Jeudi 15 mai 2025 | Journée de la recherche STATQAM
Le Centre de recherche facultaire en statistique et sciences des données STATQAM organise une journée de la recherche jeudi le 15 mai 2025 de 10h à 16h au PK-5115. Elle sera précédée par l’assemblée annuelle STATQAM (pour les membres du Centre seulement), qui se tiendra de 9h à 10h.
Le but de cette journée de la recherche est (i) de vulgariser les travaux de recherche effectués par nos étudiant.es finissant.es à la maîtrise et au doctorat, (ii) d’en apprendre un peu plus sur les intérêts de recherche des membres de STATQAM, et (iii) de créer un cadre propice à de futures collaborations entre professeur.es et étudiant.es.
La participation à cette journée est gratuite et inclut le dîner, mais une inscription est demandée pour faciliter l’organisation. Veuillez remplir le formulaire d’inscription.
Programme de la journée
09h00 à 09h10 : Accueil et café
09h10 à 10h00 : Assemblée annuelle STATQAM (membres STATQAM seulement)
10h00 à 10h20 : Café
10h20 à 10h30 : Mot de bienvenue
10h30 à 11h45 : Présentations étudiantes
Agathe Fernandes Machado
Galiane Charbonneau
Youssef Handi
11h45 à 13h15 : Dîner
13h15 à 14h30 : Présentations étudiantes
Carmelle Chango
Arsene Brice Zotsa-Ngoufack
Abdellah Atanane
14h30 à 15h00 : Café
15h00 à 16h00 : Présentation plénière par Mylène Bédard (Université de Montréal)
Titre : Algorithme MALA: petite généralisation, grande amélioration
Résumé : Les modèles statistiques contemporains se caractérisent par une complexité et une dimensionnalité croissantes, rendant souvent leur traitement analytique inenvisageable. Dans ce contexte, les méthodes de Monte Carlo par chaîne de Markov (MCMC) se sont imposées comme des outils incontournables pour l’échantillonnage de distributions cibles complexes. Nous proposons une généralisation de l’algorithme de Langevin ajusté par Metropolis (MALA), intégrant deux paramètres de réglage : la taille de pas classique et un paramètre d’interpolation dépendant de la dimension de l’espace cible.
L’efficacité de cet échantillonneur généralisé est analysée à travers les notions d’équilibre local et global introduites par Zanella (2020). Nous en déduisons des recommandations pratiques pour un choix judicieux des paramètres. Bien que le MALA standard soit optimal en théorie dans les régimes à dimension infinie, la version généralisée surpasse systématiquement ses performances en pratique, et ce, sans coût computationnel additionnel. Elle démontre des gains d’efficacité notables, tant en phase transitoire qu’en régime stationnaire. Des expériences de simulation, notamment en régression logistique bayésienne, montrent que la généralisation du MALA se compare favorablement aux méthodes concurrentes.