Équipe enseignante > Statistique

• Estimation non paramétrique
• Apprentissage statistique
• Données fonctionnelles

 Articles parus ou à paraître

1.  Berlinet, A. and Rouvière, L. (2005).  Effective construction of modified histograms in higher dimension, Statistical Modeling and Analysis for Complex Data Problems, ed P. Duchesne et B. Rémillard. 
 

2.  Berlinet, A., Biau, G. and Rouvière, L. (2005). Parameter selection in modified histogram estimates, Statistics, Vol. 39, pp. 91--105.
 

3.  Berlinet, A., Biau, G. and Rouvière, L. (2005). Optimal L1 bandwidth selection for variable kernel density estimates, Statistics & Probability Letters, Vol. 74, pp. 116--128.
 

4.  Rouvière, L. (2006). Sélection d'histogrammes modifiés itérés, Journal de la Société Française de Statistique, Vol. 147, pp. 65--83.

5.  Berlinet, A., Biau, G. and Rouvière, L. (2008). Functional supervised classification with wavelets, Annales de l'ISUP, Vol. 52, pp. 61--80.
 

6.  Biau, G., Biau, O. and Rouvière, L. (2008). Nonparametric forecasting of the manufacturing output growth with firm-level survey data, (télécharger les codes R), Journal of Business Cycle Measurement and Analysis, Vol. 3, pp. 317--332.

7.  Biau, G., Cadre, B. and Rouvière, L. (2010). Statistical analysis of k-nearest neighbor collaborative recommendation, The Annals of Statistics, Vol. 38, pp. 1568--1592

8.  Burr, T., Hengartner, N., Matzner-Lober, E., Myers, S. et Rouvière, L. (2010). Smoothing low resolution gamma spectra, IEEE Transactions on Nuclear Science, Vol. 57, pp. 2831--2840

Articles soumis

9. Hengartner, N., Matzner-Lober, E.,  Rouvière, L et Burr, T. (2009). Multiplicative bias corrected nonparametric smoothers.
  

Livre

Statistiques avec R : table des matières, avant-propos, site web du livre.

1) Probabilités générales

• - variables aléatoires
• - vecteurs aléatoires
• - vecteurs gaussiens
• - espérance conditionnelle
• - convergence de suites de variables aléatoires
   

2) Régression logistique (illustations avec R)

• - Introduction aux GLM
• - Le modèle logistique binaire
• - Sélection et validation de modèles
• - Les modèles polytomiques
   

3) Apprentissage statistique : une introduction aux méthodes d'agrégation (illustrations avec R)

• - Le boosting
• - Le bagging et les forêts aléatoires
   

4) Algèbre linéaire

• - Rappels sur les espaces vectoriels
• - Applications linéaires
• - Diagonalisation
• - Produit scalaire
• - Transformations orthogonales
   

5) Statistique pour l'ingénieur : slides, résumé

• - Statistiques descriptives - ACP (données pour le TP1 : ski1)
• - Modèle statistique, estimation
• - Tests d'hypothèses
• - Modèle linéaire  

6) Une introduction aux sondages

• - Plans simples
• - Plans stratifiés