La géométrie riemannienne fournit un cadre adapté pour généraliser les statistiques usuelles à des objets qui n’appartiennent pas à un espace vectoriel. Nous verrons comment munir l’ensemble des lois de Dirichlet d’une structure de variété riemanienne et comment utiliser cette géométrie pour faire du (...)

Despite the number of algorithms developed to inform clinical care, there has been no evidence that scores are routinely used in practice. This talk will present the main steps to build a score for clinical practice. Then, it will focus on a use case to predict heart failure after myocardial (...)

In a regression model, we write the Nadaraya-Watson estimator of the regression function as the quotient of two kernel estimators, and propose a bandwidth selection method for both the numerator and the denominator based on the new PCO strategy. We prove risk bounds for both data driven (...)

Je vais introduire des substituts pour la fonction distance au support d’une mesure, dont les sous-niveaux sont des unions de boules ou des unions d’ellipsoïdes. J’énoncerai plusieurs résultats. En particulier, je parlerai des vitesses d’approximation de ces substituts par leurs versions empiriques, (...)

Local differential privacy has prevailed as the most convenient formalism to randomize sensitive data via privacy mechanisms (that are Markov kernels) submitted to some constraints. We address the problem of support recovery of the sparse mean of a $d-$dimensional Gaussian vector, observed (...)