Rechercher


Accueil

6 avril 2017: 2 événements

  • Séminaires GSD

    Jeudi 6 avril 10:15-11:15 - Samuel Petite - Université de Picardie

    Séminaire GSD, "Restrictions sur le groupe d’automorphismes préservant un sous-shift fixé" Samuel Petite

    Résumé : Un sous-shift est un ensemble fermé de suites sur un alphabet fini, invariant par décalage (le shift). Un automorphisme (également appelé automate cellulaire) est un homéomorphisme de cet espace qui commute avec le shift. L’ensemble des automorphismes préservant ce sous-shift est un groupe dénombrable en général compliqué. Nous présenterons dans cet exposé un survol des différentes restrictions sur ces groupes pour les sous-shifts d’entropie nulle.

    Lieu : Salle 318

    En savoir plus : Séminaires GSD
  • Séminaires GSD

    Jeudi 6 avril 11:30-12:30 - Seidon Alsaody - Institut Camille Jordan

    Séminaires GSD, Seidon Alsaody

    Lieu : Salle 318

    En savoir plus : Séminaires GSD

6 avril 2017: 1 événement

  • Séminaire étudiants

    Jeudi 6 avril 14:15-16:00 - Rémi Bignalet-Cazalet - IMB

    Séminaire étudiant associé au groupe de travail : Des homologies aux théories homotopiques

    Résumé : Je ferai une introduction d’algèbre homologique en me basant sur l’appendice 3 de Commutative Algebra with a view toward Algebraic geometry de David Eisenbud.
    L’objectif est de donner la construction des foncteurs Tor et Ext à partir des résolutions projectives et injectives d’un R-module.

    En savoir plus : Séminaire étudiants

6 avril 2017: 1 événement

  • Colloquium

    Jeudi 6 avril 16:30-17:30 - David Haziza - Université de Montréal

    Multiply robust imputation procedures for the treatment of item nonresponse in surveys

    Résumé : Item nonresponse in surveys is often treated through some form of
    imputation. We introduce multiply robust imputation in finite population
    sampling. This is closely related to multiple robustness, which extends
    double robustness. In practice, multiple nonresponse models and multiple
    imputation models may be fitted, each involving different subsets of
    covariates and possibly different link functions. An imputation procedure is
    said to be multiply robust if the resulting estimator is consistent when all
    models but one are misspecified. A jackknife variance estimator is proposed
    and shown to be consistent. Random and fractional imputation procedures are
    discussed. A simulation study suggests that the proposed estimation
    procedures have low bias and high efficiency.

    En savoir plus : Colloquium