Rechercher


Accueil

5 décembre 2017: 1 événement

5 décembre 2017: 1 événement

  • Séminaires GSD

    Mardi 5 décembre 14:00-15:00 - Thibaut Delcroix - ENS

    Séminaire GSD, "Géométrie Kählérienne de certaines variétés sphériques"

    Résumé : L’existence de métriques canoniques sur les variétés sphériques, une classe très riche de variétés presque homogènes, doit être régie par des conditions combinatoires. Dans le cas des métriques de Kähler-Einstein lisses, j’ai pu le vérifier d’un point de vue purement algébro-géométrique via la K-stabilité. Pour étudier le cas d’autres métriques canoniques, il faut développer la géométrie Kählérienne des variétés sphériques. Je présenterai des travaux dans cette direction, avec des applications, entre autres, aux métriques log Kähler-Einstein et Kähler-Einstein singulières.

    Lieu : Salle 318

    En savoir plus : Séminaires GSD

5 décembre 2017: 1 événement

  • Agenda des soutenances

    Mardi 5 décembre 14:00-15:30 - Anne De Moliner

    Soutenance de thèse (à Palaiseau) : Anne De Moliner

    Résumé : Dans cette thèse, nous nous intéressons à l’estimation robuste de courbes moyennes ou totales de consommation électrique par sondage en population finie, pour l’ensemble de la population ainsi que pour des petites sous-populations, en présence ou non de courbes partiellement inobservées. En effet, de nombreuses études réalisées dans le groupe EDF, que ce soit dans une optique commerciale ou de gestion du réseau de distribution par Enedis, se basent sur l’analyse de courbes de consommation électrique moyennes ou totales, pour différents groupes de clients partageant des caractéristiques communes. L’ensemble des consommations électriques de chacun des 35 millions de clients résidentiels et professionnels Français ne pouvant être mesurées pour des raisons de coût et de protection de la vie privée, ces courbes de consommation moyennes sont estimées par sondage à partir de panels. Nous prolongeons les travaux de Lardin (2012) sur l’estimation de courbes moyennes par sondage en nous intéressant à des aspects spécifiques de cette problématique, à savoir l’estimation robuste aux unités influentes, l’estimation sur des petits domaines, et l’estimation en présence de courbes partiellement ou totalement inobservées. Pour proposer des estimateurs robustes de courbes moyennes, nous adaptons au cadre fonctionnel l’approche unifiée d’estimation robuste en sondages basée sur le biais conditionnel proposée par Beaumont (2013). Pour cela, nous proposons et comparons sur des jeux de données réelles trois approches : l’application des méthodes usuelles sur les courbes discrétisées, la projection sur des bases de dimension finie (Ondelettes ou Composantes Principales de l’Analyse en Composantes Principales Sphériques Fonctionnelle en particulier) et la troncature fonctionnelle des biais conditionnels basée sur la notion de profondeur d’une courbe dans un jeu de données fonctionnelles. Des estimateurs d’erreur quadratique moyenne instantanée, explicites et par bootstrap, sont également proposés. Nous traitons ensuite la problématique de l’estimation sur de petites sous-populations. Dans ce cadre, nous proposons trois méthodes : les modèles linéaires mixtes au niveau unité appliqués sur les scores de l’Analyse en Composantes Principales ou les coefficients d’ondelettes, la régression fonctionnelle et enfin l’agrégation de prédictions de courbes individuelles réalisées à l’aide d’arbres de régression ou de forêts aléatoires pour une variable cible fonctionnelle. Des versions robustes de ces différents estimateurs sont ensuite proposées en déclinant la démarche d’estimation robuste basée sur les biais conditionnels proposée précédemment. Enfin, nous proposons quatre estimateurs de courbes moyennes en présence de courbes partiellement ou totalement inobservées. Le premier est un estimateur par repondération par lissage temporel non paramétrique adapté au contexte des sondages et de la non réponse et les suivants reposent sur des méthodes d’imputation. Les portions manquantes des courbes sont alors déterminées soit en utilisant l’estimateur par lissage précédemment cité, soit par imputation par les plus proches voisins adaptée au cadre fonctionnel ou enfin par une variante de l’interpolation linéaire permettant de prendre en compte le comportement moyen de l’ensemble des unités de l’échantillon.
    Des approximations de variance sont proposées dans chaque cas et l’ensemble des méthodes sont comparées sur des jeux de données réelles, pour des scénarios variés de valeurs manquantes.

    Lieu : EDF R&D, salle Amphi 1 - 7 boulevard Gaspard Monge 91120 Palaiseau

    Notes de dernières minutes : Attention : la thèse à lieu à EDF R&D, à Palaiseau

    En savoir plus : Agenda des soutenances