Probabilities and Statistic seminar

Plus d’informations ici.

We study the optimal transport problem on the real line with the cost given by the distance, a setting in which solutions (called optimal transport plans) are typically non-unique. The first part of the talk presents a decomposition theorem: every optimal transport plan admits a unique decomposition into components, each acting on a specific region where the mass moves forward, moves backward, or remains stationary. Building on this structure, the second part investigates the behaviour of an entropically regularized version of the problem as the regularization parameter tends to zero. A natural candidate for the limit is constructed from our decomposition together with a Strassen-type theorem for a strengthened stochastic order. When the source and target distributions are sufficiently singular, the entropic minimizers converge to this plan. In general, all limit points satisfy a structural property known as weak multiplicativity.

Single-cell data yield profound insight into the complex nature of molecular feature distributions. However, they also pose statistical analysis challenges. A key challenge is the intricate geometry of these distributions, which requires non-linear analysis methods. We propose a kernel-based framework for comparing conditions in single-cell experiments that allows non-linear comparisons of different cell populations. In this talk, I will explain how embedding the data in an infinite-dimensional reproducing kernel Hilbert space (RKHS) facilitates non-linear operations on the data via linear operations in the feature space. I will present a linear model in the RKHS and introduce a truncated kernel Hotelling-Lawley statistic with an associated kernel trick. This statistic has been shown to have an asymptotic chi-squared distribution, which allows to quantify the significance of the test results. The functionality and flexibility of the proposed approach will be demonstrated on scRNA-Seq data obtained in the context of cerebral arteries profiling. The goal of this analysis is to gain insight into the appearance of intracranial aneurysms.

Exposé à Metz. Titre et résumé à venir.

Exposé à Metz. Titre et résumé à venir.

Dans cet exposé, je présenterai quelques travaux en cours avec Nicolas Fournier. Nous nous intéressons à des modèles simples décrivant le mouvement d’une particule dans un gaz. Une particule est alors représentée par un processus aléatoire décrivant sa position et sa vitesse et nous étudions le processus de position lorsque le taux de collision tend vers 0. Nous nous placerons dans le cas où l’équilibre (en vitesse) est à queue lourdes, et ne possède pas de moment d’ordre 2. Lorsque le processus de position n’est pas restreint à un domaine, et vit dans tout l’espace, il est assez clair que ce dernier converge en loi vers un processus $\alpha$-stable, lorsque le taux de collision tend vers 0. Nous étudions alors le cas où la particule est réfléchie dans un domaine convexe de la manière suivante : lorsqu’elle touche le bord du domaine, elle est “redémarrée” avec une vitesse dirigée vers l’intérieur du domaine, et distribuée selon une mesure de probabilité donnée. Nous montrons que la position de la particule converge en loi vers un processus $\alpha$-stable réfléchi dans le domaine. Après avoir introduit le modèle, j’expliquerai comment nous construisons le processus limite en “recollant” ses excursions, et je donnerai quelques éléments de preuve concernant la convergence en loi.

De nombreuses structures combinatoires admettent, au sens large, une notion d’irréductibilité : les graphes peuvent être connexes, les permutations indécomposables, les polynômes irréductibles, etc. Nous nous intéressons à la probabilité qu’un tel objet pris au hasard soit irréductible, lorsque sa taille tend vers l’infini. Dans cet exposé, nous discutons de quelques méthodes qui nous permettent d’obtenir les asymptotiques pour cette probabilité de manière commune. Nous montrons que les coefficients apparaissant dans ces asymptotiques sont entiers et qu’ils peuvent être interprétés comme des suites de comptage d’autres classes combinatoires “ dérivées ”. De plus, nous obtenons certaines probabilités asymptotiques qu’un objet combinatoire aléatoire ait un nombre donné de composantes irréductibles. Nous appliquons notre approche aux graphes connexes, aux graphes orientés fortement connexes, aux tournois irréductibles, aux surfaces à petits carreaux, aux permutations indécomposables, aux couplages parfaits indécomposables, aux cartes combinatoires, etc. Enfin, à l’aide de la théorie des espèces, nous traitons également le modèle G(n,p) de Erdős–Rényi.

Cet exposé est basé sur les travaux en commun avec Thierry Monteil et Sergey Dovgal.

Dans cette présentation, nous nous intéressons aux processus à multiples retours à la moyenne. Nous aborderons l’estimation des paramètres du processus d’Ornstein-Uhlenbeck (OU), qui présente un retour à la moyenne. Pour cela, nous proposons un estimateur basé sur les observations du supremum, en utilisant une méthode de pseudo-vraisemblance. Nous démontrerons la consistance et la normalité asymptotique de cet estimateur et illustrerons son efficacité à l’aide de données simulées et réelles.
Nous évoquerons également brièvement le processus CKLS à seuil, qui présente plusieurs retours à la moyenne, en discutant des méthodes d’estimation des paramètres de dérive et de volatilité, ainsi que des avantages d’une modélisation multi-seuils.

In this work, the joint parametric estimation of the drift coefficient, the scale coefficient, and the jump activity index in stochastic differential equations driven by a symmetric stable Lévy process is considered based on high-frequency observations. Firstly, the LAMN property for the corresponding Euler-type scheme is proven, and lower bounds for the estimation risk in this setting are deduced. Therefore, when the approximation scheme experiment is asymptotically equivalent to the high-frequency observation of the solution of the considered stochastic differential equation, these bounds can be transferred. Secondly, since the maximum likelihood estimator can be time-consuming for large samples, an alternative Le Cam’s one-step procedure is proposed in the general setting. It is based on an initial guess estimator, which is a combination of generalized variations of the trajectory for the scale and the jump activity index parameters, and a maximum likelihood type estimator for the drift parameter. This proposed one-step procedure is shown to be fast, asymptotically normal, and even asymptotically efficient when the scale coefficient is constant. In addition, the performances in terms of asymptotic variance and computation time on samples of finite size are illustrated with simulations. This talk is based on joint work with Alexandre Brouste and Laurent Denis.

(Exposé en français.)

Le calcul des rapports de constante de normalisation joue un rôle important dans la modélisation statistique. Deux exemples notables sont les tests d’hypothèses dans les modèles à variables latentes et la comparaison de modèles en statistique bayésienne. Dans ces deux cas, le rapport de vraisemblance et le facteur de Bayes sont définis comme le rapport des constantes de normalisation des distributions a posteriori. Nous proposons dans cet article une nouvelle méthodologie qui estime ce rapport en utilisant le principe de l’approximation stochastique. Notre estimateur est consistant et asymptotiquement gaussien. Sa variance asymptotique est plus faible que celle de l’estimateur populaire bridge sampling. En outre, il est beaucoup plus robuste lorsque les supports des deux distributions non normalisées considérées se chevauchent peu. Grâce à sa définition en ligne, notre procédure peut être intégrée dans un processus d’estimation dans les modèles à variables latentes, ce qui permet ainsi de réduire l’effort de calcul. Les performances de l’estimateur sont illustrées par une étude de simulation et comparées à celles de deux autres estimateurs : le ratio importance sampling et le bridge sampling.

Dans cet exposé, je vais décrire comment étudier un modèle probabiliste sur le groupe unitaire U(N), motivé par la théorie de Yang–Mills, à l’aide de la théorie des représentations. Plus précisément, nous verrons que la fonction de partition du modèle admet un développement asymptotique dont les coefficients sont liés aux nombres de Hurwitz, et la démonstration passe par un couplage de partitions aléatoires q-uniformes. Travail en collaboration avec Mylène Maïda (Université de Lille).

(Exceptionnellement, le séminaire aura lieu à Metz et sera diffusé en visio en salle de conférence à Nancy.)

In this talk, we discuss the question of Gibbs point processes in R^d with pairwise interactions that are not integrable at infinity. A standard example is the Riesz potential of the form g(x)=1/|x|^s where s<d. This setting has a long history, notably because the case s=d-2 corresponds to the classical Coulomb potential, which arises from electrostatic theory. We will first address the existence of the process in the infinite volume regime when a neutralizing background is introduced (this model is known as Jellium in theoretical physics). Subsequently, we will discuss the rigidity of such point processes, specifically hyper-uniformity and number rigidity. We will provide a state-of-the-art review and present numerous conjectures and open problems.