Lorsque nous recevons un jeu de données à analyser, il peut arriver que des valeurs aberrantes
apparaissent, impactant alors les méthodes statistiques utilisées. Il existe différents outils
permettant d’évaluer la robustesse de procédures, c’est-à-dire leur sensibilité lorsque les données
sont contaminées. Ce récit s’intéresse à la robustesse de plusieurs méthodes statistiques. Dans
le premier chapitre, nous commençons par définir différents outils afin d’évaluer la robustesse.
Ensuite, nous introduisons les estimateurs robustes de position et de dispersion les plus connus et
les plus utilisés. Dans le second chapitre, nous nous intéressons aux fonctions de profondeur, qui
permettent de quantifier la centralité d’une valeur pour un certain paramètre. Nous discutons
en particulier de la profondeur de demi-espace de position et de scatter. Après introduction
de ces différents concepts, nous dérivons la fonction d’influence de la profondeur scatter. Nous
commençons en considérant que l’estimateur de position dont cette dernière dépend est connu et
fixé. Nous nous intéressons ensuite au cas où la distribution est discrète à support fini, et nous
concluons enfin en donnant des bornes pour la fonction d’influence dans le cas où la distribution
est absolument continue par rapport à la mesure de Lebesgue. Dans le dernier chapitre, rédigé
en anglais, nous discutons du graphical lasso, une méthode permettant d’estimer les relations
entre les noeuds d’un modèle graphique. Cette approche consiste en l’estimation d’une matrice,
appelée matrice de précision. Après introduction des principaux concepts, nous dérivons la fonction
d’influence de cette procédure.
Date of Award | 24 Jun 2022 |
---|
Original language | French |
---|
Awarding Institution | |
---|
Supervisor | Germain Van Bever (Supervisor) |
---|
Robustesse : fonction d’influence de la profondeur de demi-espace scatter et du graphical lasso
LOUVET, G. (Author). 24 Jun 2022
Student thesis: Master types › Master in Mathematics Research focus