1. curriculum vitae - imag · tionnaire, soutenue le 14 d´ecembre, devant le jury compos´e de...
TRANSCRIPT
1. Curriculum Vitae
Jean-Francois [email protected]
http://www-ljk.imag.fr/membres/Jean-Francois.Coeurjolly
Ne le 04/02/1976 a Lille (Nord) Laboratoire Jean Kuntzmann (LJK)37 ans, pacse, deux enfants Departement de Statistiques, Equipe FIGALLe Villard, 73110 LA TABLE 51 rue des Mathematiques,
BP 53 - 38041 Grenoble Cedex 9Tel : 04 79 33 39 74 Tel : 04 76 51 43 06
Cursus et mobilite
Dec. 00. Doctorat de l’Universite Joseph Fourier de Grenoble.Titre : Inference statistique pour les mouvements Browniens fractionnaire et multifrac-tionnaire, soutenue le 14 Decembre, devant le jury compose de Jean-Marc Azaıs, Peter Robinson (rap-porteurs), Philippe Soulier (examinateur), Anestis Antoniadis (Directeur) et Alain Le Breton (President).
Sept. 01 - Aout 09. Maıtre de Conferences a l’Universite Pierre Mendes-France de Grenoble, a↵ecte a laFaculte d’Economie et membre du Laboratoire de Statistique et Analyse de Donnees (01-06) puis du LJK(07-09)-(11-12).
Sept. 09 - Aout 11. Delegation CNRS au sein du GIPSA-lab (Grenoble Images Parole Signal et Automa-tique) au sein de l’equipe CICS (Communication and Information in Complex Systems).
Nov. 10: Habilitation a Diriger des Recherches de l’Universite de Grenoble.Titre : Sur quelques resultats d’inference pour les processus fractionnaires et les pro-cessus ponctuels de Gibbs, soutenue le 23 Novembre, devant le jury compose de Anne Estrade, JesperMøller et Eric Moulines (rapporteurs), Patrick Flandrin (examinateur) et Anestis Antoniadis (President).
Fev. 12 - Juil. 12. Chercheur invite a l’universite d’Aalborg, Danemark.
Themes de recherche
Axe I (2000-). Etude et inference de quelques processus fractionaires: estimation de la regularite,d’exposants de longue memoire, d’exposants d’autosimilarite, processus univaries et multivaries.Application a l’analyse de regularite de signaux issus d’IRMf pour des patients dans le coma, constructionde reseaux de connectivite.
Axe II (2007-). Inference de processus ponctuels: estimation parametrique de la densite d’un processusponctuel de Gibbs, moments de processus ponctuels, validation de modeles, theoreme limite. Applicationen infographie, en foresterie et en modelisation de donnees heliographiques.
Axe III (2004-).
• IIIa. Selection de variables, reduction de dimension, theorie de l’information. Application en biologiepour la detection de marqueurs.
• IIIb. Analyse de survie, epidemiologie, modeles multi-etats. Application en sante publique pour lamodelisation de la pneumonie nosocomiale en reanimation.
• IIIc. Enseignement de la statistique. Reflexions sur l’utilisation d’une approche experimentale desprobabilites et d’une approche asymptotique pour construire des intervalles de confiance et des testsd’hypotheses parametriques standard.
Axe IV (2009-). Statistiques pour des donnees circulaires, spheriques : estimation, simulation. Appli-cation a la modelisation spatio-temporelle de taches solaires, a la segmentation de donnees angulaires degrimpeurs.
Resume (numeraire) de l’activite de Recherche
Articles dans des revues internationales. (parus ou acceptes): 25 [I:13, II:7, III: 3, IV: 2]. Principalesrevues. Journal of the Royal Statistical Society Series B, Annals of Statistics, Bernoulli,Scandinavian Journal of Statistics, IEEE Signal Processing, Biometrical Journal.
Proceedings dans des conferences internationales: 5. Travaux soumis 3
Prime. Beneficiaire de la PEDR (07-11), PES (11-·). Laureat d’une bourse de chercheur invite del’universite d’Aalborg (12); Laureat d’une bourse de cooperation franco-danoise (11-12) et (12-13).
Encadrement doctoral. 2 (2006,2010), 1 en cours (2010-).
Projets finances en cours. 3 en cours. ANR InfoNetComaBrain† visant a mesurer la connectivite deregions du cerveau pour des patients dans le coma; Projet MSTIC UJF SpaComp? visant a modeliser desphenomenes complexes par des outils de processus ponctuels spatiaux; Projet BQR-UPMF Stein for pointprocesses visant a exploiter ladite methode pour les processus ponctuels spatiaux a des fins d’inferencestatistique.† responsable de l’axe processus multivaries pour la modelisation d’IRMfs, ?porteur du projet;
Enseignements
I Niveau Licence (faculte d’Economie, UFR Biologie). Mathematiques financieres, algebre lineaire, analyse(01-04,06-08), statistiques descriptives (05-), statistiques inferentielles (01-), introduction a l’econometrie(02-05), probabilites (02-04).
I Niveau Master et Doctorat (faculte d’Economie, Ecole d’ingenieur ENSGI, Master Mathematiques Ap-pliquees aux sciences sociales). Ecnometrie avancee (02-06), atelier d’econometrie (05-08), introductionaux probabilites experimentales (04-), bootstrap et methodes de reechantillonnage (07-10, 11-).
I Niveau master recherche (Master Informatique et Maths Appliquees). Processus ponctuels spatiaux (11-).
Miscellanea (depuis 09)
Relecteur regulier pour 12 revues. Comp. Statistics and Data Analysis, ESAIM Probabilityand Statistics,Journal of Fourier Analysis, Electronic Journal of Statistics, Bernoulli, Statistical Science, Statistics andComputing, Applied Computational and Harmonic Analysis, Stochastic Processes and their Applications,Electronic Journal of Probability, Advances in Applied Probability, Journal of Statistical Software.
Rapporteur de 3 theses. Ege Rubak (Aalborg University, Oct. 10), Olaf Kouamo (ENST, Paris, Janv.11), Mehdi Fhima (Clermont-Ferrand, Dec. 11).
Rapporteur pour l’Agence Nationale de la Recherche (12).
Membre du conseil du LJK (08-11), responsable du seminaire de statistiques du LJK (09-).
President du comite d’organisation. Journees du GDR Geometrie Stochastique, Grenoble, Avril 2013.
Collaborations sur le pole grenoblois. J.-M. Billiot, R. Drouilhet (Figal, LJK), J. Thollot (Artis, LJK), S.Achard, P.-O. Amblard et N. Le Bihan (GIPSA-lab), J.-F. Timsit (INSERM).
Collaborations sur le plan national. F. Lavancier, A. Philippe (Nantes), J.-C. Breton (Rennes), B. Liquet(Bordeaux), D. Dereudre (Lille), L. Seifert, R. Herault (Rouen).
Collaborations sur le plan international. A. Baddeley† (Univ. Western australia), J. Møller, E. Rubaket R. Waagepetersen† (Aalborg University), B. Vidakovic (Georgia Tech. University), S. Lee (KoreaUniv.), Y. Guan† (Miami University), H. Kortas (Universite de Souse), P. Lafaye de Micheaux (Univ. deMontreal). † en cours.
2. Liste de publications
Articles dans des revues internationales a comite de lecture
References
[A1] J.-F. Coeurjolly. Simulation and identification of the fractional Brownian motion: a bibliographicaland comparative study. Journal of Statistical Software, 5(7):1–53, 2000.
[A2] J.-F. Coeurjolly. Estimating the parameters of a fractional Brownian motion by discrete variationsof its sample paths. Statistical Inference for Stochastic Processes, 4(2):199–227, 2001.
[A3] J.-F. Coeurjolly and J. Istas. Cramer-Rao bounds for fractional Brownian motions. Statistics andProbability Letters, 53(4):435–447, 2001.
[A4] J.-F. Coeurjolly. Identification of multifractional Brownian motion. Bernoulli, 11(6):987–1008,2005.
[A5] J.-F. Coeurjolly, R. Drouilhet, and J.-F. Robineau. Normalized information-based divergences.Problems of Information Transmission, 43(3):167–189, 2007.
[A6] J.-F. Coeurjolly. Hurst exponent estimation of locally self-similar Gaussian processes using samplequantiles. Annals of Statistics, 36(3):1404–1434, 2008.
[A7] J.-F. Coeurjolly. Bahadur representation of sample quantiles for functional of Gaussian dependentsequences under a minimal assumption. Statistics and Probability Letters, 78(15):2485–2489, 2008.
[A8] J.-M. Billiot, J.-F. Coeurjolly, and R. Drouilhet. Maximum pseudolikelihood estimator for expo-nential family models of marked Gibbs point processes. Electronic Journal of Statistics, 2:234–264,2008.
[A9] J.-F. Coeurjolly, R. Drouilhet, P. Lafaye de Micheaux, and J.-F. Robineau. asympTest:an R package for performing parametric statistical tests and confidence intervals based onthe central limit theorem. R Journal, 2:26–30, 2009. Long version (19p.) on arxiv :http://arxiv.org/abs/0902.0506.
[A10] S. Achard and J.-F. Coeurjolly. Discrete variations for the fractional Brownian motion in presenceof outliers and/or an additive noise. Statistics Surveys, 4:117–147, 2010.
[A11] J.-F. Coeurjolly and R. Drouilhet. Asymptotic properties of the maximum pseudo-likelihood esti-mator for stationary Gibbs point processes including the Lennard-Jones model. Electronic Journalof Statistics, 4:677–706, 2010.
[A12] P.O. Amblard and J.-F. Coeurjolly. Identification of the multivariate fractional Brownian motion.IEEE Transactions of Signal Processing, 59(11), 5152–5168, 2011.
[A13] P.O. Amblard, J.-F. Coeurjolly, F. Lavancier, and A. Philippe. Basic properties of the multivariatefractional Brownian motion. Bulletin de la Societe Mathematique de France, Seminaires et Congres,28:65-87, 2012.
[A14] J.-C. Breton and J.-F. Coeurjolly. Confidence intervals for the Hurst parameter of a fractionalBrownian motion based on concentration inequalities. Statistical Inference for Stochastic Processes,15:1–26, 2012.
[A15] J.-F. Coeurjolly and H. Kortas. Expectiles for subordinated Gaussian processes with applicationsElectronic Journal of Statistics 6:304–323, 2012
[A16] J.-F. Coeurjolly, D. Dereudre, R. Drouilhet, and F. Lavancier. Takacs-fiksel method for stationarymarked Gibbs point processes. Scandinavian Journal of Statistics, 49(3):416-443, 2012.
[A17] J.-F. Coeurjolly, N. Le Bihan. Geodesic Normal distribution on the circle. To appear in Metrika,2012.
[A18] J.-F. Coeurjolly and F. Lavancier. Residuals and goodness-of-fit tests for stationary marked Gibbspoint processes. Journal of the Royal Statistical Society, Series B, 75(2):1-30, 2013.
[A19] J.-F. Coeurjolly, P.O. Amblard, and S. Achard. Wavelet Analysis of the multivariate fractionalBrownian motion. To appear in ESAIM P&S, 2013.
[A20] J.-F. Coeurjolly, M. Nguile Makao, J.-F. Timsit and B. Liquet. Attributable risk estimation foradjusted disability multi-state models: application to nosocomial infections. Biometrical Journal,54(5):600-616, 2012.
[A21] J.-F. Coeurjolly, S. Lee and B. Vidakovic. Variance estimation for fractional Brownian motionswith fixed Hurst parameters. To appear in Communications in Statistics: Theory and Methods,2013.
[A22] J.-F. Coeurjolly and E. Rubak. Fast covariance estimation for innovations computed from a spatialGibbs point process. To appear in Scandinavian Journal of Statistics, 2013.
[A23] J.-F. Coeurjolly and J. Møller. Variational approach to estimate the intensity of spatial pointprocesses. To appear in Bernoulli, 2013.
[A24] J.-F. Coeurjolly and N. Morsli. Poisson intensity parameter for stationary Gibbs point processesof finite interaction range. To appear in Spatial Statistics, 2013.
[A25] L. Seifert, J.-F. Coeurjolly, R. Herault, L. Wattebled and K. Davids. Temporal dynamics of inter-limb coordination in ice climbing revealed through change-point analysis of the geodesic mean ofcircular data. To appear in Journal of Applied Statistics, 2013.
Articles soumis dans des revues internationales a comite de lecture
References
[S1] A. Baddeley, J.-F. Coeurjolly, E. Rubak and R. Waagepetersen. Logistic regression likelihood forspatial point processes. Under revision for Biometrika, 2013.
[S2] S. Achard, J.-F. Coeurjolly and J. Ricciardi. Robust correlation for data with spatial characteristicsSubmitted, 2012.
[S3] J.-F. Coeurjolly and Y. Guan. Covariance of empirical functionals for inhomogeneous spatial pointprocesses when the intensity has a parametric form. Submitted, 2013.
Proceedings dans des conferences internationales a comite de lecture
References
[P1] T. Hurtut, P.-E. Landes, J. Thollot, Y. Gousseau, R. Drouilhet, and J.-F. Coeurjolly. Appearance-guided synthesis of element arrangements by example. In 7th International Symposium on Non-Photorealistic Animation and Rendering, NPAR 2009, August, 2009, New Orleans, Etats-Unis,2009.
[P2] S. Achard, S. Kremer, J.-F. Coeurjolly, M. Schenk, F. Renard, C. Ong-Nicolas, J. Namer,V. Mutschler, F. Schneider, and C. Delon-Martin. Global functional disconnections and long-memoryalterations in consciousness disorder patients. In OHBM, Human Brain Mapping, Barcelona, Spain,2010.
[P3] J.-F. Coeurjolly, P.O. Amblard, and S. Achard. On multivariate fractional Brownian motion andmultivariate fractional Gaussian noise. In European Signal Processing Conference, European SignalProcessing Conference, Aalborg, Denmark, 2010. EUSIPCO.
[P4] P.O. Amblard and J.-F. Coeurjolly. Identification du mouvement Brownien fractionnaire multivarie.Gretsi, Bordeaux, 2011.
[P5] S. Achard, J.F. Coeurjolly, R. Marcillaud and J. Richiardi. fMRI connectivity measures based onresampling. IEEE Workshop on Statistical Signal Processing, 2011.
Conferences
References
[C1] J.-F. Coeurjolly. Identification du mouvement Brownien fractionnaire par variations discretes. In31emes journees de statistiques, pages 479–482, Grenoble, France, 1999. SFdS.
[C2] J.-F. Coeurjolly. Identification du mouvement Brownien multifractionnaire. In 32emes journees destatistiques, pages 824–827, Fes, Maroc, 2000. SFdS.
[C3] J.-F. Coeurjolly and R. Drouilhet. L’enseignement de la statistique et des concepts probabilistespar une approche experimentale comme complement visuel a une approche plus classique. In Mod-elisation Stochastique et Statistique, MSS’2004, Alger, Algerie, 2004. invited conference.
[C4] J.-F. Coeurjolly. L-type estimators of the holder index of locally self-similar Gaussian processes. InSecond colloqium “Self-similarity and applications”, Toulouse, France, 2005.
[C5] J.-F. Coeurjolly and R. Drouilhet. Approche experimentale des probabilites comme complement aune approche plus classique. In 37emes Journees de statistique, Pau, France, 2005. SFDS. CDROM.
[C6] J.-F. Coeurjolly and R. Drouilhet. Construction d’un test d’hypotheses par une approche visuelleet une approche experimentale des probabilites. In 37emes journees de statistiques, Pau, France,2005. SFdS. CDROM.
[C7] J.-F. Coeurjolly, J.-M. Billiot, and R. Drouilhet. Maximum pseudo-likelihood estimator for nearest-neighbour Gibbs point processes. In 6th French-Danish Workshop on Spatial Statistics (invitedspeaker), Skagen, Denmark, 2006.
[C8] J.-F. Coeurjolly. Maximum pseudo-likelihood estimator for stationary marked Gibbs point processes.In Colloque international de Statistique Appliquee pour le Developpement en Afrique, Cotonou,Benin, 2007. SADA’07.
[C9] J.-F. Coeurjolly, J.-M. Billiot, and R. Drouilhet. Maximum pseudo-likelihood for Gibbs pointprocesses. In 39emes Journees de statistique, Angers, France, 2007. SFDS. CDROM.
[C10] J.-F. Coeurjolly, J.-M. Billiot, and R. Drouilhet. New advances on asymptotic properties for maxi-mum pseudo-likelihood estimator for exponential family of marked Gibbs points processes. In 7thFrench-Danish Workshop on Spatial Statistics (invited speaker), Toulouse, France, 2008.
[C11] J.-F. Coeurjolly. Proprietes asymptotiques pour les residus de processus de Gibbs marques station-naires. In 41emes Journees de statistique, Bordeaux, France, 2009. SFDS.
[C12] M. Nguile Makao, J.-F. Coeurjolly, B. Liquet, and J.-F. Timsit. Prediction de la pneumonie nosoco-miale a l’aide d’un modele multi-etats. In 41emes Journees de statistique, Bordeaux, France, 2009.SFDS. http://hal.inria.fr/inria-00386790/fr/.
[C13] J.-F. Coeurjolly and F. Lavancier. Asymptotic properties of the residuals process for stationarymarked Gibbs point processes. In Stochastic Processes and their Applications, Berlin, Germany,2009.
[C14] J.-F. Coeurjolly and F. Lavancier. Goodness-of-fit tests for stationary marked Gibbs point processes.Copenhagen, Denmark, 2010. Workshop Spatial Statistics and Image Analysis in Biology.
[C15] J.-F. Coeurjolly, P.O. Amblard, and S. Achard. Simulation of self-similar networks. Bristol, U.K.,2010. Workshop Statistical modelling and inference for networks.
[C16] J.-F. Coeurjolly. Inference statistique pour les modeles Gibbsiens. In Journees MAS de la SMAI,Bordeaux, France, 2010. (conferencier invite).
[C17] J.-F. Coeurjolly. Multivariate fractional Brownian motion: definition and basic properties. Work-shop on Random Fields, Lyon, 2010.
[C18] Coeurjolly J.-F., Dereudre D., Drouilhet R. et Lavancier F. Revisiting Takacs-Fiksel method forGibbs point processes. In 16th Workshop on Stochastic Geometry, Stereology and Image Analysis.Sonderborg, Danemark, 2011.
[C19] F. Lavancier and J.-F. Coeurjolly Goodness-of-fit tests for Gibbs point processes In 7th Conferenceon Stereology, Spatial Statistics and Stochastic Geometry, Tchequie, 2012.
[C20] R. Waagepetersen, A. Baddeley, J.-F. Coeurjolly and E. Rubak Unbiased approximate pseudo-likelihood for spatial point processes In 9th French-Danish Workshop ”Spatial Statistics and ImageAnalysis in Biology”, SSIAB. Avignon, France, mai 2012.
[C21] N. Morsli and J.-F. Coeurjolly Semi-parametric estimation of the Poisson intensity parameter ofa Gibbs point process In 9th French-Danish Workshop ”Spatial Statistics and Image Analysis inBiology”, SSIAB. Avignon, France, mai 2012.
[C22] J.-F. Coeurjolly About the multivariate fractional Brownian motion. XI-eme colloque franco-roumain de Mathematiques Appliquees. Bucarest, Roumanie, 2012.
[C23] E. Rubak, A. Baddeley, J.-F. Coeurjolly and R. Waagepetersen. Logistic regression likelihood forspatial point processes. Second workshop on Stochastic Geometry and its applications, GDR GeoSto.Grenoble, France, 2013.
[C24] N. Morsli and J.-F. Coeurjolly. Poisson intensity parameter for stationary Gibbs point processes offinite interaction range. 45emes Journees de Statistique, Toulouse, France, 2013.
[C25] J.-F. Coeurjolly and J. Møller. Variational approach to estimate the intensity of spatial pointprocesses. 17th Workshop on Stochastic Geometry, Stereology and Image Analysis, Torun, Pologne,2013.
Rapports de contrat
References
[R1] C. Kretzschmar, S. Ebermeyer, M. Sevin, P. Grousson, R. Drouilhet, and J.-F. Coeurjolly. Enquete panelde suivi des beneficiaires du dispositif CES. Rapport technique, DRTEFP et DR ANPE, 2004. ISBN2-11-09782-9.
[R2] C. Kretzschmar, S. Ebermeyer, M. Sevin, P. Grousson, R. Drouilhet, and J.-F. Coeurjolly. Enquete panelde suivi des beneficiaires du dispositif SIFE. Rapport technique, DRTEFP et DR ANPE, 2004. ISBN2-11-09783-7.
[R3] C. Kretzschmar, S. Ebermeyer, M. Sevin, P. Grousson, R. Drouilhet, and J.-F. Coeurjolly. Enquete panelde suivi des beneficiaires du dispositif TRACE. Rapport technique, DRTEFP et DR ANPE, 2004. ISBN2-11-09782-5.
[R4] J.-F. Coeurjolly, A. Derbier and R. Drouilhet. Comparaison de di↵erentes strategies pour estimer unedi↵erence de moyennes en presence de donnees appariees et independantes dans un cadre non necessaire-ment gaussien. Rapport de contrat de collaboration scientifique entre le Laboratoire Interuniversitaire dePsychologie et le Laboratoire Jean Kuntzmann, 2010.
Contributions logicielles
Les packages R sont telechargeables sur le site du R CRAN. Les fonctions R non integrees a un package sontdisponibles sur la page:http://www-ljk.imag.fr/membres/Jean-Francois.Coeurjolly/
References
[L1] J.-F. Coeurjolly. SimEstFBM.R Ensemble de fonctions R autour de la simulation d’un mouvement Brownienfractionnaire et l’estimation de ses parametres. Fonctions associees a [A1].
[L2] J.-F. Coeurjolly and S. Achard. dvfBm.R Discrete variations for fractional Brownian motion. Package R
regroupant des fonctions permettant l’estimation robuste de l’exposant de Hurst a des donnees aberranteset/ou a un bruit addtif. Package associe a [A10] et [A15].
[L3] J.-F. Coeurjolly, R. Drouilhet, P. Lafaye de Micheaux and J.-F. Robineau. asympTest R package forperforming parametric statistical tests and confidence intervals based on the central limit theorem. Packageassocie a [A9].
[L4] J.-F. Coeurjolly. mfBm.R Ensemble de fonctions permettant la simulation d’un mouvement Brownienfractionnaire multivarie et l’estimation jointe de ses parametres (exposants de Hurst, correlation au retard0 et 1). Fonctions associees a [A13] et [A19].
[L5] J.-F. Coeurjolly. circGeod.R Fonctions R permettant entre autres la simulation de la loi geodesique cir-culaire normale ainsi que l’estimation de ses parametres (et de leur ecart-type) par maximum de vraisem-blance. Fonctions associees a [A17].
[L6] B. Liquet and J.-F. Coeurjolly. mortality.R Fonctions R permettant l’estimation des fonctions de mortaliteattribuable en utilisant un modele multi-etat ajuste sur des covariables. Fonctions associees a [A20].
[L7] E. Rubak and J.-F. Coeurjolly. Dans le cadre du package R spatstat (version 1-28), developpement defonctions permettant le calcul d’intervalles de confiance des parametres d’un processus ponctuel de Gibbsestime par pseudo-vraisemblance. Fonctions associees a [S2].
[L8] A. Baddeley, E. Rubak and J.-F. Coeurjolly. Dans le cadre du package R spatstat (version 1-28) et enparticulier de la fonction ppm, developpement de l’estimation par regression logistique des parametres d’unprocessus ponctuel de Gibbs. Fonctions associees a [S4].
Memoires
References
[T1] J.-F. Coeurjolly Inference statistique pour les mouvements Browniens fractionnaire et multifractionnaire.These de doctorat, Universite Joseph Fourier, Grenoble, decembre 2000.
[T2] J.-F. Coeurjolly Resultats d’inference pour les processus fractionnaires et processus ponctuels spatiauxde Gibbs. Habilitation a Diriger des Recherches, Universite Joseph Fourier, Grenoble, novembre 2010.
3. Encadrement, Projets de recherche,
Collaborations, Rayonnement.
Encadrement predoctoral
I Mathilde Grandjacques (Mars-Juin 2011) stage de M2R (co-encadre avec S. Achard, Gipsa-lab) portantsur l’estimation de l’exposant de Hurst pour un mouvement Brownien fractionnaire observe sur une grilleirreguliere. A la suite de ce stage, M. Grandjacques a debute une these au G2eLab (Grenoble) sous ladirection de B. Delinchant.
I Benoıt Zupancic (Mars-Juin 2012) stage de M2R portant sur les tests d’adequation pour les processusponctuels de Gibbs bases sur des statistiques de type quadrats. A la suite du stage, B. Zupancic a debuteune these au LJK (Grenoble) sous la direction de N. Holzchuch.
Encadrement doctoral
I Jean-Francois Robineau (co-encadree avec Remy Drouilhet et Catherine Garbay) : “methodes de selectionde variables (parmi un grand nombre) dans un cadre de discrimination”, these soutenue en Decembre 2005.J.-F. Robineau a a la suite de sa these cree la societe de consulting statistique CQLS.
I Moliere Nguile Makao (co-encadree avec Benoıt Liquet et Jean-Francois Timsit) : “pneumonie nosocomialeacquise sous ventilation mecanique : prediction du diagnostic et influence sur le pronostic”, soutenue le 5Novembre 2010. M. Nguile Makao est actuellement chercheur a l’universite de Laval (Canada).
I Nadia Morsli : “Inference non parametrique pour les processus ponctuels de Gibbs”, these debutee enDecembre 2010. L’objectif de ce travail est principalement l’estimation non parametrique de la fonctiond’interaction de paires d’un processus ponctuel spatial de Gibbs.
I Demande en cours Joel Le Pape (actuellement en Master Recherche a l’Universite de Cambridge).L’objectif est d’obtenir un financement (demande faite aupres de l’EDMSTII et aupres du labex Persyval)pour une cotutelle avec le Gipsa-lab (Pierre-Olivier Amblard et Nicolas Le Bihan). Le travail aura pourobjectif la modelisation spatio-temporelle du phenomene des taches solaires.
Liste des collaborateurs
I Collaborateurs sur les aspects methodologiques
• Au sein du LJK, Grenoble: Jean-Michel Billiot, Remy Drouilhet, Jacques Istas, Nadia Morsli.
• Pole grenoblois: Pierre-Olivier Amblard, Sophie Achard, Nicolas Le Bihan (GIPSA-lab).
• Universite de Nantes: Frederic Lavancier, Anne Philippe.
• Universite de Rennes: Jean-Christophe Breton.
• Universite de Lille: David Dereudre.
• Universite de Bordeaux: Benoıt Liquet.
• Universite de Montreal: Pierre Lafaye de Micheaux.
• Georgia Institute of Technology, USA: Brani Vidakovic.
• Hanyang University, Korea: Kichun Sky Lee.
• Aalborg University, Denmark: Jesper Møller, Ege Rubak, Rasmus Waagepetersen.
• CSIRO Mathematics, Informatics and Statistics, Perth, Australia: Adrian Baddeley.
• Miami University: Yongtao Guan (collaboration en cours).
• Souse University, Tunisia: Hedi Kortas.
I Collaborateurs sur les apsects appliques
• Laboratoire Interuniversitaire de Psychologie, UPMF, Grenoble: Aurelie Derbier, Caroline Gimenez.
• ARTIS Team, LJK, Grenoble: Joelle Thollot, Thomas Hurtut.
• Departement des Sciences du sport, Universite de Rouen: Ludovic Seifert, Leo Wattebled.
• INSA Rouen: Romain Herault.
• INSERM, Grenoble: Jean-Francois Timsit, Moliere Nguile Makao.
• Ecole Polytechnique Federale de Lausanne: Jonas Richiardi.
• Queensland University of Technology, Brisbane, Australia: Keith Davids.
Projets de recherche et activite contractuelle
I Collaboration avec l’entreprise Economie et Humanisme (Melanie Sevin et Sophie Ebermeyer) et le LAB-SAD (R. Drouilhet et J.-F. Coeurjolly) (2003) - Depouillement d’enquetes de donnees de panelconcernant le devenir de travailleurs beneficiaires de contrats d’insertion.
I Projet MSH-Alpes (2004-06) -“calcul intensif pour l’analyse spatiale de corpus de donnees nom-breuses”, ce projet federe deux equipes issues des laboratoires LabSAD et TIMC (IMAG-UMR CNRS255). Ce projet souhaite profiter de l’existence de machines en cluster (a la MSH-Alpes) pour explorerl’apport de techniques de parallelisation.
I Contrat de collaboration avec le LIP (Laboratoire Interuniversitaire de Psychologie - Aurelie Derbier)et le LJK (JF Coeurjolly et Remy Drouilhet) (2007-2010) dans le cadre de la these d’Aurelie Derbier -“Etude epidemiologique des facteurs de risque et de protection du suicide. Mise en place etevaluation du programme Coping And Support Training au college et au lycee”. Traitements statistiquesde questionnaires dans le but de mesurer l’e�cacite d’ateliers de prevention du suicide.
I Projet BQR MoDyC (2008-2009) - Modelisation Dynamique du Cerveau. Ce projet a federe deuxlaboratoires le GIPSA-lab (Sophie Achard, Marc Sato et Bertrand Rivet, porteur du projet) et le LJK (JFCoeurjolly et Pierre Lafaye De Micheaux). L’objectif est d’obtenir une description spatiale et temporelledes activations motrices, somatosensorielles et auditives liees a la production et perception des voyellesdu Francais en utilisant des donnees d’imagerie par resonance magnetique fonctionnelle. Ce projet a uneduree de vie d’une annee.
I Projet Reseau National des Systemes Complexes (2009-2010) -“Consciousness disorders implicationsin the brain information network : measure and analysis of functional dynamic connectivity”.Memes acteurs que le projet suivant.
I Projet ANR jeunes chercheurs (2010 - 2013) “InfoNetComaBrain”. Methodes statistiques pour l’etudedes reseaux de connectivite fonctionnelle cerebrale, fusion avec la connectivite anatomique. Vers unnouvel outil diagnostique et pronostique pour l’evaluation des desordres de la conscience. Ce projet est al’interface de plusieurs domaines de competence : traitement statistique du signal, analyse et visualisationde reseaux complexes, neurosciences. Ces projet federe le GIPSA-lab (S. Achard, porteur du projet), leLJK (JF Coeurjolly), le Grenoble Institut des Neurosciences (C. Delon-Martin) et le CHU de Strasbourg(S. Kremer et F. Schneider). L’objectif de l’axe dans lequel j’interviens est de developper des modelesmultivaries de processus autosimilaires ainsi que des methodologies permettant d’inferer sur ces modeles.
I Projet IXXI Systemes Complexes (2010-2012), porteur du projet -“Sunspot”. L’objectif de ce projet estla modelisation spatio-temporelle du phenomene des taches solaires. Il engage trois laboratoires : LJK,GIPSA-lab (Pierre-Olivier Amblard et Nicolas Le Bihan) et le Laboratoire de Planetologie de Grenoble(Jean Lilenstein). Les di�cultes inherentes a ce sujet proviennent de la nature des donnees : processusponctuel spatio-temporel a valeurs sur une sphere.
I Projet MSTIC SpaComp (2012-2013), porteur du projet. Ce projet regroupe plusieurs membres des equipesFigal, IPS MOISE et SAM du LJK ainsi que quelques membres du GIPSA-lab. L’objectif principal est lamodelisation et la simulation de modeles spatiaux pour des phenomenes physiques complexes et/ou pourdes donnees complexes et heterogenes.
I Projet de cooperation franco-danoise (2011-2012) et (2012-2013), porteur du projet en collaboration avecJ. Møller. Ce projet finance par l’Institut Francais du Danemark vise a promouvoir la collaborationscientifique entreprise entre le LJK et le Department of Mathematical Sciences de l’universite d’Aalborg(Danemark). L’objectif general est l’etude de methodes statistiques pour les processus ponctuels spatiaux.Ce projet m’a entre autre permis de pouvoir financer en partie un sejour de recherche en 2012.
I Projet BQR-UPMF “Stein for point processes” (2013-2014), porteur du projet. Ce projet principalementen collaboration avec M. Clausel (SAM, LJK) et J. Lelong (MathFi, LJK) vise a exploiter la methode deStein technique largement exploitee pour les processus Gaussiens ainsi que pour les processus de Poissondans l’objectif ameliorer les methodologies statistiques existantes.
I Demande en cours: ANR Jeunes Chercheurs “DynaMov” (2013-2015). Cette demande portee parL.Seifert (Universite de Rouen) s’intitule Dynamique temporelle des patterns de mouvement: Expertiseet variabilite de comportement. Il fait suite a la recente collaboration pluri-disciplinaire (papier [A25])qui visait a analyser la dynamique de grimpeurs de cascade de glace analysee par des series angulairesassociees a l’angle forme par les piolets ou crampons.
Participation a la vie de la recherche
I Membre du comite d’organisation des journees MAS, Grenoble, (2002).
I Responsable local du GDR 3477 GeoSto (http://gdr-geostoch.math.cnrs.fr/). Ce GDR regroupanta l’heure actuelle pas loin de 100 chercheurs a pour vocation principale de federer les chercheurs sur lesthematiques de la geometrie aleatoire: processus ponctuels, mosaıques et graphes geometriques aleatoires,recouvrements et percolation continue, convexite et polytopes aleatoires, champs aleatoires et analysed’images et la statistique spatiale.
I President du comite d’organisation des secondes journees du GDR GeoSto (Wokshop on Stochastic Ge-ometry and its Applications http://www-ljk.imag.fr/geoSto2013/) du 03 au 05 Avril 2013 a Grenoble.Invitation de 20 chercheurs dont 11 internationaux.
I Membre des commissions de specialistes, section 26, de Grenoble 2 et de l’IUT (2002-2006).
I Membre du comite de selection du poste MCF Chaire CNRS MC337, Universite Joseph Fourier, 2011.
I Membre du conseil du Laboratoire Jean Kuntzmann (2008-2011).
I Expertise internationale - Relecteur regulier pour douze revues (environ 20 papiers): Computational Statis-tics and Data Analysis, ESAIM Probabilityand Statistics, Journal of Fourier Analysis, Electronic Journalof Statistics, Bernoulli, Statistical Science, Statistics and Computing, Applied Computational and Har-monic Analysis, Stochastic Processes and their Applications, Electronic Journal of Probability, Advancesin Applied Probability, Journal of Statistical Software.
I Rapporteur de these :
• Ege Rubak (these dirigee par Jesper Møller) “Likelihood Based Inference and Diagnostics for SpatialData Models”, soutenue le 15 octobre 2010 a Aalborg (Danemark).
• Olaf Kouamo (these dirigee par Eric Moulines) “Long memory time series analysis using the waveletdomain”, soutenance prevue fin Janvier 2010 a l’ENST d Paris.
• Mehdi Fhima (these dirigee par Pierre Bertrand et Arnaud Guillin) “Mouvement Brownien fraction-naire et Detection de ruptures sur des processus aleatoire”, soutenue en Novembre 2011 a l’UniversiteBlaise Pascal de Clermont-Ferrand.
I Responsable (avec Jean-Baptiste Durand) du seminaire du Departement Statistiques du LJK (depuisSeptembre 2009). Seminaire hebdomadaire de Septembre a Juillet regroupant l’ensemble des membres dudepartement.
I Invitation a l’exterieur de Grenoble (depuis 2009)
• Sejour d’une semaine en Octobre 2009 a l’universite de Nantes, Laboratoire Jean Leray dans le cadred’une collaboration avec F. Lavancier.
• Sejour de cinq jours en Octobre 2010 a l’Universite de Aalborg (Danemark) dans le cadre d’unecollaboration avec Jesper Møller et Ege Rubak.
• Sejour de recherche de six mois de Fevrier a Juillet 2012 a l’Universite d’Aalborg (Danemark).
I Invitation de chercheurs:
• Jean-Christophe Breton (Universite de Rennes) en Mars 2009 pour un sejour de trois jours.
• Frederic Lavancier en Mars 2010 pour un sejour d’une semaine.
• Ege Rubak (Aalborg University) pour un sejour de dix jours dans le cadre d’une collaboration etd’exposes sur la thematique des processus ponctuels spatiaux.
• Jonas Richiardi (University Hospital Geneva) pour un sejour d’une semaine en septembre 2010 dansle cadre de l’ANR InfoNetComaBrain.
• Wonsang You (University of Magdeburg, Germany) pour un sejour d’un mois dans le cadre de l’ANRInfoNetComaBrain.
• Hedi Kortas (Institut des sciences de gestion de Sousse, Tunisie) pour un sejour de quinze jours enAvril 2011.
• Jesper Møller (Aalborg University) pour un sejour de quinze jours en Septembre 2012.
• Rasmus Waagepetersen (Aalborg University) pour un sejour de quinze jours en Novembre 2012.
• Ege Rubak (Aalborg University) pour un sejour de trois semaines en Mars 2013, dans le cadre enparticulier des 2ndes journees du GDR GeoSto.
4. Description des travaux de recherche
A. Resume
Mes travaux de recherche portent sur l’inference statistique de deux grandes classes de proces-sus stochastiques couramment utilises en analyse d’image et traitement du signal : les procesussfractionnaires et multifractionnaires et les processus ponctuels spatiaux (Cox, Gibbs). Une carac-teristique commune est sans aucun doute qu’ils permettent de modeliser des phenomenes presentantune forte irregularite et/ou une forte dependance non-lineaire dans le temps et/ou dans l’espace.D’une facon generale, les modeles consideres m’ont amene a proposer de nouvelles methodologiesd’inference (problemes d’estimation, validation,. . . ) pour lesquelles je me suis e↵orce de fournirdes justifications, validations theoriques et des algorithmes permettant de les utiliser.
Parallelement a ces fils conducteurs, je me suis aussi interesse a des problemes d’epidemiologieresolus par l’utilisation des modeles multi-etats et a un probleme de fouille de donnees en grande di-mension, plus precisement a un probleme de selection de descripteurs ou variables dans un contextede discrimination, qui a ete apprehende en utilisant des distances de similarite issues de la theoriede l’information. Enfin, ma fonction de Maıtre de Conferences dans une universite de sciencessociales m’a amene a cotoyer de nombreux publics (etudiants en economie, enseignant-chercheursen economie, en psychologie). Ces experiences m’ont conduit a des reflexions sur l’enseignement dema discipline ainsi que des collaborations avec des praticiens. Ces derniers travaux sont regroupessur la thematique - contribution a la statistique appliquee - par la suite.
Pour illustrer ce resume, un exemple de donnees issues de chacun de deux grands themes de mes travaux estdonnee par la figure ci-dessous:
0 50 100 150 200 250 300
−0.03
−0.02
−0.01
0.00
0.01
0.02
0.03
0 50 100 150 200 250 300
0.0
0.2
0.4
0.6
0.8
120
130
140
150
160
●
●●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●
●●
●●
●
●
●
●
●
●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●●
●
●●
●
●
●
●
●
●
●
●
●
● ●
●●
●●
●●
●●
●
●
●
●
●
●●
●
●
●
●
●●
●
●●
●
●
●
●
●
●
●●
●
●
●
●
●●● ●
●
●
● ●
●●
●
●●●
●●
●
●●●
●
●●
●
●
●
●●
●
●● ●
●●
●●
●
●
●●
●
●●●●
●
●●
●
●
●●
●
●
●
●
●●●●●●●●
● ●
●
●
●
●● ●
●
●●
●
●
●
●
●
●●●●
●●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●●
●
●
●
●●
●
●
●
●
●●
●
●
●
●●●
●● ●●
●
●
●
●●●
●
●
●
●
●
●
●
●●●
●
●●●
●
●
●
●
●
●●
●
●
●
●
●
●●●
●
●
●
●
●
●
●●
●
●
●
● ●
●
●●
●
●
●
●
●
●
●
●
●
●
●●
●● ●
●
●
●
●
●
●
● ●●●●
●
●●
●●
●
●
●
● ●●
●
●●
●●
●● ●
●
●
● ●
●●
●●
●
●●●●
●
●
●
●
●●●
●●●
●
●
●●
●
●
●
●
●
●●
●
● ●
●
● ●
●
●●●
●
●
●
●●●●
●●
●●
●
●●●
●
●
●
●● ●●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●●
●
● ●
●
●
●●
●
●
●
●
●●
●●
●
●
●
●●●
●
●
●
●
●
●●
●
●
●●●●
●
●
●
●
●●● ●
●●
●
●●●
●
●
●
●●
●●●
● ●
●
●
●●●●
●
●
●
●●
●●●
●●●●
●
●
●●
●
●
●
●
●
●
●
●
●●
● ●
●
●
●
●●●●●●●●●●
●
●●●●●●●●
● ● ●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●●
●
●
●●●● ●
●
●
●●
●●●●
●●●●●●●●
●
●
●●
●
●
●●●●●
●
●
●●
●
●
●
●
●●●
●●●●●
●
●●
●●
●
●●●
●
●
●
●
●
●●●●●
●
●
● ● ●●●●
●●●●●
●●●
●
●●●●●●●●●
●●●
●
●
●●●
●●
●●●●
●
●●
●
●
●●
●●●●●
●●
●●●●
●
●●
●●●●●●●●●●
●●
●
●●
●
●
●●
●
●
●
●
●
●●●● ●
●
●
●●
●
●●
●●●
●
●●
●
●
●
●●●
●
●
●
●
●
●●
● ●
●
●●
●
●
●
●
●
●●●
●
●●●
●●
●
●●
●
●●●●
●●
●
●
●●●
●
●
●
●
●
●
●
●
●●●●
●●
●●●●●
●●●
●●
●●
●●●
●
●
●
●
●
●●
●
●
●●●
●● ●
●
●
●
●●●
●●
●●●
●●
●
●
●
●
●
●
●
●
●
●●
● ●
●
●
●●
●
●
●● ●
●
●●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
● ●
●
●
●
●
●
●
●
●
●
●●
●●
●●
●
●
●
●●
●●●
●●●
●
●
●
●●●●
●●
●
●● ●
●
●
●
●
●● ●
●
●●
●●
●
●
●●
●● ●
●
●
●●
●
●
●
●
●
●
●●
●
●●
●
●
●●●●
●
● ●●
●
●●
●
●
●
●
●
●●
● ●●
●
●●
●●
●
●
●
●● ●●●
●
●
●●●●●
●
●
●
●●
●
●
●
●
●
●
●
●●
●
●
●●●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●●
●●●
●
●
●
●
● ●
●
●●
●●
●
●●●
●
●●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●● ●
●
●
●
●
●●
● ●
●
●
●●●
●
●●●
●●●
●● ●
●
●
●
●
●
●
● ●●
●●●
●●
●
●●
●
●
●
●
●●
●●●
●
●
●●
●●
●●●●●
●●
●●●●
●●●
●●●●●●●●●●●●●●●●●
●●●●●●●●●
●
●
●●●
●
●●●●●●
●●
●
●
●●
●●
●●
●●●●
●
●●●●
●
●●●●●●●●●●●●
●●●
●●●●
●
●
● ●
●●
●
●● ●
●
●●●
●
●
●
●
● ●●●●●
●●●●
●●
●
●
●●●●●
●●●●
●
●●●●●
●●
● ●
●
●●
●
●●●●●●●●●●●●●●●●●●
●
●
●●●●●
●●●
●●●●●●●●●●●●●●●
●●●●●●●
●
●●●●●
●●
●
●●
●
●●●●●●
●
●●●●●●●●
●●
●●●●●●●
●
●
●
●
●●
●●●● ●
●●
●●●●●●●●●●
●●
●
●●
●
●
●
●
●
●
●
●
●
● ●
●●●
●
●●●●
●
●
●●●●
●
●
●●
●
●
●
●
● ●
● ●●
●●●
●
●●
●●
●●
●●
●
●●●
●
●●
●
●
●
●
●
●
●●
●●
●●●
●
●
●●
●
●●
●
●
●
●
●
●●● ●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●●
●
●●
●
●
●
●●●
●●
●
●●
●
●●
●
●●
●
●
●●
●
●
●
●
●
● ●
●●● ●
●
●●
●
●
●
●
●●
●
●
●●
●
●
● ●
●
●●
●●
●
●
●●
●
●●
●●
●●
●
● ●●
●●
●
●
●●
●●●
●
●●
●
●
●
●●
●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●●
●
●
●●●
●
●●●
●
●
●
●● ●●
●●
●
● ●●●●●
●
●●● ●
● ●●
●●
●●●
●
●
●
●● ●
●
●
● ●
●●●●
●
●
●
●●●
●●
●
●●
●●
● ●
●●
●
● ●
●
●●
●
●
●●●●
●
●
●●
●●●
● ●●
●
●●
●
●●
●●●
●
●
●
●●●
●●
●
●
●
●
●●
●
●●
●●
●
●
●●●●●●
●
●●
●
●●
●
●
●
● ●
●●●
●
●
●●
●●
●
●●
●●●
●
●
●●
●
●
●●●
●
●
●
●
●
●●
●
●
●
●
● ●
●●●
●●● ●●
●
●● ●
●
●●
●●●
●
●
●
●
●● ●●
●
●
●●
●
● ●●●●
●●
●●●
●●
●●●●
●●
●●●
● ●
● ●● ●
●
●
●
●●
●
●
●●●●
●●
●
●
●●●●●
●
●
●
●
●
●
●
● ●
●●●
●●
●
●
●●
●●●
●
●
●
●
●●●
●●
●
●
●
●
●
●
●●
●●●
●●
●●●
●
●
●
●
●
●
●●
●
●
●
●
●●
●
●●
●●
●●
●●
●
●●● ●
●
●
●
●
●●
●●●
●
●
●
●
●
●
●
●●
●
●
●
●●
●●
●
●
●
●
●
●
●
●● ●
●
●●
●●
●
●
●
●●
●●
●●●●●
●●
●●●
●●●
●
●
● ● ●
●
●●●
●
●
●●
●
●
●
●●●
●
●
●●● ●●
●●●●●●●
●●●
●
●
●
●
●●● ●
●
●●
●●
●
●
●
●
●
●●●
●
●
●●
●
●
●●●
●
● ●
●
●
●●●●●●●
●●●
●●●
●
●●●
●
●●
●●●
●●
●●●
●
●
●
●
●
●●
●●
●
●
●●
●●
●
●
●
●
●
●
●
●
●●
●
●●●
●
●●●
●
●
●●
●
●
●
●
●
●●
●
●●
●● ●
●
●
●● ●
●
● ●
●
●●
●
●
●
●
●
●●
●
●●
●●
●●
●
●
●
●●●●●
●
●●
●
●
●
●
●●●
●●●
●
●
●●
●●●●●●
●●
●●●
●
●●
●●
●
●●●●
●
●●●
● ●
●
●
●
●●●
●●●
●
●●
●
●
●
●
●
●
●●●
●
●
●
●
●●
● ●●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●●
●
●
●
●
●
●
●●
●
●
● ●●
●
●
●
●
●
●●
●●
●
●●
●●●
●
●
●
●
●
●
● ●
●●
●
●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●●●●●
●
●
●●
●●●●●
●●
●
●
●
●●●
●
●●●
●
●
●
●● ●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●●
●●●●●●
●
●
●
●
●
●
●●
●
●●
●
●
●
●
●
●
●●●●
●
●●
●
●●
●
● ●●●●
●● ●
●
●
●●●●●●●●●●●●●●●●●●●●●●●●●
●
●
●
●●●●●●
●●
●●●●●●
●
●
●●●●●
●●●●
●●
●●●●●
●● ●
●●●●●
● ●
●
●
●
●
●
●
●
●●
●
●
●
●
● ●●
●
●
●
●
●
●
●●
●●●
●
●
●
●
●
●●
●
●●
●
● ●
●
●
●●
●●●●●●
●
●●
●●
●
●
●
●●●
●
●
●●
●●
●
●●
●
●●
●
●
●
●
●
●
●
●●
●●
●
●● ●
●
●
●●●●
●●●
●
●
●
●
●
●
●
●
●
●
●
●
● ● ●●
●● ●
●
●
●
●
●
●
●
●
●●
●
●
●●
●
●
●
●
●●
●
●
●
●
●●
●●●
●
●
●
●
●●
●
●●●●●
●
●
●
●
●
●●●●
●
●
●
●
●
● ●●●
●●●
●
●
●
●●●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●●●●
●●●
●
●
●
●
●
●
●●●
●
●
●
●
●
●
●
●
●
●
● ●
●●
●
●●
●
●
●
●
●●●●●
●
●
●
●
●● ●
●●
●
●
●
●●
●
●
●
●
●●
●●
●
●
●
●
●
●
●
●
●
● ●
●
●
●●
●
●
●
●
●
●●●
●
●
●
●
●
●
●●
●
●
●
●
●
●●
●
●
●
●
●
●●●
●
●
●●
●●
●
●
●
●
●●
●
●
●●
●
●
●
●
●
●
●
●●
●
●
●●
●
●
●
●
●
●
●
●
●●
●
●
●
●●
●●
●
●
●
●
●●
●
●
●●
●
●
●
●●●●●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●● ●
●●●●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●●
●
●●●
●●
●●
●
●
●● ●●●●
●●
●
●
●
●●
●●●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●●●●
●
●
●●
●●
●
●
●● ●
●●
●
●
●
●
●
●
●
●
●●●●●●●●●
●●
●
●●
●
●●
●●
●●
●
●●
●
●
●●●
●
●
●
●
●●●
●●
●
●
●
●
● ●
●
●
●
●
●
●●
●
● ●
●
●
● ●
●
●
●
●●
●
●●
●
●●
●
●
●
●
●
●●●●●
●●●●●
●●
●
●
●
●
●
●
●●
●
●
●
●●
●●
●● ●
●
●
●
●
●●●●
●●
●●●
●●
●
●●
●
●●●
●●●●●●●●●●●●●
●●●
●
●
●●
●
●
●
●
●
●
●
●●
●
●
●
● ●
●
●
●
●
● ●
●●●● ●
●
●
●●
●
●
●
●●●
●
●
●
●●
●
●
●
●
●●
●
●
●
●●
●
●●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●●●
●
●
●
●
●
● ●
●
●●
●
●
●
●
●
●
●
●●●●●●
●
●
●
●
●
●
●
●
●
●●
●
●●
●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●
●
●●●
●
●
●
●
●
●
●
●
●
●
●●
●●●
●
●
●●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●●● ●
●
●
●
●
●
●
●
●
●● ●
●
●
●
●
●
●
●
●●●
●●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
Les deux premieres figures representent le signal temporel acquis par Imagerie par Resonance Magnetiquefonctionnelle (IRMf) dans un voxel du cerveau lors d’une experience au repos (a gauche) ainsi que sa versioncumulee (a droite). La troisieme figure represente l’observation de la position de 3605 arbres d’une foret tropicale,representes sur une carte d’altitude. Les principales questions soulevees auxquelles mes travaux ont pu repondresont les suivantes
• pour le signal temporel : quel est le degre d’irregularite du signal ? Presente-t-il des caracteristiquesd’autosimilarite ou de dependance ? Ces caracteristiques sont-elles locales ou globales ? Quel est le niveaude dependance entre ce signal et celui acquis dans un voxel voisin ou dans une autre region d’interet ducerveau ?
• pour les donnees spatiales : les arbres sont-ils plutot positionnes independamment les uns des autres ? Aucontraire, ont-ils plutot tendance a se “repousser” ou se concentrer ? L’altitude permet-elle d’expliquer larepartition des arbres ?
B. Parcours personnel et evolution des thematiques
J’ai e↵ectue ma these au sein du Laboratoire de Modelisation et Calcul (LMC) dans l’equipe SMS sous ladirection d’Anestis Antoniadis (PR Section 26) sur la modelisation de signaux tres irreguliers presentantdes caracteristiques d’autosimilarite et de longue dependance.
En 2001, j’ai ete recrute en tant que Maıtre de Conferences a l’Universite Pierre Mendes-France,a↵ecte a l’UFR Economie Strategies et Entreprise renommee en Faculte d’Economie, ou j’e↵ectue essentiellementdes enseignements en probabilites, statistiques et mathematiques financieres. J’ai alors integre le Laboratoirede Statistiques et Analyse de Donnees (LABSAD) qui en 2007 a fusionne avec le LMC et quelques equipes del’INRIA (Montbonnot) pour former le Laboratoire Jean Kuntzmann (LJK, UMR 5224). De cette fusion estnee, l’equipe Figal (Fiabilite et Geometrie Aleatoire) a laquelle je suis rattachee. C’est lors de ces premieresannees (en particulier a partir de 2006-2007) que j’ai commence a m’interesser a la statistique spatiale et enparticulier aux processus ponctuels spatiaux.
Souhaitant orienter mon activite de recherche vers des domaines pluri-disciplinaires, j’ai alors fait la demandede delegation CNRS en Section 07 au sein du GIPSA-lab (UMR 5216, Grenoble) qui m’a ete accordee surla periode 2009-2011. Durant cette periode, mes recherches se sont reorientees principalement sur
• l’analyse de signaux issus d’IRMfs. Les enjeux statistiques etaient l’estimation robuste d’exposantsde fractalite, la modelisation spatiale multivariee de signaux temporels et la mesure de la connectivitecerebrale.
• la statistique pour des donnees circulaires et spheriques avec application a la modelisation duphenomene des taches solaires et la detection de ruptures dans la moyenne geodesique de donnees physi-ologiques angulaires.
Dans le souci de vouloir encadrer personellement des etudiants en these, j’ai prepare et soutenu mon Habilita-tion a Diriger des Recherches, en Novembre 2010 a l’Universite Joseph Fourier. Cette habilitation a marqueune volonte pour moi d’approfondir davantage ma recherche dans le domaine spatial. J’ai par la suite recruteune etudiante en these (N. Morsli, 11-) travaillant sur l’esimation non parametrique de fonctions d’interactionde paires d’un processus ponctuel de Gibbs. Dans cette optique egalement, j’ai e↵ectue de Fevrier 2012 a Juillet2012, un sejour de recherche en tant que chercheur invite a l’universite d’Aalborg au Danemark, notammentpour collaborer avec Jesper Møller, Rasmus Waagepetersen (reconnus sur le plan international, cf e.g. [13]) etEge Rubak. Ce sejour m’a clairement permis de me positionner sur le plan international dans le domaine desprocessus ponctuels spatiaux et a ete tres fructueux puisqu’il a donne lieu a trois articles soumis dont deux aparaıtre dans de tres bonnes revues [A22,A23,S1].
Mon expertise dans les deux principales thematiques est reconnue sur le plan national et international. Jesuis relecteur regulier de plusieurs revues internationales, rapporteur de trois theses de doctorat (cf curriculumjoint), rapporteur pour l’ANR en 2012 et recemment prime par trois projets finances en cours. J’ai par ailleursobtenu le renouvellement de la PES en Novembre 2011, et ai ete recent laureat de deux bourses (l’une en tantque chercheur invite a l’Universite d’Aalborg et l’autre de la part de l’Institut Francais au Danemark afin defavoriser les collaborations franco-danoises).
Par ailleurs, je tiens a souligner que les questions d’animation et transfert de connaissance me tiennentparticulierement a coeur. J’ai ete un membre actif lors de la fusion du LabSAD avec le LJK lors des reformesCNRS de 2006, membre elu du conseil de laboratoire de 2008 a 2011, membre de plusieurs comites de selection(UPMF 04-06, UJF 11), responsable du seminaire de statistiques du LJK depuis 2009, directeur de deux thesesachevees dans des domaines appliquees et d’une en cours dans le domaine de la statistique spatiale. Enfin, jevoudrais insister ici sur le fait qu’un point commun a tous mes di↵erents travaux est que je me suis attachea developper des boıtes a outils principalement dans le logiciel libre R (http://cran.r-project.org/); cecipermet a mon sens de valoriser tout travail et participe a leur di↵usion e�cace. Je suis co-auteur principalementde deux packages R disponibles sur le CRAN (asympTest et dvFBM) et de plusieurs ensembles de procedures R
(liees aux di↵erents papiers) telechargeables sur ma page personnelle (references [L1]-[L6]).La suite de cette premiere partie du rapport scientifique decrit un peu plus en detail mes di↵erents travaux
de recherche en tentant de mettre l’accent sur les resultats majeurs. Ils sont regroupes par thematique touten conservant un certain ordre chronologique.
C. Signaux temporels tres irreguliers et dependants
Durant mes premiers travaux de these, je me suis interesse a la modelisation et l’inference du mouvementBrownien fractionnaire (mBf). Depuis le travail pionnier [11], ce processus est devenu tres populaire pourmodeliser des signaux 1d presentant des caracteristiques autosimilaires et/ou a longue memoire. Pour resumer,ce processus est l’unique processus Gaussien centre a accroissements stationnaires et autosimilaires de parametreH 2 (0, 1) appele exposant de Hurst. En particulier, on retrouve lorsque H = 1/2 le mouvement Brownienstandard. La Figure 1 illustre ce processus.
De part ces di↵erentes caracteristiques, ce processus a ete utilise dans de nombreux domaines tels quel’hydrologie ou la biologie par exemple. L’inference de ce type de processus est une tache delicate et pri-mordiale. Dans [A1], j’ai realise une synthese bibliographique et comparative de methodes de simulation etd’estimation des parametres (essentiellement de l’estimation de l’exposant de Hurst) qui a constitue un packageimplemente dans le logiciel R. J’ai aussi propose dans [A2] une methode ayant d’excellentes proprietes vis-a-visde l’ensemble des autres methodes et en particulier de la methode du maximum de vraisemblance. Cette meth-ode, inspiree de [8] est basee sur des variations discretes des donnees par une serie de filtres dilates les uns desautres, ces di↵erents filtrages ayant pour but de detruire la correlation des observations. Diverses proprietesimportantes quant a ce type de procedures (forte consistance, resultats de normalite asymptotique, optimalite)ont ete demontrees dans [A2] et [A3] et etendues d’un point de vue local dans un travail finalise apres la theseet publie dans Bernoulli [A4] au mouvement Brownien multifractionnaire, extension du mbf au sens ou leparametre H devient une fonction evoluant au cours du temps.
A partir de 2007, j’ai entame des discussions avec le GIPSA-lab et notamment avec S. Achard (CNRS)et P.O. Amblard (CNRS) pour tenter de modeliser le bruit sous-jacent a des donnees issues d’IRMfs. Cettetechnique d’acquisition non invasive permet au travers de la mesure de l’e↵et BOLD (Blood Oxygen LevelDependent) de quantifier l’activite cerebrale. Les donnees qui en resultent consistent en l’acquisition d’imagesvolumiques du cerveau (de l’ordre de 50000 voxels) au cours du temps (toutes les 1.5 a 6 sec.), c’est-a-dire aurecueil d’un signal temporel dans chaque voxel du cerveau. La Figure 2 illustre le type de donnees d’interet.
Dans ce contexte, mes precedents travaux de recherche ont trouve ici un champ de recherche methodologiqueet pratique formidable. Depuis le travail de Zarahn et ses coauteurs [15], il semble admis que le decours temporelpour un sujet au repos exhibe des proprietes de bruit en 1/f , c’est-a-dire presente des fortes irregularites,des caracteristiques de type fractal et des caracteristiques longue memoire. Une modelisation par un bruitgaussien fractionnaire a notamment ete utilisee par Maxim et ses coauteurs [12] qui ont applique avec succes cemodele pour discriminer des patients atteints de la maladie d’Alzheimer de patients sains. Avec S. Achard (CRCNRS, GIPSA), nous avons eu pour objectif d’analyser la nature fractale de tels signaux dans le cadre d’uneapplication a des patients dans le coma. L’objectif est de proposer aux medecins de nouveaux descripteurs desseries temporelles et donc de l’activite cerebrale. Ce travail s’est realise dans le cadre d’un projet BQR-INPGModyc (Modelisation dynamique du cerveau, 08-10) puis du projet ANR InfoNetComBrain 10-13 dont je suis leresponsable de l’axe methodologie statistique. Ce contexte d’applications des modeles fractionnaires a ce typede donnees a necessite de
(i) developper des strategies robustes d’estimation, possedant de bonnes proprietes a taille d’echantillon faible(de l’ordre de 300 dans notre application).
(ii) prendre en compte la dimension spatiale des signaux temporels en proposant, analysant et inferant desmodeles multivaries exhibant des proprietes autosimilaires.
(i) Detaillons un peu ce point et notamment le resultat majeur obtenu. En 2006, [14] ont montre quel’ensemble des procedures classiques pour estimer l’exposant de Hurst sont tres peu robustes a des donneesaberrantes; ils proposent sans aucune justification theorique de remplacer la variance empirique des coe�cientsd’ondelettes a chaque echelle par la mediane des coe�cients d’ondelettes au carre. J’ai etendu cette procedurea des combinaisons lineaires de quantiles empiriques et a des moyennes tronquees et demontre que ces nouvellesprocedures sont particulierement robustes a un modele de type AO (additive outliers, e.g. [4]) et presqueaussi e�caces qu’une methode standard dans un cas non perturbe. La grande di�culte de ce travail a residedans l’obtention de proprietes asymptotiques. Pour cela, j’ai entre autres etabli une representation de typeBahadur pour un quantile empirique d’un processus gaussien subordonne dont la fonction de covariance decroıthyperboliquement. Ce travail a ete publie seul dans une des revues les plus presitigieuses du domaine, Annals
of Statistics [A6]. Par la suite, j’ai considere d’autres contaminations possibles de signaux fractionnaires (bruitadditif, problemes d’arrondi) dans [A7,A10,A15] et egalement investiguer des methodes d’estimation basees surdes inegalites de concentration dans [A14,A21] en collaboration notamment avec Brani Vidakovic (GeorgiaTechnology University).
(ii) La nature intrinseque de ces donnees nous a incites a etendre le mbf a un cadre multivarie. Une telleextension a ete proposee recemment par [5] dans un cadre assez probabiliste. En collaboration principalementavec P.O. Amblard (CNRS), A. Philippe et F. Lavancier (Nantes), nous avons etabli des proprietes importantespour l’inference (covariances croisees, matrice de la densite spectrale,...) ainsi qu’une maniere e�cace et rapidepour simuler ce processus dans [A13,A19] (voir la Figure 3 pour quelques exemples). L’inference de ce modeleet notamment l’estimation jointe des exposants de Hurst a ete entreprise en etendant de maniere tout a faitastucieuse une procedure univariee et a donne lieu a une publication dans IEEE Transactions on SignalProcessing [A12].
Ces di↵erentes methodologies ont ete appliquees et presentees dans deux conferences [P2,P5] ou nous pro-posons entre autres des cartes d’estimations d’exposants de Hurst pour des patients dans le coma. La collab-oration se poursuit encore: nous tentons de combiner les aspects (i) et (ii) pour estimer de maniere robusteet en tenant compte des aspects spatiaux la correlation entre deux signaux temporels associes a deux regionsd’interet, la finalite etant de construire des graphes de connectivite du cerveau [S2].
D. Statistique des processus ponctuels spatiaux
Les processus ponctuels sont des modeles stochastiques issus de la physique statistique qui permettent demodeliser la repartition spatiale de points ou de particules en interaction (ou plus generalement de structuresgeometriques telles que des segments, triangles, cellules de Voronoı, boules aleatoires). Ces processus sont utilisesdans de tres nombreuses applications en foresterie (pour modeliser la localisation d’arbres), en demographie (lo-calisation d’especes), en planetologie (distribution de galaxies), biologie, economie, infographie,. . . Le modele dereference est le processus de Poisson etroitement lie a la notion d’independance. Les modeles de Gibbs/Markov,les modeles de Cox ou encore les processus ponctuels determinantaux constituent des alternatives au processusde Poisson, permettant de modeliser des phenomenes attractifs ou repulsifs ou des arrangements structures.
J’ai demarre cette thematique en 2007, au contact de R. Drouilhet et J.-M. Billiot (LJK) avec qui j’airealise plusieurs travaux dans la classe des processus de Gibbs. Un processus ponctuel consiste en la donneed’un ensemble x = {xm1
1 , . . . , xmnn } (dont le nombre de points n = n(x) est aleatoire) ou xi represente une
localisation (par exemple du plan) munie d’une marque mi 2 M pouvant etre continue, discrete, univariee oumultivariee,. . . Un processus de Gibbs se definit comme un processus qui admet une densite (conditionelle) parrapport au processus de Poisson d’intensite 1. La Figure 4 illustre le type de donnees d’interet.
La classe de processus de Gibbs marques est extremement riche, voir [7],[13] pour une revue. Pour estimer les parametres d’une intensie conditionnelle d’un processus ponctuel deGibbs marque, deux methodes largement utilisees consistent a maximiser soit la fonction de vraisemblance soitde pseudo-vraisemblance. La pseudo-vraisemblance a le tres grand avantage de ne pas necessiter le calcul dela constante de partition, tache di�cile dans le cadre des processus de Gibbs. Les premiers resultats asymp-totiques de l’estimateur du maximum de la pseudo-vraisemblance ont ete etablis dans [10, 9]. Dans [A8], encollaboration avec R. Drouilhet et J.-M. Billiot, nous avons etendu pour de nombreux modeles dont la fonctionenergie etait localement stable, a portee finie et appartenant a la famille exponentielle. Dans [A11], ce travaila ete generalise pour inclure le modele de Lennard-Jones, modele tres connu en physique statistique. Enfin,dans cette meme thematique et en collaboration avec D.Dereudre (Univ. Lille), F. Lavancier et R. Drouilhet,nous avons revisite la methode de Takacs-Fiksel dans [A16] (paru dans Scandinavian Journal of Statistics).Cette methode s’apparente a une methode de type methode de moments. Nous avons en particulier montreque cette methode permettait d’estimer le modele Quermass (extension du modele Area-interaction process etmodele booleen) sans supposer que la position des graines soit connue; seules les caracteristiques geometriquesde l’ensemble aleatoire observe (perimetre, surface,. . . ) sont utilisees.
Sous l’impulsion de T. Hurtut (Univ. Paris Descartes) et J. Thollot (INPG, Equipe Artis LJK), un travailen commun a ete realise entre les equipe Figal et ARTIS du LJK. Le contexte de ce travail etait la reproductiond’une configuration de motifs a grande echelle : un utilisateur dessine un certain nombre d’objets geometriques,de maniere plus ou moins organisee; un algorithme de categorisation de ces objets est alors applique. Lescentres de ces objets sont modelises par un processus ponctuel marque (la marque representant ici la categorie
de l’objet, son orientation,. . . ), les parametres sont ensuite estimes (par maximum de pseudo-vraisemblance)ce qui permet (si le modele est bon) de pouvoir reproduire le dessin sur une fenetre beaucoup plus grande. Cetravail, illustre par la Figure 5, a ete presente a la conference NPAR’09 [P1].
Une fois que l’on dispose d’une methodologie pour estimer les parametres d’un modele, la question naturellequi s’ensuit est celle de savoir si le modele est adapte ou non aux donnees considerees. Dans le cadre d’unprocessus ponctuel de Poisson (homogene ou non), il existe une multitude de tests d’adequation (cf e.g. [6])bases sur de solides justifications theoriques. Pour un modele plus sophistique, il n’existe aucune proceduretheorique. Je me suis interesse a ce probleme fondamental et complexe avec F. Lavancier en utilisant la notionde residus qui dans le contexte des processus de Gibbs a ete proposeee tres recemment par [3] et partiellementetudiee dans [1]. Dans un article paru dans la meilleure revue statistique du moment Journal of the RoyalStatistical Society Series B [A18], nous avons etabli des resultats asymptotiques concernant ces residus.Ceux-ci nous ont permis de developper des tests d’adequation. Les premiers resultats en decoulant sont tresprometteurs.
J’ai intensifie cette thematique depuis la soutenance de mon HDR [T2] en novembre 2010. D’une part j’airecrute N. Morsli qui e↵ectue une these sous ma direction (un premier papier est actuellement soumis [S5]),encadre un etudiant en M2R (B. Zupancic 2012), participe a la creation du GDR GeoSto porte par P. Calka(Univ. Rouen). En particulier, les prochaines journees du GDR, sous mon initiative, se derouleront a Grenobledu 02 au 05 Avril 2013. Cette thematique est egalement reconnue sur le plan local. Elle a ete soutenue par l’UJF(projet MSTIC SpaComp dont je suis le porteur) et par l’UPMF (projet BQR Stein dont je suis le porteur).Enfin, j’ai souhaite intensifier mes collaborations internationales sur ce theme ce qui m’a pousse a postuler surune bourse de chercheur invite a l’universite d’Aalborg, sejour e↵ectue de Fevrier a Juillet 2012.
Dans le cadre de ce sejour tres fructueux, trois papiers ont et soumis [A22,A23,S1]. Dans [A22], en collabo-ration avec E.Rubak (Aalborg Univ.) nous avons propose une methode rapide et peu couteuse pour estimer lacovariance de fontionelles de processus de Gibbs. Ces procedures, implementees au sein du package R spatstat
(package de reference dedie a l’analyse statistique des processus ponctuels spatiaux maintenu par A. Baddeley)ont ete appliques pour proposer des intervalles de confiance des parametres d’un modele de Gibbs estimes parpseudo-vraisemblance.
Cette fonction de pseudo-vraisemblance justement est un contraste entre une somme aleatoire indexee par lespoints de x et d’une integrale indexee par le domaine d’observation. Dans [2], les auteurs montrent que l’on peutapprocher le contraste pseudo-vraisemblance par celui d’une regression poissonienne implementee de manieretres e�cace et tres simple en utilisant la procedure glm de R. Comme le precisent les auteurs de [2], si la grilleutilisee pour discretiser l’integrale n’est pas tres fine, les estimateurs en resultant sont biaises. Cette contrainteralentit fortement la procedure. Dans [S1] soumis a Biometrika, en collaboration avec A. Baddeley (Univ.Western Australia), E. Rubak et R. Waagepetersen (Aalborg Univ.), nous avons propose une nouvelle methodebasee sur la regression logistique. Cette nouvelle methode reste rapide et simple car l’utilisation d’un modeleglm peut encore etre envisagee. Elle est sans biais et aussi e�cace que la pseudo-vraisemblance. Les resultatsempiriques sont tres clairs et la procedure en resultant, egalement implementee dans spatstat, deviendra denotre point de vue la methode d’estimation par defaut.
Enfin, avec J. Møller (Aablorg Univ.), nous avons developpe une approche variationnelle pour estimer leparametre vectoriel ✓ du modele ⇢(u) = exp(� + ✓>z(u)) (u 2 Rd,� > 0) de l’intensite d’un processus ponctuelspatial inhomogene general (Cox, Gibbs, determinentaux). Les fonctions spatiales zi(u) peuvent en particulierrepresenter des covariables (comme le champ d’altitude dans la figure p.2). Contrairement a toutes les autresmethodes existantes (e.g. [13]), notre estimateur est obtenu sans optimisation et ne requiert l’echantillonnagedes covariables zi(u) que dans un voisinage des points observes. Ce travail vraiment prometteur fait l’objet d’unpapier [A23] a paraıtre dans Bernoulli.
E. Fouille de donnees et theorie de l’information
J’ai co-dirige la these de J.-F. Robineau (en collaboration avec C. Garbay (DR CNRS, LIG) et R. Drouilhet(MCF Section 26) dont l’intitule est : Methodes de selection de variables (parmi un grand nombre) dans uncadre de discrimination. Le contexte etait le suivant: on dispose de n observations de p variables X1, . . . , Xp
(avec p >> n) qui peuvent aussi bien etre continues, discretes ou categorielles et d’une variable Y discrete.Le but consiste a selectionner un nombre relativement restreint de variables dans l’objectif de discriminer lavariable Y . La strategie adoptee consiste a quantifier chacune des variables de maniere a les rendre moins com-plexes et le plus ressemblant a Y , et ensuite d’utiliser ces versions quantifiees dans une procedure de selectionde type ascendante. Chacune de ces deux etapes necessite l’utilisation d’une distance de dissimilarite. AvecJ.-.F Robineau et R. Drouilhet, nous avons propose de nouvelles distances basees sur l’entropie et l’informationmutuelles dans [A5] et exhibe des proprietes originales pour le probleme de quantification et de selection devariables. Jean-Francois Robineau est maintenant consultant en statistique et a monte sa propre entreprise.
F. Contributions a la statistique appliquee
En collaboration avec Remy Drouilhet, je developpe depuis 2001 une approche experimentale (ou frequen-tiste) des probabilites pour tenter de visualiser graphiquement des concepts statistiques (tels que les notionde test d’hypotheses et d’intervalle de confiance) et probabilistes ceci afin d’eviter de trop lourdes techniquesmathematiques souvent mises en avant dans notre domaine. Dans cette optique nous avons donc developped’une part des logiciels visuels a caractere pedagogique et d’autre part un systeme de notations adapte a notrediscours. Ce travail constitue une contribution a la didactique de la statistique valorise par trois conferences[C3,C5,C6], un package R (asympTest) accompagnant le papier [A9] et de nombreux supports de cours.
En collaboration avec Sophie Ebermeyer et Melanie Sevin (travaillant chez Economie et Humanismehttp://www.economie-humanisme.org/), j’ai participe au depouillement d’enquetes de donnees de panel con-cernant le devenir de travailleurs beneficiaires de contrats d’insertion. Ce travail a ete concretise par la redactionde trois rapports [R1,R2,R3].
En 2006, j’ai obtenu (avec R. Drouilhet) un contrat de 15000 euros associant le Laboratoire Interuniversitairede Psychologie et le LJK pour e↵ectuer des traitements statistiques dans le cadre de la these d’A. Derbier (Dr.LIP, Grenoble) portant sur la prevention du risque suicidaire chez les adolescents. Dans le cadre de cette these,nous avons ete amenes a construire un nouveau test d’hypotheses de comparaison de moyennes pour des donneesnon gaussiennes et melangeant des donnees appariees et independantes [R4]. Ce nouvel outil a ete integre aupackage asympTest.
Enfin, j’ai co-dirige avec B. Liquet (MCF Section 26, Bordeaux) et J.-F. Timsit (DR INSERM Grenoble) lathese de Moliere Nguile Makao soutenue en Novembre 2010. L’objectif principal de ce travail etait la previsionde la pneumonie nosocomiale dans le service des urgences de Grenoble, en utilisant les modeles multi-etatsmarkoviens non homogenes. En particulier, nous nous sommes attaches a estimer la mortalite attribuable due ala pneumonie nosocomiale en tenant compte de l’heterogeneite de la population. Ce travail publie en commundans Biometrical Journal [A20] a ete implemente sous R. Depuis 2011, ces programmes sont toujours utilisessur la base de donnees evolutive sur laquelle Moliere a travaille. M. Nguile Makao est maintenant chercheurpost-doctorant a l’Universite de Laval (Canada, sous la direction d’A. Bureau).
H. Donnees circulaires et spheriques (11-)
Dans le cadre d’un projet IXXI Systemes Complexes, sunspot (dont je suis le porteur) visant a modeliserle phenomene des taches solaires, je me suis interesse aux donnees spheriques et circulaires; les taches solairespouvant s’apparenter a la realisation d’un processus ponctuel marque (par sa surface) a valeurs sur la sphere(voir Figure 6). En particulier, avec N. Le Bihan (Gipsa-lab) nous avons etudie dans [A20] une nouvelleloi circulaire sous un angle statistique (proprietes, simulation, estimation des parametres par maximum devraisemblance), appelee loi geodesique normale circulaire. Nous avons montre en particulier que lorsque lesparametres moyennes et variances sont definis a partir de la distance geodesique sur le cercle cette distributionse trouve etre la distribution de “reference” tout comme l’est la loi normale standard dans Rp. Actuellement,nous tentons (en collaboration avec N. Le Bihan et J. Lilenstein du Laboratoire de Planetologie de Grenoble)d’appliquer cette distribution sur la sphere pour estimer l’intensite des taches solaires.
Parallelement a ce projet, j’ai collabore avec des chercheurs en Sciences du sport de Rouen (principalementL. Seifert et R. Herault); disposant de donnees angulaires temporelles associees a la di↵erence d’angle formeepar les piolets de grimpeurs de cascade de glace, la problematique etait la caracterisation des periodes ou legrimpeur n’evoluait plus et la discrimination entre grimpeurs confirmes et debutants (grimpant chacun a leurniveau maximum). Cette problematique a ete apprehendee dans [A25] en etendant sur le cercle une methodede detection de ruptures (rapide et e�cace) de la moyenne geodesique, comme l’illustre le resultat de la seg-mentation dans la Figure 7.
0 50 100 150 200 250 300
−1.5
−1.0
−0.5
0.0
0 50 100 150 200 250 300
−0.8
−0.6
−0.4
−0.2
0.0
0.2
0.4
0 50 100 150 200 250 300
0.0
0.1
0.2
0.3
0.4
Figure 1: Trajectoires de mBf discretisees de taille n = 1000 et de parametre H = 0.3, 0.5 et 0.8.
Figure 2: Les donnees consistent en images volumiques du cerveau au cours du temps (mesurant l’e↵et BOLD) ou si lecerveau est parcellise en region d’interet au recueil d’une serie temporelle dans chaque voxel de chaque region d’interet.
Figure 3: mBf multivarie a 20 composantes, d’exposants de Hurst equierepartis et de correlation constante ⇢ij (gauche)H = Hij 2 [0.3, 0.4], ⇢ij = 0.7. (milieu) Hij 2 [0.8, 0.9], ⇢ij = 0.7 (droite) Hij 2 [0.4, 0.8], ⇢ij = 0.3.
Figure 4: Realisations plus ou moins repulsives du processus de Strauss Hard-core dans le carre unite.
Figure 5: Pour chaque motif, la figure en haut a gauche represente un dessin de l’artiste sur lequel un algorithme decategorisation est applique en haut a droite. La figure en bas represente une realisation d’un processus ponctuel marquedont les parametres correspondent a l’estimation d’un modele particulier des centres des objets categorises.
Figure 6: Exemple de donnees de taches solaires en coordonnees heliographiques a deux dates di↵erentes.
0 500 1000 1500−50
050
●
●●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
0 500 1000 1500
−100
−50
050
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
Figure 7: La figure de gauche illustre les donnees angulaires mesurees au cours du temps. Au milieu et a droite, la serieangulaire correspondant aux piolets pour un debutant et un expert sont represetees. Sur ces figures sont superposees lessegmentations issues de notre algorithme.
References
[1] A. Baddeley, J. Møller, and A.G. Pakes. Properties ofresiduals for spatial point processes. Annals of the In-stitute of Statistical Mathematics, 60(3):627–649, 2008.
[2] A. Baddeley and R. Turner. Practical maximum pseu-dolikelihood for spatial point patterns (with discus-sion). Australian and New Zealand Journal of Statis-tics, 42:283–322, 2000.
[3] A. Baddeley, R. Turner, J. Møller, and M. Hazelton.Residual analysis for spatial point processes. Jour-nal of the Royal Statistical Society (series B), 67:1–35,2005.
[4] J. Beran. Statistics for long-memory processes. Chap-man & Hall/CRC, 1994.
[5] G. Didier and V. Pipiras. Integral representationsof operator fractional Brownian motions. Bernouilli,17(1):1–33, 2011.
[6] P.J. Diggle. Statistical analysis of spatial point pat-terns. Academic Press, London, 2003.
[7] C. Gaetan and X. Guyon. Spatial Statistics and Mod-eling. Springer Verlag, 2009.
[8] J. Istas and G. Lang. Quadratic variations and esti-mation of the holder index of a gaussian process. Ann.Inst. H. Poincare Probab. Statist., 33:407–436, 1997.
[9] J.L. Jensen and H.R. Kunsch. On asymptotic normal-ity of pseudo likelihood estimates of pairwise interac-tion processes. Ann. Inst. Statist. Math., 46:475–486,1994.
[10] J.L. Jensen and J. Møller. Pseudolikelihood for expo-nential family models of spatial point processes. Ann.Appl. Probab., 1:445–461, 1991.
[11] B. Mandelbrot and J. Van Ness. Fractional brown-ian motions, fractional noises and applications. SIAMRev., 10:422–437, 1968.
[12] V. Maxim, L. Sendur, J. Fadili, J. Suckling R., Gould,R. Howard, and E. Bullmore. Fractional Gaussiannoise, functional MRI and Alzheimer’s disease. Neu-roImage, 25(1):141–158, 2005.
[13] J. Møller and R. Waagepetersen. Statistical Inferenceand Simulation for Spatial Point Processes. Chapmanand Hall/CRC, Boca Raton, 2003.
[14] S. Stoev S., M. Taqqu M., C. Park, G. Michailidis, andJ.S. Marron. Lass: a tool for the local analysis of self-similarity. Comput. Statist. Data Anal., 50:2447–2471,2006.
[15] E. Zarahn, G.K. Aguirre, and M. d’Esposito. Empir-ical analyses of BOLD fMRI statistics. NeuroImage,5(3):179–197, 1997.
5. Activite d’enseignement
Pour etayer la description des enseignements e↵ectues depuis mon doctorat, j’invite le lecteur a visiter mapage personelle (http://www-ljk.imag.fr/membres/Jean-Francois.Coeurjolly/) ainsi que la page com-mune avec R. Drouilhet (http://cqls.upmf-grenoble.fr/) pour un detail des documents produits dans lecadre de ma fonction d’enseignant.
Economie Gestion (2001-2009,2011-)
I Niveau L1
• Mathematiques: algebre lineaire, analyse, mathematiques financieres. En charge de plusieurs groupesde TD pendant environ 6 ans.
• Statistiques Descriptives: statistiques univariees, bivariees, regression lineaire, series chronologiques,indices synthetiques. En charge de plusieurs groupes de TD (de 2 a 4 par an) pendant environ 7 anset du Cours Magistral pendant 2 ans depuis 2011. Dans le cadre du plan de reussite en L1 nous avonsen collaboration avec Herve Charmettant (MCF Economie) developpe un module de renforcementdestine a augmenter les chances de succes a l’examen de seconde session.
I Niveau L2
• Statistiques Inferentielles: introduction aux probabilites par une approche experimentale, estimationponctuelle, estimation par intervalles de confiance, tests d’hypotheses parametriques (dans un cadregaussien et asymptotique). C’est dans le cadre de ce cours que nous avons developpe une approcheoriginale avec R. Drouilhet (voir paragraphe F. de la description de mes travaux de recherche). Encharge de plusieurs groupes de TD (2 a 3 par an) depuis 2001 et du Cours Magistral en collaborationavec R. Drouilhet jusqu’en 2011.
I Niveau L3
• Econometrie: modeles de regression lineaire simple et multiple, tests de significativite, phenomenesde colinearite, variables qualitatives. En charge du Cours Magistral du TD pendant environ 4 ans(en collaboration avec R. Drouilhet) et de Travaux Pratiques sous le logiciel R pendant 2 ans.
• Econometrie en EAD: meme programme que precedemment mais dans le cadre d’un Enseignementa Distance necessitant donc la production de documents specifiques et le suivi d’etudiants. Coursmonte et partage avec R. Drouilhet pendant 7 ans.
I Niveau maıtrise et DEA (avant la reforme LMD)
• Econometrie avancee: infractions des hypotheses standard des modeles de regression lineraire, col-inearite, heteroscedasticite, modeles logit/probit, series chronologiques. En charge du Cours Magis-tral, du TD et des TP sous R partages avec R. Drouilhet pendant environ 3 ans.
I Niveau Doctorat:
• Atelier d’econometrie: en collaboration avec R. Drouilhet, nous avons monte un groupe de travailautour des doctorants. Les doctorants viennent avec leur problematiques economique ainsi qu’avecles donnees qu’ils souhaitent traiter, presentent la problematique au groupe et nous tentons au traversde discussions d’orienter le doctorant vers telle ou telle methodologie statistique. Dans le cas echeantnous refaisons quelques rappels ou complements des methodologies statistiques ainsi qu’une formationlogicielle. Cette collaboration a perdure pendant environ 4 ans (une trentaine d’heures par an).
Dans le cadre du MASTER MASSS (2006-2009)
(Mathematiques Appliquees et Statistiques appliquees au Sciences Sociales)
I Niveau M1:
• Introduction aux probabilites et statistique: rappel de concepts probabilistes et statistiques par uneapproche experimentale. En charge du Cours/TD et des TP sous R en collaboration avec R. Drouilhetpendant 3 ans.
• Methodes de reechantillonnage: introduction aux techniques de reechantillonnage par Bootstrap,permutation,. . . . En charge du Cours/TD et des TP sous R en collaboration avec R. Drouilhetpendant 2 ans.
I Niveau M2:
• Suivi de plusieurs etudiants en stage de M2 Pro (duree 3 a 6 mois).
Autres Enseignements
I Licence Biologie (98-00): (en tant que vacataire pendant le doctorat) niveau L1/L2 Cours/TD d’introductionaux probabilites, statistiques descriptives et inferentielles.
I IUP MAI (98-00): (en tant que vacataire pendant le doctorat) TD et TP sous octave/matlab deprobabilites (variables aleatoires, vecteurs aleatoires, theoremes limites,. . . ).
I ENSGI 1ere annee (03-05): TD et TP sous R de probabilites (variables aleatoires, vecteurs aleatoires,theoremes limites,. . . ).
I Master Mathematiques Appliquees et Informatique, M2R (2011-2013): Cours Magistral (enanglais en 2012) sur le theme ‘Processus ponctuels spatiaux’ environ 10h/an.