Canada Spends Logo

Explorez notre analyse du budget 2026

Grant: Discovery Grants Program - Individual

Université Laval

$14,000.00

Quelques applications des fonctions profondeurs à l'estimation de la localisation et de la dispersion

EF 2008-09

Résumé
Relativement à une loi de probabilité multidimensionnelle, une fonction profondeur associe à tout point de l'espace une valeur numérique mesurant la «centralité» de ce point ; un point de grande profondeur est alors identifié à un point central de la distribution, un point de faible profondeur à un point extrême. De même, relativement à une loi directionnelle, on mesurera la centralité d'un point sur la sphère à l'aide d'une fonction profondeur sphérique. Étant donné un jeu de données multidimensionnelles, une profondeur induit un ordre sur le nuage de points, allant des points centraux aux points extrêmes. Un tel outil offre ainsi la possibilité de définir des estimateurs de localisation et de dispersion analogues aux L-estimateurs unidimensionnels fondés sur la notion de rang. Notre projet de recherche fera appel à la profondeur dite de Tukey, dans sa version ordinaire basée sur des demi-espaces et dans sa version sphérique basée sur des hémisphères. Notre premier objectif est de construire des estimateurs de localisation et de dispersion robustes et efficaces et de les appliquer en analyse des données multidimensionnelles robuste. Notre deuxième objectif est de construire des estimateurs de localisation directionnelle robustes et efficaces, applicables à l'analyse des données directionnelles robuste. Dans le cadre du deuxième objectif, on développera des algorithmes et des programmes R visant à calculer la profondeur de Tukey sphérique et les estimateurs qui lui sont associés.
Programme
Discovery Grants Program - Individual
Bénéficiaire
Emplacement
Quebec, Canada
Type de bénéficiaire
Academia
Type
Grant
Source
NSERC's Awards Data

Tel que publié

Application id
4038-2008
Name nom
Masse, JeanClaude
Department département
Mathématiques et statistique
Organization id
51
Institution établissement
Université Laval
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2008
Competition year année de concours
2008
Award amount
14000
Program id
RGPIN
Program nane en
Discovery Grants Program - Individual
Program name fr
Programme de subventions à la découverte - individuelles
Group en
Discovery grants programs
Group fr
Programmes de subventions à la découverte
Committee code
14
Committee name en
Statistical Sciences
Committee name fr
Statistique
Area of application code
1205
Area of application group en
Advancement of knowledge
Area of application group fr
Avancement des connaissances
Area of application en
Mathematical sciences
Area of application fr
Sciences mathématiques
Research subject code
3010
Research subject group en
Statistics and probability
Research subject group fr
Statistique et probabilité
Research subject en
Nonparametric inference
Research subject fr
Inférence non paramétrique
Partie
1
Nb partie
5
Application title
Quelques applications des fonctions profondeurs à l'estimation de la localisation et de la dispersion
Keyword
NA
Application summary
Relativement à une loi de probabilité multidimensionnelle, une fonction profondeur associe à tout point de l'espace une valeur numérique mesurant la «centralité» de ce point ; un point de grande profondeur est alors identifié à un point central de la distribution, un point de faible profondeur à un point extrême. De même, relativement à une loi directionnelle, on mesurera la centralité d'un point sur la sphère à l'aide d'une fonction profondeur sphérique. Étant donné un jeu de données multidimensionnelles, une profondeur induit un ordre sur le nuage de points, allant des points centraux aux points extrêmes. Un tel outil offre ainsi la possibilité de définir des estimateurs de localisation et de dispersion analogues aux L-estimateurs unidimensionnels fondés sur la notion de rang. Notre projet de recherche fera appel à la profondeur dite de Tukey, dans sa version ordinaire basée sur des demi-espaces et dans sa version sphérique basée sur des hémisphères. Notre premier objectif est de construire des estimateurs de localisation et de dispersion robustes et efficaces et de les appliquer en analyse des données multidimensionnelles robuste. Notre deuxième objectif est de construire des estimateurs de localisation directionnelle robustes et efficaces, applicables à l'analyse des données directionnelles robuste. Dans le cadre du deuxième objectif, on développera des algorithmes et des programmes R visant à calculer la profondeur de Tukey sphérique et les estimateurs qui lui sont associés.