Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Filtrer les résultats
Colloque
L’abondance des informations ainsi que leurs diversités nécessite l’emploi d’approches efficaces pour le traitement de données de grandes dimensions. Ces données proviennent généralement de divers domaines d'application de la statistique, notamment l'environnement, la santé et l'administration. L’analyse de données en grande dimension nécessite le développement d’approches robustes pour la sélection des variables. GOAL (generalized outcome-adaptive lasso) est un algorithme très performant de sélection des variables pour l’inférence causale en grande dimension. En particulier, GOAL a la capacité de résoudre simultanément les problèmes de corrélation et le fléau de la dimension (curse of dimensionality). Cependant, étant donné que la méthode GOAL …
Colloque
La régression des quantiles est un outil statistique privilégié pour étudier la relation entre la variable réponse et des variables explicatives. Dans plusieurs domaines, l'estimation des quantiles, correspondants à certaines probabilités au non-dépassement, permet de déterminer le risque associé aux événements extrêmes. L'approche basée sur la régression des quantiles permet d'estimer le risque conditionnel à certains facteurs, appelés covariables.La majorité des méthodes développées permettent l'estimation des quantiles pour une seule probabilité à la fois. Ces approches pourraient conduire à un problème de croisement (crossing-problem) entre les courbes et par conséquent au non-respect de la propriété d'ordre entre les quantiles de …
