Chercher une aiguille dans une botte de foin est le défi quotidien posé par l'analyse statistique des données massives (en neuro-imagerie ou en génomique par exemple). A cette fin, de nombreuses stratégies statistiques ont été mises en place, souvent basées sur des modèles dits de "grande dimension".
Dans cet exposé, nous explorons la méthodologie liée au test multiple d'hypothèses, qui a rencontré un engouement particulièrement important ces dernières décennies, notamment après le fameux papier de Benjamini et Hochberg (1995). Nous débuterons par une partie non-technique qui nous permettra de nous familiariser avec le problème. Le deuxième volet de l'exposé présentera certains aspects de ma recherche dans ce domaine, en particulier pour traiter le problème délicat de la dépendance entre les tests.
(En collaboration avec Aude Bernard-Champmartin et Nicolas Seguin)
Nous nous intéressons à l'obtention de la stabilité de méthode volumes finis
dédiées aux équations de transport en dimension deux d'espace sur des
maillages courbes non structurés. L'approximation d'ordre élevée (2 ou 3) de
la géométrie étant obtenue par des mailles dont les arêtes peuvent représenter
de manière exacte des portions de droite, ellipse (cercle), parabole, et
d'hyperbole. Les reconstructions des quantités conservatives sont issues de
méthode d'ordre 2 ou 3 (méthode des moindres carrés). L'obtention de la
stabilité (définie par la nature du champ (scalaire ou vectoriel) et son type
(volumique ou massique)) est réalisée grâce à une extension de la méthode
APITALI (A Posteriori ITerAtive LImitation), et nous comparons numériquement
avec la méthode MOOD (Multi-dimensionnal Optimal Order Detection) vue comme un
cas particulier.
Les flux des schéma volumes finis pouvant être définis soit aux arêtes (quasi 1D)
soit aux nœuds (multi-D).
