UNIVERSITE
Stéphan Clémençon (Université Paris X)
Méthodes (pseudo-) régénératives pour l’analyse probabiliste et statistique des chaînes de Markov
Résumé : Cet exposé s’attachera à décrire des concepts et des résultats nouveaux dans les domaines de l’analyse et de l’inférence statistique pour les chaînes de Markov, processus à temps discret très fréquemment utilisés dans les applications pour modéliser des phénomènes aléatoires avec une causalité. La description du comportement d’une chaîne de Markov en termes de processus de renouvellement est utilisée ici non seulement comme un outil d’analyse pour établir des résultats probabilistes (inégalités de probabilité, développements d’Edgeworth, etc.), mais aussi de manière constructive pour élaborer des procédures statistiques permettant d’aborder des problématiques variées telles que la construction d’intervalles de confiance et de tests, le bootstrap, l’estimation fonctionnelle robuste ou l’étude des valeurs extrêmes.
Dans la même rubrique :
- Andrés Almansa (Telecom-Paristech)
- Catherine Larédo (INRA)
- Christophe Garban (ENS-Lyon)
- Jean-Baptiste Gouéré (Université d’Orléans)
- Anne-Laure Fougères (Université Lyon 1)
- Laurent Mazliak (Université Pierre et Marie Curie)
- Olivier Pantz (Ecole Polytechnique)
- Bénédicte Haas (Université Paris Dauphine)
- Julien Berestycki (Université Pierre et Marie Curie)
- Olivier Faugeras (INRIA)
- Nathanaël Berestycki (Statistical Laboratory, Cambridge, UK)
- Thierry Lévy (Université Pierre et Marie Curie)
- Antoine Chambaz (MAP5)
- Sylvain Arlot (Ecole Normale Supérieure)
- J. Chaskalovic (Institut Jean le Rond d’Alembert, Université Pierre et Marie Curie)
- Cristina Butucea (Université de Marne la Vallée)
- Patrick Dehornoy (Université de Caen)
- Damien Simon (Université Pierre et Marie Curie)
- Gérard Ben Arous (Courant Institute of Mathematical Sciences, New York University)
- Emmanuelle Génin (INSERM)
