Estelle Kuhn home page

Estelle Kuhn

Directrice de recherche en statistique au laboratoire MaIAGE de INRAE - Université Paris Saclay

Responsable de l'équipe Dynenvie du département Mathématiques et Numérique

Directrice déléguée aux interfaces de la Graduate School Mathématiques de l'Université Paris Saclay

Adresse:
INRAE UNITÉ MaIAGE
Domaine de Vilvert
78352 Jouy-en-Josas Cedex - FRANCE
Email: estelle.kuhn AT inrae.fr

Projets de recherche en cours

Projet ANR de recherche collaborative Stat4Plant Statistics for characterizing interactions between plant and its environment (coordinatrice, 2021-2025, partenaires INRAE MaIAGE, MIAP, GQE Le Moulon, IJPB, CentraleSupelec MICS, UTC Heudiasyc). .

Projet ANR PEPR Agro-écologie et numérique Cobreeding Co-conception de schémas de sélection animale et végétale pour améliorer la multiperformance (économique, sociale et environnementale) et développer des productions agroécologiques (responsable de tâche, 2023-2027, partenaires INRAE Gabi, Genphyse, MaIAGE, MIAP, GQE Le Moulon, IJPB ).

Actualités

Soutenance de thèse de Tom Guédon jeudi 5 décembre 2024 14.00 IMO amphi Yoccoz Tests des composantes de la variance dans les modèles à effets mixtes pour des petits échantillons. Application à l’étude de la variabilité génotypique chez Arabidopsis thaliana .

Offre de stage de master 2 .Inférence post sélection de modèles en grande dimension dans des modèles à effets mixtes .

Chaire de professeur junior en statistique INRAE-Université Paris Saclay à pourvoir au centre INRAE de Jouy-En-Josas à MaIAGE en 2024 (pourvu).

Offre de stage de master 2 .Inférence jointe dans un modèle animal mixte bi-caractères non gaussien pour améliorer la sélection génétique (pourvu). .

Conférence internationale biennale StatMathAppli, 18 au 22 septembre 2023, Fréjus, France. Conférenciers invités : Marco Cuturi, ENSAE, Apple ML Research ; Gareth Roberts, University of Warwick.

Offre de post-doc .Optimisation multi-critère et estimation en présence d’aléa. Application à la sélection de variétés multi-performantes en végétal en présence de variabilité environnementale (pourvu). .

Conférence internationale biennale StatMathAppli, 29 août au 2 septembre 2022, Fréjus, France. Conférenciers invités : Rebecca Willet, University of Chicago ; Richard Nickl, University of Cambridge.

Conférence « Femmes de sciences », jeudi 23 juin 2022, Prépa Troyes, Modélisation et statistique pour l’amélioration des plantes.

Conférence internationale biennale StatMathAppli, 2 au 6 septembre 2019, Fréjus, France. Conférenciers invités : Peter Bühlmann, ETH Zürich, Suisse ; Matthieu Lerasles, Université Paris Sud, France.

Cours Modèles à effets mixtes : inférence et choix de modèles (diapos), Ecole de recherche de printemps 2019, Chaire Modélisation Mathématique et Biodiversité, École Polytechnique, Muséum national d'Histoire naturelle, Fondation de l'École Polytechnique, VEOLIA Environnement, Aussois, France.

Conférence destinée à un public lycéen et étudiant Data is everywhere : Modélisation et statistique pour l'amélioration des plantes (vidéo), 28 novembre 2018, Centre International de Rencontres Mathématiques, Luminy, France.

Thèmes de recherche

Modélisation à variables latentes : modèles à effets mixtes, modèles de Markov caché, modèles de fragilité en analyse de survie, modèles joints, modèles déformables en image, modèles épidémiques, processus partiellement observés.
Estimation par maximum de vraisemblance, estimation bayésienne.
Algorithmes d'optimisation stochastiques, Expectation Maximization, Monte Carlo Markov Chain.
Test d'adéquation pour des modéles à effets mixtes, test des composantes de la variance.
Applications en amélioration des plantes, en génétique, en analyse de survie, en écologie, en épidémiologie, en imagerie, en agronomie, en pharmacologie, en géophysique.

Publications

A. Oodally, L. Duchateau, E. Kuhn. Convergent stochastic algorithm for parameter estimation in frailty models using integrated partial likelihood. arXiv, to appear in Journal of Statistical Planning and Inference, 2025.
T. Guédon, C. Baey, E. Kuhn. Estimation of ratios of normalizing constants using stochastic approximation : the SARIS algorithm. arXiv, 2024.
T. Guédon, C. Baey, E. Kuhn. Bootstrap test procedure for variance components in nonlinear mixed effects models in the presence of nuisance parameters and singular Fisher Information Matrix. Biometrika, 111 (4), 1331–1348, 2024.
C. Baey, M. Delattre, E. Kuhn, J.B. Leger, S. Lemler. Efficient preconditioned stochastic gradient descent for estimation in latent variable models. International Conference on Machine Learning, 2023.
C. Baey, E. Kuhn. varTestnlme: an R package for Variance Components Testing in Linear and Nonlinear Mixed-effects Models. Journal of statiscal software, Vol. 107, Issue 6, 2023.
M. Delattre, E. Kuhn. Estimating Fisher Information Matrix in Latent Variable Models based on the Score Function. Computo, 2023.
A. Caillebotte, E. Kuhn, S. Lemler. Estimation and variable selection in a joint model of survival times and longitudinal outcomes with random effects. arXiv, 2023.
A. Oodally, E. Kuhn., K. Goethals, L. Duchateau. Modeling dependent survival data through random effects with spatial correlation at the subject level. arXiv, 2020.
E. Kuhn, C. Matias, T. Rebafka. Properties of the Stochastic Approximation EM Algorithm with Mini-batch Sampling. Statistics and Computing , Vol. 30, pp 1725--1739, 2020.
C. Baey, P.H. Cournède, E. Kuhn. Asymptotic distribution of likelihood ratio test statistics for variance components in nonlinear mixed effects models. Computational Statistics and Data Analysis, Vol. 135, pp 107--122, 2019.
R. Rincent, E. Kuhn, H. Monod, F.-X. Oury, M. Rousset, V. Allard, J. Le Gouis. Optimization of multi-environment trials for genomic selection based on crop models. Theoretical and Applied Genetics , Vol. 130, Issue 8, pp 1735--1752, 2017.
E. Kuhn, K. Goethals, C. El-Nouty and L. Duchateau. Assessing the correlation structure in cow udder quarter infection times through extensions of the correlated frailty model. Journal of Agricultural, Biological, and Environmental Statistics , Vol. 21, Issue 4, pp 601--618, 2016.
S. Allassonnière, S. Durrleman and E. Kuhn. Bayesian Mixed Effect Atlas Estimation with a Diffeomorphic Deformation Model. SIAM Journal on Imaging Sciences , Vol. 8, Issue 3, pp 1367-1395, 2015.
S. Allassonnière and E. Kuhn. Convergent Stochastic Expectation Maximization algorithm with efficient sampling in high dimension. Application to deformable template model estimation. Computational Statistics and Data Analysis , Vol. 91, pp 4-19, 2015.
G. Fort, B. Jourdain, E. Kuhn, T. Lelièvre, G. Stoltz. Convergence of the Wang-Landau algorithm. Mathematics of Computation , Vol. 84, pp 2297-2327, 2015.
S. Huet, E. Kuhn. Goodness-of-fit test for Gaussian regression with block correlated errors. Statistics: A Journal of Theoretical and Applied Statistics, Vol. 49, Issue 2, pp 239-266, 2015.
G. Fort, B. Jourdain, E. Kuhn, T. Lelièvre, G. Stoltz. Efficiency of the Wang-Landau algorithm: a simple test case. Applied Mathematics Research Express, Vol. 2014, Issue 2, pp 275-311, 2014.
R. Rincent, L. Moreau, H. Monod, E. Kuhn, A.E. Melchinger, R.A. Malvar, J. Moreno-Gonzalez, S. Nicolas, D. Madur, V. Combes, F. Dumas, T. Altmann, D. Brunel, M. Ouzunova, P. Flament, P. Dubreuil, A. Charcosset, T. Mary-Huard. Recovering power in association mapping panels with variable levels of linkage disequilibrium. Genetics, Vol. 197, Issue 1, pp 375-387, 2014.
E. Kuhn, C. El-Nouty. On one convergent stochastic estimation algorithm for frailty models. Statistics and Computing, Vol. 23, Issue 3, pp 413-423, 2013.
R. Pilon, C. Picon-Cochard, J.M.G. Bloor, S. Revaillot, E. Kuhn, R. Falcimagne, P. Balandier, J.-F. Soussana. Grassland root demography responses to multiple climate change drivers depend on root morphology. Plant and Soil, Vol. 364, Issue 1-2, pp 395-408, 2013.
S. Allassonnière, E. Kuhn. Stochastic algorithm for Bayesian mixture effect template estimation. ESAIM PS, Vol. 14, pp 382-408, 2010.
S. Allassonnière, E. Kuhn, A. Trouvé. Bayesian Consistent Estimation in Deformable Models using Stochastic Algorithms: Applications to Medical Images. Journal de la Société Française de Statistique, Vol. 151, No. 1, pp 1-16, 2010.
S. Allassonnière, E. Kuhn, A. Trouvé. Construction of Bayesian deformable models via a stochastic approximation algorithm: A convergence study. Bernoulli, Vol. 16, No. 3, pp 641-678, 2010.
S. Allassonnière, E. Kuhn, J. T. Ratnanather, A. Trouvé. Consistent Atlas Estimation on BME Template Model: Applications to 3D Biomedical Images. Probabilistic Models for Medical Image Analysis (PMMIA) worshop of the MICCAI 2009 conference (12 pages).

S. Allassonnière, E. Kuhn, A. Trouvé. MAP Estimation of Statistical Deformable Template Via Nonlinear Mixed Effect Models: Deterministic and Stochastic Approaches. Mathematical Foundations of Computational Anatomy (MFCA) workshop of MICCAI 2008 conference (8 pages).

E. Kuhn, M. Lavielle. Maximum likelihood estimation in nonlinear mixed effects models. Computational Statistics and Data Analysis, Vol. 49, No. 4, pp 1020--1038, 2005.

E. Kuhn, M. Lavielle. Coupling a stochastic approximation version of EM with a MCMC procedure. ESAIM PS, Vol. 8, pp 115--131, 2004.

Conférences

A. Caillebotte, E. Kuhn, S. Lemler. Estimation and variable selection in a joint model of survival times and longitudinal outcomes with random effects. 33 th European Meeting of Statisticians, Varsovie, July 2023.

T. Guédon, C. Baey, E. Kuhn. Bootstrap test procedure for variance components in nonlinear mixed effects models in the presence of nuisance parameters and singular Fisher Information Matrix. 33 th European Meeting of Statisticians, Varsovie, July 2023.

T. Guédon, C. Baey, E. Kuhn. Bootstrap test procedure for variance components in nonlinear mixed effects models in the presence of nuisance parameters and singular Fisher Information Matrix. 15th International Conference of the ERCIM Working Group on Computational and Methodological Statistics, december 2022, London.

T. Guédon, C. Baey, E. Kuhn. Bootstrap test procedure for variance components in nonlinear mixed effects models in the presence of nuisance parameters and singular Fisher Information Matrix. Congrès des 54èmes journées de statistique, juin 2022,

E. Kuhn, C. Matias, T. Rebafka. Properties of the Stochastic Approximation EM Algorithm with Mini-batch Sampling. 16ème édition des JSTAR, Rennes , avril 2022.

A. Oodally, K. Goethals, E. Kuhn, L. Duchateau. Analyse de données d’épidémie de malaria par un modèle de fragilité multi-varié à corrélations spatiales. Congrès des 52èmes journées de statistique, juin 2020, recueil électronique des communications acceptées.

J.B. Leger, E. Kuhn, B. Parent, F. Tardieu, C. Welcker. Estimation des paramètres d’un modèle de culture à partir de données de plein champ et de données de plateforme de phénotypage. Congrès des 52èmes journées de statistique, juin 2020, recueil électronique des communications acceptées.

A. Oodally, L. Duchateau, E. Kuhn. Convergent stochastic algorithm for parameter estimation in frailty models using integrated partial likelihood. 32 th European Meeting of Statisticians, Palermo, July 2019.

M. Delattre, E. Kuhn. Estimating Fisher Information Matrix in Latent Variable Models based on the Score Function. 32 th European Meeting of Statisticians, Palermo, July 2019.

E. Kuhn, C. Matias, T. Rebafka. Properties of the Stochastic Approximation EM Algorithm with Mini-batch Sampling. 32 th European Meeting of Statisticians, Palermo, July 2019.

A. Oodally, L. Duchateau, E. Kuhn. Convergent stochastic algorithm for parameter estimation in frailty models using integrated partial likelihood. Congrès des 51èmes journées de statistique, Nancy, juin 2019.

M. Delattre, E. Kuhn. Estimating Fisher Information Matrix in Latent Variable Models based on the Score Function. Congrès des 50èmes journées de statistique, Paris-Saclay, mai 2018.

C. Baey, P.H. Cournède, E. Kuhn. Testing variance components in nonlinear mixed effects models. 31 th European Meeting of Statisticians, Helsinki, July 2017.

C. Baey, P.H. Cournède, E. Kuhn. Testing variance components in nonlinear mixed effects models. Congrès des 49èmes journées de statistique, Avignon, mai 2017.

C. Baey, P.H. Cournède, E. Kuhn. Testing variance components in nonlinear mixed effects models. 9 th International Conference of the ERCIM WG on Computational and Methodological Statistics, Sevilla, December 2016.

E. Kuhn, K. Goethals, C. El-Nouty, L. Duchateau. Assessing the correlation structure in cow udder quarter infection times through extensions of the correlated frailty model. Congrès des 48èmes journées de statistique, Montpellier, mai 2016.

S. Allassonnière, S. Durrleman, E. Kuhn. Convergent Stochastic Expectation Maximization algorithm with efficient sampling in high dimension. Application to deformable template model estimation. 8 th International Conference of the ERCIM WG on Computational and Methodological Statistics, London, December 2015.

S. Allassonnière, S. Durrleman, E. Kuhn. Convergent Stochastic Expectation Maximization algorithm with efficient sampling in high dimension. Application to deformable template model estimation. 30 th European Meeting of Statisticians, Amsterdam, July 2015.

S. Huet, E. Kuhn. Goodness-of-Fit Test for Gaussian Regression with Block Correlated Errors. 29 th European Meeting of Statisticians, Budapest, July 2013.

E. Kuhn, C. El-Nouty. Modèles de fragilité et algorithme EM stochastique. Congrès des 42èmes journées de statistique, Marseille, 2010.

S. Allassonnière, E. Kuhn, Y. Amit, A. Trouvé. Generative Model and consistent estimation algorithms for non-rigid deformable models. ICASSP conference, 2006 in Toulouse, France

E. Kuhn, M. Lavielle. Convergence d'une version MCMC de l'algorithme EM. Congrès des 34èmes journées de statistique, Bruxelles, 2002.