Rencontres de Statistique Mathématique 2017 : Développements récents

Rencontre
CIRM, Luminy, Marseille
http://fconferences.cirm-math.fr/1691.html

Date(s) : 18/12/2017 - 22/12/2017   iCal
0 h 00 min

 


CONFERENCE

Rencontres de Statistique Mathématique
18 au 22 décembre 2017

Comité scientifique et Comité d’organisation

Arnak Dalalyan (ENSAE ParisTech)
Richard Nickl (University of Cambridge)
Christophe Pouet (Ecole Centrale de Marseille)

La statistique est la science des données. Il est important d’établir des cadres
théoriques généraux pour pouvoir étudier les probèmes que se posent les statisticiens. De plus, afin d’être capable d’assurer l’optimalité des procédures statistiques proposées, des théorèmes généraux doivent être élaborés et pour cela des outils mathématiques puissants sont nécessaires aux statisticiens. Ces outils peuvent être utilisés dans diférents contextes.Les Rencontres de Statistique Mathématique pour 2017 ont deux objectifs :
1. réinterroger les cadres théoriques dans lesquels les statisticiens étudient
les problèmes : approche minimax, statistique bayésienne, résultats asymptotiques versus non-asymptotiques, adaptation, inégalités d’oracle,
2. étudier certains outils et diffuser le plus largement possible des techniques de preuves originales auprès d’un large panel de statisticiens.

Trois thèmes scientifiques seront plus particulièrement abordés
– Développements récents en concentration de mesure,
– Propriétés fréquentistes des procédures bayésiennes non-paramétriques et en grande dimension,
– Bornes inférieures pour le risque et la complexité des méthodes statistiques.

Nous profiterons aussi des Rencontres de Statistique Mathématique 2017 pour célébrer les soixante ans de deux de nos collègues dont l’influence sur le plan théorique a été essentielle pour les développements de la statistique mathématique ces vingt dernières années. Il s’agit du Professeur Oleg Lepski (laboratoire I2M, Aix-Marseille Université, organisateur pendant dix ans des Rencontres de Statistique Mathématique) et du Professeur Alexandre Tsybakov (LPMA-Université Pierre et Marie Curie, CREST-ENSAE et Ecole Polytechnique).

Conférenciers

Felix Abramovich (Tel Aviv University)   Sparse logistic regression: model selection, goodness-of-t and classication   (pdf)
Pierre Alquier (ENSAE ParisTech)   Concentration of tempered posteriors and of their variational approximations   (pdf)
Pierre C. Bellec (Rutgers University)    How to generalize bias and variance to convex regularized estimators ?
Alexandre Belloni (Duke University)    Subvector Inference in Partially Identified Models with Many Moment Inequalities​    (pdf)
Quentin Berthet (University of Cambridge)    Link prediction with Matrix Logistic Regression
Cristina Butucea (CREST, ENSAE)   Estimation of linear functionals in inverse problems with unknown operator
Natalia Bochkina (University of Edinburgh)   Rates of convergence in nonparametric problems with heterogeneous variance
Rui M. Castro (Eindhoven University of Technology)   Are there needles in a moving haystack? Adaptive sensing for detection of dynamically evolving signals
Alexander Goldenshluger (University of Haifa)  Density estimation from observations with multiplicative measurement errors   (pdf)
Yuri Golubev (Aix-Marseille Université)   On multi-channel signal detection   (pdf)
Marc Hoffmann (Université Paris Dauphine)   The work of Oleg Lepski: beyond a “discourse on method”   (pdf)
Ildar Ibragimov (Steklov Institute of Mathematics)   Estimation of functions depending on a parameter observed in Gaussian noise
Iain Johnstone (Stanford University)   Eigenvalues and Variance Components   (pdf)
Anatoli Juditski (Université Grenoble Alpes)  Estimate aggregation from indirect observations   (pdf)
Vladimir Koltchinskii (Georgia Institute of Technology)   Efficient Estimation of Smooth Functionals of High-Dimensional Covariance    (pdf)
Ekaterina Krymova (Universität of Duisburg-Essen)   On estimation of noise variance in high-dimensional linear models   (pdf)
Guillaumle Lecué (CREST-ENSAE)    Learning from MOM’s principles   (pdf)
Enno Mammen (Heidelberg University)   Statistical Inference in Sparse High-Dimensional Nonparametric Models   (pdf)
Stanislav Minsker (University of Southern California) Robust modifications of U-statistics and estimation of the covariance structure of heavy-tailed distributions (pdf)
Axel Munk (University of Göttingen)   Statistical inference for Wasserstein transport 
Richard Nickl (University of Cambridge)     Efficient nonparametric statistical inference for a non-linear inverse problems with the Schrödinger equation  (pdf)
Marianna Pensky (University of Central Florida)   Estimation and Clustering in the Dynamic Stochastic Block Model  (pdf)
Dominique Picard (Université Paris 7)   Smooth Clustering fo high dimensional data  (pdf)
Massimilliano Pontil (Istituto Italiano di Tecnologia, Genova)   Consistent Multitask Learning with Nonlinear Output Constraints   (pdf)
Maxim Raginsky (University of Illinois Urbana-Champaign)   Compositional properties of statistical decision procedures: an information-theoretic view
Alexander Rakhlin (University of Pennsylvania)   Online Prediction: Rademacher Averages via Burkholder’s Method   (pdf)
Markus Reiss (Humboldt Universität zu Berlin)    Adaptivity of early stopping for PLS / CG1    (pdf)
Philippe Rigollet (MIT)    A biased random walk through Sasha Tsybakov’s work
Angelika Rohde (Albert-Ludwigs-Universität Freiburg)    Locally adaptive confidence bands    (pdf)
Vladimir Spokoiny (WIAS & Humboldt Universität zu Berlin)   Big ball probabilty with applications   (pdf)
Natalia Stepanova (Carleton University)  On application of weighted Kolmogorov-Smirnov statistics to the problems of classification, signal detection, and estimation in sparse models
Sara van de Geer (ETH Zürich)   Sharp oracle inequalities for non-convex loss   (pdf)
Nicolas Verzelen (INRA Montpellier)    Estimating Mean Functionals in the Gaussian Vector Model    (pdf)
Marten Wegkamp (Cornell University)   Overlapping Variable Clustering with Statistical Guarantees   (pdf)
​Harrison Zhou (Yale University)     Three Siblings: EM, Variational Inference, and Gibbs Sampling   (pdf)

Catégories



Retour en haut