Laboratoire de Probabilités, Statistique et Modélisation
Présentation
Le Laboratoire de Probabilités, Statistique et Modélisation, dans sa forme actuelle, a résulté, au 1er janvier 1999, de la fusion de l'ancien Laboratoire de probabilité de l'université Paris 6 avec l'équipe de Probabilités et statistique de l'université Paris Diderot.
Le laboratoire compte environ 70 enseignants-chercheurs permanents, 50 thésards, une équipe administrative de 6 personnes. Il accueille de plus les activités de deux masters deuxième année, ce qui représente plus de 200 étudiants chaque année.
La thématique du laboratoire s'inscrit dans le domaine des mathématiques appliquées et a pour objet la modélisation, la description et l'estimation des phénomènes aléatoires. Les thèmes de recherche abordés ici concernent des domaines très variés et recouvrent aussi bien des mathématiques fondamentales que des applications dans des domaines aussi divers que la médecine, les sciences humaines, l'astrophysique, les assurances ou la finance...
Thèmes de recherche
1. Théorie ergodique et systèmes dynamiques
2. Modélisation stochastique
3. Mouvement brownien et calcul stochastique
4. Statistiques
Equipes de recherche
Le laboratoire comprend six équipes :
- Théorie ergodique et systèmes dynamiques,
- Modélisation stochastique,
- Mouvement brownien et calcul stochastique,
- Statistique,
- Probabilités numériques et mathématiques financières,
- Probabilités-statistiques-biologie.
[hal-00870492] Density approach in modelling successive defaults
Date: 24 oct 2013 - 22:47
Desc: We apply the default density framework developed in El Karoui et al. \cite{ejj1} to modelling of multiple defaults, which can be adapted to both top-down and bottom-up models. We present general pricing results and establish links with the classical intensity approach. Explicit models are also proposed by using the methods of change of probability measure or dynamic copula.
[hal-00947749] A Parametrix Approach for some Degenerate Stable Driven SDEs
Date: 4 Mar 2015 - 16:06
Desc: We consider a stable driven degenerate stochastic differential equation, whose coefficients satisfy a kind of weak Hörmander condition. Under mild smoothness assumptions we prove the uniqueness of the martingale problem for the associated generator under some dimension constraints. Also, when the driving noise is scalar and tempered, we establish density bounds reflecting the multi-scale behavior of the process.
[tel-00004306] Intégrales matricielles et Probabilités Non-Commutatives
Date: 27 jan 2004 - 13:37
Desc: Cette thèse se décompose en trois parties. Dans la première, nous proposons une formule explicite en termes de comptage de chemins sur un graphe de Cayley, pour le calcul de tous les moments de la mesure de Haar sur le groupe unitaire. Ce résultat fournit un théorème général de liberté asymptotique pour des matrices aléatoires, ainsi que des résultats de convergence d'intégrales matricielles unitaires. En particulier, nous donnons une interprétation combinatoire de la limite de l'intégrale d'Itzykson-Zuber, ainsi qu'un lien avec la $R$-transformée de Voiculescu. Dans une deuxième partie, complètement différente, nous définissons un cadre en probabilités non-commutatives dans lequel nous prouvons que la théorie de Martin s'étend et qu'elle permet une représentation intégrale de toute fonction harmonique positive. Comme application de ces résultats purement quantiques, nous calculons les frontières de Martin de certaines marches au hasard classiques dans une chambre de Weyl. L'exemple d'une marche au hasard sur $SU_q(2)$ est aussi traité de manière exhaustive. Dans la troisième partie, nous proposons une approche analytique des asymptotiques de la mesure de Haar sur un groupe compact. Nous calculons l'image de la mesure de Haar du groupe unitaire par contraction par un projecteur. Ceci nous permet de retrouver et d'interpréter de manière combinatoire certaines asymptotiques obtenues dans la première partie. Par ailleurs, nous établissons que le carré la partie radiale d'une contraction d'une matrice unitaire aléatoire est un ensemble de Jacobi. Une méthode de polynômes orthogonaux permet alors de renforcer des résultats de convergence asymptotiques prédits par les probabilités libres, et d'établir des propriétés d'universalité des valeurs propres.
[hal-00460677] Asymptotic Results on Adaptive False Discovery Rate Controlling Procedures Based on Kernel Estimators
Date: 19 avr 2013 - 19:43
Desc: The False Discovery Rate (FDR) is a commonly used type I error rate in multiple testing problems. It is defined as the expected False Discovery Proportion (FDP), that is, the expected fraction of false positives among rejected hypotheses. When the hypotheses are independent, the Benjamini-Hochberg procedure achieves FDR control at any pre-specified level. By construction, FDR control offers no guarantee in terms of power, or type II error. A number of alternative procedures have been developed, including plug-in procedures that aim at gaining power by incorporating an estimate of the proportion of true null hypotheses. In this paper, we study the asymptotic behavior of a class of plug-in procedures based on kernel estimators of the density of the $p$-values, as the number $m$ of tested hypotheses grows to infinity. In a setting where the hypotheses tested are independent, we prove that these procedures are asymptotically more powerful in two respects: (i) a tighter asymptotic FDR control for any target FDR level and (ii) a broader range of target levels yielding positive asymptotic power. We also show that this increased asymptotic power comes at the price of slower, non-parametric convergence rates for the FDP. These rates are of the form $m^{-k/(2k+1)}$, where $k$ is determined by the regularity of the density of the $p$-value distribution, or, equivalently, of the test statistics distribution. These results are applied to one- and two-sided tests statistics for Gaussian and Laplace location models, and for the Student model.
Autres contacts
U.F.R. Mathématiques
Sophie-Germain
75013 PARIS