L'IECL

Évènements

Estimation paramétrique du terme de drift pour des EDS fractionnaires.

30 avril 2020 @ 10:45 – 11:45 – Dans cet exposé, nous présenterons de récents travaux effectués en collaboration avec F.Panloup et S.Tindel sur l’estimation paramétrique du terme de drift pour une EDS fractionnaire additive sous des hypothèses assurant l’ergodicité de l’EDS. La méthode d’estimation est en effet basée sur l’identification de la mesure invariante (à  définir dans ce cadre a priori non-markovien) […]

Au-delà  de l’inégalité de Poincaré de second ordre

9 avril 2020 @ 10:45 – 11:45 – Dans cet exposé, je présenterai des progrès récents dans l’approximation normale par la méthode de Stein et le calcul de Malliavin. Nous rappelons tout d’abord l’inégalité de Poincaré de second ordre, une technique puissante qui donne des bornes d’erreur pour une approximation normale en termes de dérivées de Malliavin de second ordre. Nous nous concentrons […]

Uniqueness for global solutions to the semidiscrete stochastic heat equation

2 avril 2020 @ 10:45 – 11:45 – In spatial dimension > 2, we consider the uniqueness problem for global solutions to the stochastic heat equation, discrete in space and continuous in time, with a small Gaussian noise. A similar problem in the continuous-space setting has been studied by Yuri Kifer. We will describe and motivate the following result: Up to a time-dependent […]

La métastabilité en physique statistique.

2 avril 2020 @ 09:15 – 11:45 – Considérons le processus de Langevin suramorti (Xt)t≥0 solution de l’équation différentielle stochastique sur R^d : dXt = −∇f(Xt)dt + racine(h)dBt. C’est un processus prototypique utilisé pour modéliser l’évolution de systèmes statistiques. La fonction f : R^d → R est le potentiel du système et h > 0 sa tem- pérature. Le processus de Langevin suramorti […]

Reporté

26 mars 2020 @ 14:15 – 15:15 – Résumé

Estimation et validation des modèles FARIMA faibles.

26 mars 2020 @ 09:15 – 10:15 – Dans ce travail nous considérons, le problème de l’analyse statistique des modèles FARIMA (Fractionally AutoRegressive Integrated Moving-Average) induits par un bruit blanc non corrélé mais qui peut contenir des dépendances non linéaires très générales. Ces modèles sont appelés FARIMA faibles et permettent de modéliser des processus à  mémoire longue présentant des dynamiques non linéaires, de […]