v
ACCUEIL | RENCONTRES | RESSOURCES |
(http://www.jouy.inra.fr/mia/applibugs)
- Offre de thèse : Modélisation de la variabilité de sensibilité des espèces pour la protection des communautés
Sous l'égide de la Société Française de Statistique, une demi-journée Quand la statistique a rendez vous avec le sport se tiendra le 22 janvier 2014 à l'Institut Henri Poincaré de Paris.
Les jeux ont fait l'objet depuis
longtemps de réflexions théoriques approfondies
de la part des mathématiciens qui en ont
développé une théorie à part entière (von Neuman,
Morgenstern, Nash) qui a trouvé des applications
dans de nombreux secteurs notamment en économie
(Selten, Hurwicz) et en biologie évolutive
(Maynard Smith, Dawkins et en France, Gouyon).
Quant aux aspects purement statistiques, la
palette des méthodologies pouvant être mises en
oeuvre est elle-même très vaste allant de la
théorie des processus stochastiques aux modèles
hiérarchiques bayésiens complexes en passant par
l'analyse des données, les modèles graphiques et
la statistique non paramétrique.
Ces méthodes dépassent largement le cadre des
compétitions sportives et ouvrent des
perspectives beaucoup plus larges sur tout le
secteur dit d'évaluation et de classification («
rating & ranking ») qui imprègne largement la
société actuelle que ce soit en matière
d'éducation, de santé, de culture ou d'économie.
Une seconde session de l'Ecole Chercheur BIO-BAYES à l'Inra se tiendra la semaine du 7 au 11 octobre 2013.
La quatrième édition du workshop MCMSki se tiendra à Chamonix du 6 au 8 Janvier 2014.
Aude Grelaud (MIG-INRA et Cérémade, Paris-Dauphine) Méthodes sans vraisemblance appliquées à la détection de sélection darwinienne et à la prédiction de structure 3D de protéine à l'université Paris Dauphine (salle des thèses) le 18 décembre à 14h.
Jury Jean-Michel Marin (président), Jean-Louis Foulley et Arnaud Doucet (rapporteurs), Sophie Donnet (examinatrice), Chritian Robert et François Rodolphe (directeurs de thèse).
Résumé Des méthodes récentes basées sur un algorithme de rejet rendent possible l'inférence bayésienne sans calcul de vraisemblance. Cette thèse présente deux applications de ces techniques à des problèmes de génomique pour lesquels évaluer la vraisemblance est justement difficile. Nous nous intéressons d'abord aux effets de la sélection naturelle sur un gène. L'objectif est d'estimer certains paramètres d'un modèle d'évolution de séquences, les autres étant considérés comme des paramètres de nuisance. Nous proposons un algorithme permettant de simuler facilement sous ce modèle, ce qui rend l'utilisation de méthodes sans vraisemblance particulièrement intéressante. Notre procédure d'estimation repose sur l'algorithme ABC-SMC.
Nous proposons ensuite une méthode de sélection de structure 3D de protéines. Ce problème peut être formulé en terme de choix de modèle parmi une collection de champs de Gibbs. Les modèles se distinguent par leurs structures de voisinages, qui correspondent aux structures 3D proposées. Nous avons alors mis en place un algorithme sans vraisemblance dédié au choix de modèle et nous montrons que son application aux modèles de Gibbs est particulièrement intéressante car une statistique exhaustive est disponible.
Mots clés : Statistique bayésienne. Analyse de données génomiques. Méthodes sans vraisemblance. Choix de modèle bayésien. Champs de Gibbs.