BEGIN:VCALENDAR VERSION:2.0 PRODID:-//wp-events-plugin.com//7.2.3.1//EN TZID:Europe/Paris X-WR-TIMEZONE:Europe/Paris BEGIN:VEVENT UID:7422@i2m.univ-amu.fr DTSTART;TZID=Europe/Paris:20171218T000000 DTEND;TZID=Europe/Paris:20171222T000000 DTSTAMP:20241120T203948Z URL:https://www.i2m.univ-amu.fr/evenements/rencontres-de-statistique-mathe matique-2017-developpements-recents/ SUMMARY:Rencontre (CIRM\, Luminy\, Marseille): Rencontres de Statistique Ma thématique 2017 : Développements récents DESCRIPTION:Rencontre:  \;\n\n\n\n\n\n\n\n Programme \n\n\n\n Abstracts \n\n\n\n\n\n Participants \n\n\n\n\n\n Sponsors \n\n\n\n\n\n Vidéos \n\n \n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nCONFERENCE\n\nRencontres de Statistique Ma thématique\n18 au 22 décembre 2017\n\n\n\n\n\nComité scientifique et C omité d'organisation\n\nArnak Dalalyan (ENSAE ParisTech)\nRichard Nickl ( University of Cambridge)\nChristophe Pouet (Ecole Centrale de Marseille)\n \n\n\nLa statistique est la science des données. Il est important d’ét ablir des cadres\nthéoriques généraux pour pouvoir étudier les probèm es que se posent les statisticiens. De plus\, afin d’être capable d’a ssurer l’optimalité des procédures statistiques proposées\, des théo rèmes généraux doivent être élaborés et pour cela des outils mathém atiques puissants sont nécessaires aux statisticiens. Ces outils peuvent être utilisés dans diférents contextes.Les Rencontres de Statistique Ma thématique pour 2017 ont deux objectifs :\n1. réinterroger les cadres th éoriques dans lesquels les statisticiens étudient\nles problèmes : appr oche minimax\, statistique bayésienne\, résultats asymptotiques versus n on-asymptotiques\, adaptation\, inégalités d’oracle\,\n2. étudier cer tains outils et diffuser le plus largement possible des techniques de preu ves originales auprès d’un large panel de statisticiens.\n\nTrois thèm es scientifiques seront plus particulièrement abordés\n- Développements récents en concentration de mesure\,\n- Propriétés fréquentistes des procédures bayésiennes non-paramétriques et en grande dimension\,\n– Bornes inférieures pour le risque et la complexité des méthodes statist iques.\n​\nNous profiterons aussi des Rencontres de Statistique Mathéma tique 2017 pour célébrer les soixante ans de deux de nos collègues dont l’influence sur le plan théorique a été essentielle pour les dévelo ppements de la statistique mathématique ces vingt dernières années. Il s’agit du Professeur Oleg Lepski (laboratoire I2M\, Aix-Marseille Univer sité\, organisateur pendant dix ans des Rencontres de Statistique Mathém atique) et du Professeur Alexandre Tsybakov (LPMA-Université Pierre et Ma rie Curie\, CREST-ENSAE et Ecole Polytechnique).\n\n\n\n\n\nConférenciers \n\nFelix Abramovich (Tel Aviv University)   Sparse logistic regressio n: model selection\, goodness-of-t and classication   (pdf)\nPierre Alq uier (ENSAE ParisTech)   Concentration of tempered posteriors and of th eir variational approximations   (pdf)\nPierre C. Bellec (Rutgers Unive rsity)    How to generalize bias and variance to convex regularized est imators ?\nAlexandre Belloni (Duke University)    Subvector Inference in Partially Identified Models with Many Moment Inequalities​    (p df)\nQuentin Berthet (University of Cambridge)    Link prediction with Matrix Logistic Regression\nCristina Butucea (CREST\, ENSAE)   Estimat ion of linear functionals in inverse problems with unknown operator\nNatal ia Bochkina (University of Edinburgh)   Rates of convergence in nonpara metric problems with heterogeneous variance\nRui M. Castro (Eindhoven Uni versity of Technology)   Are there needles in a moving haystack? Adaptiv e sensing for detection of dynamically evolving signals\nAlexander Goldens hluger (University of Haifa)  Density estimation from observations wit h multiplicative measurement errors   (pdf)\nYuri Golubev (Aix-Marseill e Université)   On multi-channel signal detection   (pdf)\nMarc Hoffm ann (Université Paris Dauphine)   The work of Oleg Lepski: beyond a "d iscourse on method"   (pdf)\nIldar Ibragimov (Steklov Institute of Ma thematics)   Estimation of functions depending on a parameter observed i n Gaussian noise\nIain Johnstone (Stanford University)   Eigenvalues an d Variance Components   (pdf)\nAnatoli Juditski (Université Grenoble Alpes)  Estimate aggregation from indirect observations   (pdf)\nVladi mir Koltchinskii (Georgia Institute of Technology)   Efficient Estima tion of Smooth Functionals of High-Dimensional Covariance    (pdf)\nEka terina Krymova (Universität of Duisburg-Essen)   On estimation of nois e variance in high-dimensional linear models   (pdf)\n​Guillaumle Lecu é (CREST-ENSAE)    Learning from MOM's principles   (pdf)\nEnno Mam men (Heidelberg University)   Statistical Inference in Sparse High-Dim ensional Nonparametric Models   (pdf)\nStanislav Minsker (University o f Southern California) Robust modifications of U-statistics and estimatio n of the covariance structure of heavy-tailed distributions (pdf)\nAxel M unk (University of Göttingen)   Statistical inference for Wasserstein transport \nRichard Nickl (University of Cambridge)     Efficient no nparametric statistical inference for a non-linear inverse problems with t he Schrödinger equation  (pdf)\nMarianna Pensky (University of Central Florida)   Estimation and Clustering in the Dynamic Stochastic Block M odel  (pdf)\nDominique Picard (Université Paris 7)   Smooth Cluste ring fo high dimensional data  (pdf)\nMassimilliano Pontil (Istituto It aliano di Tecnologia\, Genova)   Consistent Multitask Learning with Nonl inear Output Constraints   (pdf)\nMaxim Raginsky (University of Illinoi s Urbana-Champaign)   Compositional properties of statistical decision p rocedures: an information-theoretic view\nAlexander Rakhlin (University o f Pennsylvania)   Online Prediction: Rademacher Averages via Burkholder' s Method   (pdf)\nMarkus Reiss (Humboldt Universität zu Berlin)     Adaptivity of early stopping for PLS / CG1    (pdf)\nPhilippe Rigollet  (MIT)    A biased random walk through Sasha Tsybakov’s work\nAngeli ka Rohde (Albert-Ludwigs-Universität Freiburg)    Locally adaptive co nfidence bands    (pdf)\nVladimir Spokoiny (WIAS &\; Humboldt Univ ersität zu Berlin)   Big ball probabilty with applications   (pdf)\nN atalia Stepanova (Carleton University)  On application of weighted Kolm ogorov-Smirnov statistics to the problems of classification\, signal detec tion\, and estimation in sparse models\nSara van de Geer (ETH Zürich)   Sharp oracle inequalities for non-convex loss   (pdf)\nNicolas Verzele n (INRA Montpellier)    Estimating Mean Functionals in the Gaussian V ector Model    (pdf)\nMarten Wegkamp (Cornell University)   Overlapp ing Variable Clustering with Statistical Guarantees   (pdf)\n​Harriso n Zhou (Yale University)     Three Siblings: EM\, Variational Infere nce\, and Gibbs Sampling   (pdf)\n\n\n ATTACH;FMTTYPE=image/jpeg:https://www.i2m.univ-amu.fr/wp-content/uploads/2 017/12/image_alea-sta-arxiv-0701290-noise_distribution-fig.1-butucea-matia s-pouet-x400.jpg CATEGORIES:Manifestation scientifique,Rencontre(s) END:VEVENT BEGIN:VTIMEZONE TZID:Europe/Paris X-LIC-LOCATION:Europe/Paris BEGIN:STANDARD DTSTART:20171029T020000 TZOFFSETFROM:+0200 TZOFFSETTO:+0100 TZNAME:CET END:STANDARD END:VTIMEZONE END:VCALENDAR