statistique théorique aux applications, principalement en science du vivant et en gestion des risques.

La production scientifique de l’équipe de statistique est originale par les problématiques théoriques étudiées et la qualité des réponses mathématiques apportées, mais aussi par les sujets de statistiques appliquées d’envergure auxquels l’équipe s’intéresse.

Une liste non-exhaustive d’exemples est citée ci-dessous :
- en théorie des valeurs extrêmes : Les travaux dans ce domaine ont été principalement orientés vers les mesures de risques. Les applications motivant ces travaux étant majoritairement de nature multivariée, elles ont nécessité une généralisation des mesures de risque usuelles à ce contexte, avec différents facteurs de complication possible : la présence d'informations supplémentaires fournies par des covariables, la présence possible de valeurs aberrantes, d’observations censurées ou encore le problème de biais d’estimation. Certains de ces sujets n’avaient quasiment jamais été étudiés dans la littérature (par exemple, la censure dans le cadre de la théorie des valeurs extrêmes multivariées), d’autres seulement tout récemment mais dans des contextes très spécifiques. La mise au point de procédures d’estimation adaptées à ces différents contextes a donc constitué un défi considérable du point de vue théorique, récompensée par un énorme potentiel d’applications possibles, notamment en environnement, en finance ou en médecine ;
- en réduction de dimension : Cette thématique est à l’interface avec la théorie des valeurs extrêmes, où l’objectif est la réduction de dimension pour l'inférence de queues de distribution conditionnellement à une covariable de grande dimension. L'originalité consiste ici à adapter des méthodes de réductions de dimension classiquement utilisées pour l'étude de la partie centrale d'une distribution à l'inférence statistique de la queue de distribution ;
- en analyse de données : L’objectif est de développer une méthode bayésienne, basée sur un modèle flexible et facile à interpréter, pouvant être utilisée avec de grands jeux de données, avec comme application en vue l’analyse de données issues de sondages de satisfaction d'étudiants par rapport à leurs cours ;
- en analyse statistique d’images : Un premier problème considéré est celui de la désillumination et du débruitage simultanés d'images par méthodes de régression semi-paramétrique. Des critères objectifs de qualité d'image sont étudiés afin de rendre compte de l'efficience du travail effectué en pratique. Un deuxième problème abordé est celui de la détection d'objets géométriques dans une image par méthodes MCMC ;
- en algorithmique statistique : sur des travaux d'énumération d'ensembles de variables explicatives pour des phénomènes biologiques. Cette approche a ceci d'original qu'il ne s'agit pas de trouver un maximum de préférence global comme dans une approche par maximum de vraisemblance mais d'énumérer un ensemble de maxima locaux pouvant correspondre à différents scénarios biologiques possibles ;
- en inférence structurelle de réseaux neuronaux : la communauté dispose de plus en plus de données de qualité sur l'activité d'une petite partie des neurones constituant un réseau. À partir de ces données, les neurobiologistes cherchent à « reconstruire » les connexions formées par les neurones observés pour expliquer tout ou partie de la dynamique du réseau en réponse à des stimulations (par exemple des odeurs dans le système olfactif). Une approche originale a été développée au sein de l’équipe consistant à poser la question au niveau de la loi génératrice du réseau (sans se restreindre au « sous-réseau » formé par les quelques neurones observés) ; cette approche permet d'intégrer des données provenant d'expériences différentes ainsi que les nombreuses connaissances accumulées par les neurobiologistes sur le réseau étudié. C'est un exemple de ce qui s’appelle maintenant « l’inférence basée sur simulations ».

Les interactions de cette équipe avec les autres laboratoires ainsi que les entreprises locales ou nationales sont multiples, dans le cadre de la recherche mais également par le biais du Centre de Statistique de Strasbourg (CeStatS).