Partenaires





« novembre 2018 »
L M M J V S D
29 30 31 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 1 2

Rechercher

Sur ce site

Sur le Web du CNRS


Accueil du site > Séminaires et journées internes > Séminaires de Probabilités-Statistiques > Séminaires PS 2018-2019

Séminaires PS 2018-2019

Agenda

séminaire

    • Mardi 27 novembre 11:30-12:30 - Diarra Fall - Institut Denis Poisson (Univ. d'Orléans)

      Test d’hypothèses bayésien non paramétrique et arbres de Polya : application à la modélisation de la zone du langage

      Résumé : Dans cet exposé je commencerai d’abord par introduire les notions classiques de bayésien paramétrique, non paramétrique, test d’hypothèses etc., sur des exemples simples. Puis je présenterai les arbres de Polya. Enfin, j’exposerai un travail avec le centre hospitalier régional d’Orléans portant sur l’estimation de la zone de contrôle du langage chez des patients ayant eu un AVC. Ce travail est basé sur un test bayésien non paramétrique, utilisant comme a priori des arbres de Polya.

      Lieu : Batiment Fermat, en salle 2107


    • Mardi 4 décembre 11:30-12:30 - Sandrine Boulet - UVSQ et Univ. Paris V

      Intérêt des méthodes de sélection de variables bayésiennes - Application au cancer colorectal

      Résumé : L’objectif principal de notre projet est de comprendre comment les médecins modifient les doses de chimiothérapie en fonction des caractéristiques des patients et des effets indésirables. Nous utilisons deux sources d’information : les données observées recueillies dans les dossiers informatisés des patients, et l’expertise des médecins. Peu de méthodes permettent de combiner ces informations. L’originalité de notre projet est donc de proposer des stratégies pour prendre en compte ces deux sources de données. Pour prendre en compte l’expertise clinique, nous avons construit un questionnaire en collaboration avec les oncologues dans lequel ils quantifient l’importance de chaque événement indésirable sur la réduction de dose. Nous avons ensuite développé deux modèles qui combinent cette expertise et des observations. Le premier modèle est une adaptation d’une méthode de sélection de variables bayésienne pour laquelle l’information experte est introduite dans la distribution a priori. Le deuxième modèle est fondé sur la méthode de power prior et permet de combiner des données simulées à partir des paramètres experts et les observations. Nous avons réalisé des simulations pour comprendre la performance de ces modèles. Enfin, nous avons appliqué ces modèles à des données de patients traités par Irinotecan pour un cancer colorectal. Le premier modèle permet d’améliorer les performances prédictives sur des petits échantillons. Le deuxième modèle permet de gérer des échantillons de plus grande taille, et de sélectionner à la fois les variables importantes pour les experts et les variables utilisées en vie réelle.

      Lieu : Batiment Fermat, en salle 2107


    • Mardi 18 décembre 11:30-12:30 - Michel Pain - LPSM et ENS Paris

      Titre à venir

      Lieu : Batiment Fermat, en salle 2107


    • Mardi 5 février 2019 11:30-12:30 - Michael Wallner - Université de Bordeaux

      Exposé de Michael Wallner

      Lieu : bâtiment Fermat, en salle 2107


Ajouter un événement iCal
Les séminaires ont lieu le mardi, bâtiment Fermat, en salle 2107 à 11h30.

Contact : Alexis Devulder et Julien Worms

Comment venir ?

Procédure pour les invités en mission

Mots-clés

Probabilités Statistiques