Séance du 11 septembre 2023

Séance organisée par Claire Lacour et Vincent Rivoirard

Lieu : IHP,  amphi Darboux

14.00 : Fabienne Comte (Université Paris Cité)

Titre :  Should we estimate a product of density functions by a product of estimators?

Résumé : In this talk, we consider the inverse problem of estimating the product of two densities, given a d-dimensional n-sample of i.i.d. observations drawn from each distribution. We propose a general method of estimation encompassing both projection estimators with model selection device and kernel estimators with bandwidth selection strategies. The procedures do not consist in making the product of two density estimators, but in plugging an overfitted estimator of one of the two densities, in an estimator based on the second sample. Our findings are a first step toward a better understanding of the good performances of overfitting in regression Nadaraya-Watson estimator.

Travail en collaboration avec Céline Duval.

15.00 : Maxime Sangnier (Sorbonne Université)

Titre :  Simple inference of Hawkes processes with inhibition

Résumé :  In this work, a parametric maximum likelihood method for estimating multivariate Hawkes processes with both excitation and inhibition is presented. Then, procedures for goodness-of-fit assessment and graph-of-interaction recovering are discussed. At the end, the proposed method is numerically compared to existing approaches and applied to a neuronal activity dataset, highlighting the presence of both exciting and inhibiting effects between neurons.

This is joint work with Miguel Martinez Herrera and Anna Bonnet.

16.00 : Cécile Durot (Université Paris Nanterre)

Titre :  Unlinked or shuffled monotone regression

Résumé :   Dans les modèles de régression standards, on observe des paires de covariables et variables réponses. Dans le cas plus complexe où les données sont anonymisées, on observe seulement un échantillon de covariables d'une part, et un échantillon de réponses d'autre part, mais on ignore à quelle réponse correspond chaque covariable. Dans le cas encore plus complexe où les réponses et les covariables ne sont pas nécessairement mesurées sur les mêmes individus, on observe encore les deux échantillons de covariables et de réponses mais il n'existe pas nécessairement de lien entre eux. Les données sont dissociées. On peut alors se demander si le lien qui existe entre les deux échantillons dans le cas anonymisé apporte une réelle information comparativement au cas dissocié, c'est-à-dire, si les vitesses de convergence optimales d'estimateurs sont identiques ou non dans les deux modèles. Nous apportons des éléments de réponse à cette question. 

Co-auteur : Debarghya Mukherjee