Partenaires





« mai 2017 »
L M M J V S D
1 2 3 4 5 6 7
8 9 10 11 12 13 14
15 16 17 18 19 20 21
22 23 24 25 26 27 28
29 30 31 1 2 3 4

Rechercher

Sur ce site

Sur le Web du CNRS


Accueil du site > Séminaires et groupes de travail > Séminaires de Probabilités-Statistiques > Séminaires PS 2016-2017

Séminaires PS 2016-2017

Agenda

séminaire

    • Mardi 30 mai 11:30-12:30 - Yohan de Castro - Université Paris-Sud

      Comment tester la moyenne d’un processus gaussien

      Résumé : Les problèmes de dé-convolution d’un signal déterministe perturbé par un bruit stochastique peuvent se modéliser par l’étude statistique de la moyenne d’un processus gaussien. Dans cet exposé, nous présenterons des travaux à paraître sur cette problématique. Le point de vue sera le calcul exact de la loi jointe des maximas de deux processus gaussiens

      Lieu : bâtiment Fermat, salle 2102


    • Mardi 6 juin 11:30-12:30 - Frédéric Proïa - Université d'Angers

      Sur la statistique de Bickel-Rosenblatt dans un cadre autorégressif

      Résumé : Lorsque l’on souhaite estimer la densité commune d’une suite aléatoire indépendante et identiquement distribuée, on utilise généralement l’estimateur non paramétrique de Parzen-Rosenblatt. Cette estimation étant ponctuelle, effectuer un test d’adéquation avec une densité revient à produire une mesure de l’erreur commise sur la droite réelle. A cet égard, Bickel et Rosenblatt ont démontré la normalité asymptotique de l’erreur quadratique intégrée, correctement renormalisée. On s’intéresse dans cette étude au comportement asymptotique de cette statistique, lorsqu’elle est construite à partir des résidus d’un processus autorégressif, l’objectif étant de proposer un test d’adéquation pour la densité du bruit du modèle. On montre que le résultat de Bickel-Rosenblatt pour un bruit i.i.d. reste inchangé lorsque les résidus sont issus de processus stables et explosifs. Dans le cadre instable unidimensionnel, notre étude permet également d’établir la vitesse de convergence ainsi que le comportement limite potentiellement non gaussien de la statistique.

      Lieu : Batiment Fermat, en salle 2102


    • Mardi 13 juin 11:30-12:30 - Emmanuel Gobet - Ecole Polytechnique

      Stratified regression Monte-Carlo scheme for semilinear PDEs and BSDEs with large scale parallelization on GPUs

      Résumé : We design a novel algorithm based on Least-Squares Monte Carlo (LSMC) in order to approximate the solution of discrete time Backward Stochastic Differential Equations (BSDEs) (related to parabolic semi linear PDEs). Our algorithm allows massive parallelization of the computations on multicore devices such as graphics processing units (GPUs). Our approach consists of a novel method of stratification which appears to be crucial for large scale.
      Joint work with J. Lopez (La Coruna Univ.), P. Turkedjiev (Ecole Polytechnique), C. Vasquez (La Coruna Univ.)

      Lieu : Batiment Fermat, en salle 2102


Ajouter un événement iCal
Les séminaires ont lieu le mardi, bâtiment Fermat, en salle 2102 à 11h30.

Contact : Alexis Devulder et Julien Worms

Comment venir ?

Procédure pour les invités en mission

Mots-clés

Probabilités Statistiques