14h00 Alexis Metz Donnadieu (Approche discrète pour la propriété de Markov des temps locaux du super mouvement Brownien)

Ce travail revisite la construction de bornes post hoc pour les faux positifs dans un contexte de tests multiples, du point de vue des tests hétérogènes, qui apparaissent naturellement dans le cadre de tests discrets. Une grande littérature a récemment émergé autour de la construction de telles bornes, avec notamment la méta-méthode de l'interpolation sur des familles de référence. En tant que méta-méthode, elle est très flexible et permet de multiples constructions. Les constructions précédemment proposées sont cependant conçues pour le "pire cas possible'', à savoir des $p$-valeurs homogènes de distribution uniforme sous l'hypothèse nulle, et lorsque que les distributions des $p$-valeurs sous la nulle sont hétérogènes super-uniformes, ces constructions peuvent induire une perte de capacité à détecter la présence de signal. Comme, dans ce contexte, les distributions sous la nulle sont connues, nous proposons ici d'exploiter cette information en modifiant certaines constructions existantes afin d'incorporer la connaissance de ces distributions et d'atteindre une meilleure puissance que les constructions agnostiques.

14h50 Vladimir Boskovic (Newton polygons for the non-bipartite dimer model)

The dimer model is a statistical mechanics model that studies random perfect matchings on graphs. It was introduced in the 1960s, when the partition functions and correlations were exactly computed by Kasteleyn, Temperley, and Fisher. Over the past few decades, significant progress has been made in the bipartite case, particularly concerning spectral curves, integrable systems, and limit shapes. In this talk, I will present recent results on the Newton polygons associated with the characteristic polynomials arising from the dimer model of certain families of non-bipartite graphs.

15h15 pause

15h35 Guillaume Principato (Prévision Conforme pour des données hiérarchiques)

Nous considérons la prévision conforme de données multivariées, qui consiste à produire des régions de prévision basées sur les quantiles empiriques des erreurs d'estimation ponctuelle. Nous considérons en particulier le cas des données multivariées hiérarchiques, pour lesquelles certaines composantes sont des combinaisons linéaires d'autres composantes. L'intuition est que la structure hiérarchique peut être exploitée pour améliorer les régions de prévision en termes de taille pour des niveaux de couverture donnés. Nous exploitons cette intuition en incluant une étape de projection (également appelée étape de réconciliation) dans la procédure Split Conformal Prediction (SCP) et nous démontrons que les régions de prévision qui en résultent sont plus petites que sans l'étape de projection.

Nos méthodes et leurs analyses s'appuient sur les littératures de la prévision conforme et de la réconciliation de prévisions.

16h00 Cecilia d’Errico (Some features of the typical Poisson-Voronoi / Poisson-Delaunay cell)

voir p.j.