Titre / Résumé

Des intervalles de confiance robustes et adaptatifs sont-ils possibles ?

Nous étudions la construction d'intervalles de confiance dans le cadre du modèle de contamination de Huber. Lorsque la proportion de contamination est inconnue, nous caractérisons le coût d'adaptation nécessaire au problème. En particulier, pour le modèle de localisation gaussien, il est prouvé que la longueur optimale d'un intervalle de confiance adaptatif est exponentiellement plus grande que celle d'un intervalle non adaptatif. Les résultats pour les modèles de localisation généraux seront discutés. En outre, nous considérons également le même problème dans le cadre d'un réseau pour un graphe d'Erdos-Renyi avec contamination des nœuds. Il sera démontré que la dureté de la construction de l'intervalle de confiance adaptatif est impliquée par le seuil de détection entre le modèle d'Erdos-Renyi et le modèle de blocs stochastiques.

#nonparametricstatistics #highdimensionalstatistics #networkanalysis #bayestheory #robuststatistics

Informations pratiques

Le séminaire aura lieu le jeudi 14 novembre à 15h30 au Laboratoire de Mathématiques d'Orsay, Amphi Yoccoz.

Ne ratez pas l'annonce d'un nouveau séminaire DATAIA !

Inscrivez-vous à la liste de diffusion de nos séminaires en cliquant ici.