Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Filtrer les résultats
Colloque
La notion de profondeur d'un point relativement à un nuage de points apparaît pour la première fois en statistique dans les travaux de John Tukey (1974). Celui-ci souhaitait définir dans le contexte multidimensionnel un concept pratique de statistique d'ordre, première étape d'une démarche permettant l'analyse des données multidimensionnelles à l'aide de notions utiles de médiane, de quantile, de valeur extrême, de moyenne tronquée, de test de rangs, etc. La fonction profondeur de Tukey est la première d’une série de fonctions profondeur proposées plus récemment par, entre autres, Liu (1990), Singh (1991), Fraiman et Meloche (1996). Notre exposé présentera les principales …
Colloque
La technique du bootstrap, qui a été introduite par Bradley Efron en 1979, est une technique qui sert entre autres à fournir une estimation non paramétrique de l'écart-type d'un estimateur. En fait, on peut considérer le bootstrap comme une technique de simulation informatique qui génère des échantillons aléatoires à partir d'une certaine procédure de rééchantillonnage de données originales. On se propose d'explorer en premier lieu les fondements théoriques de la technique du bootstrap dans le cadre de l'estimation de l'écart-type de la moyenne échantillonnale. On verra comment la technique peut se généraliser à d'autres estimateurs d'intérêt. En particulier, nous verrons …
Colloque
Le modèle usuel employé pour l'étude des courbes de croissance suppose que les observations faites sur les différents individus sont indépendantes et suivent une loi normale multidimensionnelle. La méthodologie de la prédiction des observations repose en grande partie sur cette hypothèse de normalité et sur l'intuition. Nous verrons à cet effet des méthodes basées sur des structures particulières de dispersion. À l'aide de simulations, on examinera ici le comportement de ces méthodes en présence de quelques types de non normalité.
Colloque
Oja (1983) examine différentes façons de mesurer la localisation, la dispersion, l'asymétrie et la kurtose des lois multidimensionnelles. Comme mesure de la localisation, il suggère entre autres une médiane généralisée appelée ici médiane d'Oja. Nous étudions dans cet exposé trois propriétés théoriques fondamentales de cette mesure de localisation: l'existence, l'unicité et la convergence. Nous faisons appel pour cela à diverses propriétés des fonctions convexes et de la convergence faible dans Rⁿ.
