Mathematical Methods of Modern Statistics 2
Méthodes Mathématiques en Statistiques Modernes 2
15 – 19 June 2020
|
Scientific Committee
Comité scientifique Małgorzata Bogdan (Wrocław University) |
Organizing Committee
Comité d’organisation Małgorzata Bogdan (Wrocław University) |
|
After the success of the first CIRM-Luminy meeting on Mathematical Methods of Modern Statistics (July 2017) we would like to continue the tradition and propose the next conference in June 2020. The title of the conference makes allusion to the famous book of Harald Cramèr Mathematical Methods of Statistics (1946) which is a landmark both for mathematics and statistics. The main objectives of the conference are to respond on the world highest statistical and mathematical level to:
(a) a strong need of reflection on the interactions between different branches of modern statistics and modern mathematics and of summarizing them (b) the actual scientific strategy of development of Data Sciences in France and abroad. We propose a wide spectrum of topics and general paradigms of modern statistics with deep mathematical implications. The major unifying topic is analysis of large dimensional data. The statistical inference based on such data is possible under certain assumptions on the structure of the underlying model, using different notions of model sparsity. The conference talks will give an overview of current knowledge on the modern statistical methods addressing this issue: including modern graphical models, different methods of multiple testing and model selection, regularization techniques and missing data treatments. These topics will be viewed both from the frequentist and Bayesian perspective, including modern nonparametric Bayes methods. |
Après le succès de la première conférence CIRM-Luminy sur les Méthodes Mathématiques en Statistiques Modernes (Juillet 2017), nous voudrions continuer la tradition et proposer une nouvelle conférence en juin 2020. Le titre de la conférence fait allusion au célèbre livre de Harald Cramèr Mathematical Methods of Statistics (1946) qui est une référence à la fois des statistiques et des mathématiques fondamentales. Les objectifs principaux de la conférence consistent à répondre au plus haut niveau scientifique, statistique et mathématique aux besoins suivants :
(a) une forte nécessité de réflection sur les intéractions entre les domaines différents des statistiques modernes et des mathématiques modernes (b) La stratégie scientifique actuelle du développement des Sciences des Données en France et dans d’autres pays. Nous proposons un spectre très large de sujets et de théories générales des statistiques modernes où l’implication des mathématiques est profonde. Le sujet de convergence est l’analyse des données volumineuses. L’inférence statistique dans ce cadre n’est possible que sous certaines hypothèses structurelles de parcimonie. Les exposés donneront un aperçu de l’état de la recherche sur ce sujet, incluant différentes méthodes des modèles graphiques modernes, de tests multiples, sélection de modèles, méthodes de régularisation et données manquantes. Ces sujets seront abordés du point de vue fréquentiste et bayésien, incluant les récents développements de la statistique bayésienne en grande dimension. |
Felix Abramovich (Tel Aviv University) High-dimensional classification by sparse logistic regression
Jean-Marc Bardet (Université Paris 1 Panthéon-Sorbonne) Consistent model selection criteria and goodness-of-fit test for common time series models
Pierre Bellec (Rutgers University) De-biasing arbitrary convex regularizers and asymptotic normality
Tilmann Gneiting ( HITS Heidelberg & KIT). Isotonic Distributional Regression (IDR): Leveraging Monotonicity, Uniquely So !
Ruth Heller (Tel Aviv University) Optimal control of false discovery criteria in the general two-group model
Hideyuki Ishi (Osaka City University) On Cholesky structures on real symmetric matrices and their applications
Lucas Janson (Harvard University) Floodgate: Inference for Model-Free Variable Importance
Julie Josse (École Polytechnique & INRIA & Visiting Researcher Google) Treatment effect estimation with missing attributes
Yoshihiko Konno (Japan Women’s University) Shrinkage estimation of mean for complex multivariate normal distribution with unknown covariance when p > n
Gérard Letac (Université de Toulouse) Quasi logistic distributions and Gaussian scale mixing
Błażej Miasojedow (University of Warsaw) Structure learning for CTBN’s
Pierre Neuvial (Université de Toulouse) Post hoc bounds on false positives using reference families
Dominique Picard (Université Paris-Diderot Paris 7) How to estimate a density on a spider web?
Aaditya K. Ramdas (Carnegie Mellon University) Universal inference using the split likelihood ratio test
Veronika Rockova (University of Chicago) Bayesian Spatial Adaptation
Etienne Roquain (UPMC Paris) Sparse multiple testing: can one estimate the null distribution?
Saharon Rosset (Tel Aviv University) Optimal and Maximin Procedures for Multiple Testing Problems
Chiara Sabatti (Stanford University) Knockoff genotypes: value in counterfeit
Joseph Salmon (Université de Montpellier) The smoothed multivariate square-root Lasso: an optimization lens on concomitant estimation
Richard Samworth (University of Cambridge) High-dimensional, multiscale online changepoint detection
David Siegmund (Stanford University) Change: Detection, Estimation, Segmentation
Weijie Su (Wharton, University of Pennsylvania) Gaussian Differential Privacy
Daniel Yekutieli (Tel Aviv University) Hierarchical Bayes Modeling for Large-Scale Inference
Stefan Wager (Stanford University) Experimenting in Equilibrium
Jonas Wallin (University of Lund) Scaling of scoring rules
Hua Wang (Wharton, University of Pennsylvania) The Price of Competition:Effect Size Heterogeneity Matters in High Dimensions!
 |
 ANR « BASICS » Projet ANR-17-CE40-0001
|
 |
ANR « SansSouci » Projet ANR-16-CE40-0019
|