Christian Léger
Méthodes asymptotiques et de rééchantillonnage
- Professeur titulaire
-
Faculté des arts et des sciences - Département de mathématiques et de statistique
André-Aisenstadt, room 4233
Profile
Research expertise
La disponibilité d'ordinateurs de plus en plus puissants a permis aux statisticiens de développer des méthodes qui auraient été impensables il y a quelques années seulement tout simplement parce qu'il aurait été à toute fin utile impossible de les mettre en oeuvre. Par exemple, les méthodes de rééchantillonnage permettent de calculer des estimés de la variance d'un estimateur compliqué, ou un intervalle de confiance pour un paramètre inconnu ou même de déterminer la valeur du paramètre de lissage dans les cas où l'estimateur n'est défini qu'à un paramètre de lissage près qui doit être déterminé à partir des données (par exemple la proportion de troncature d'une moyenne tronquée). Mes recherches consistent à améliorer notre compréhension de la théorie et de la pratique de ces méthodes afin de développer de nouvelles méthodologies statistiques fondées sur des bases solides.
Affiliations and responsabilities
Research affiliations
Teaching and supervision
Teaching
Courses taught (current session only)
Programs
- 106010 – Baccalauréat en chimie
- 107020 – Majeure en démographie
- 107311 – Baccalauréat en démographie et statistique
- 107311 – Baccalauréat en démographie et statistique
- 116341 – Mineure en humanités numériques
- 119010 – Baccalauréat en mathématiques
- 119020 – Majeure en mathématiques
- 119040 – Mineure en mathématiques
- 119110 – Baccalauréat en mathématiques et informatique
- 119110 – Baccalauréat en mathématiques et informatique
- 119210 – Baccalauréat en mathématiques et physique
- 119210 – Baccalauréat en mathématiques et physique
- 119310 – Baccalauréat en mathématiques et économie
- 119310 – Baccalauréat en mathématiques et économie
- 124161 – Microprogramme de 1er cycle en analyse des mégadonnées en sciences humaines et sociales
- 146811 – Baccalauréat en bio-informatique
- 146811 – Baccalauréat en bio-informatique
- 183412 – Baccalauréat en enseignement des mathématiques au secondaire
- 196710 – Programme d'accueil en sciences
- 219410 – Maîtrise en statistique
- 281113 – Maîtrise en éducation, option Enseignement au secondaire
- 319410 – Doctorat en statistique
Student supervision
Theses and dissertation supervision (Papyrus Institutional Repository)
Détection de l’invalidité et estimation d’un effet causal en présence d’instruments invalides dans un contexte de randomisation mendélienne
Cycle : Master's
Grade : M. Sc.
Utilisation de l’estimateur d’Agresti-Coull dans la construction d’intervalles de confiance bootstrap pour une proportion
Cycle : Master's
Grade : M. Sc.
Estimateur bootstrap de la variance d'un estimateur de quantile en contexte de population finie
Cycle : Master's
Grade : M. Sc.
Au-delà des moindres carrés : mesurer les conséquences d'un modèle de régression linéaire surparamétré lors d'une application en cardiologie
Cycle : Master's
Grade : M. Sc.
Méthode d'inférence par bootstrap pour l'estimateur sisVIVE en randomisation mendélienne
Cycle : Master's
Grade : M. Sc.
Comparaison empirique des méthodes bootstrap dans un contexte d'échantillonnage en population finie.
Cycle : Master's
Grade : M. Sc.
Test d'adéquation à la loi de Poisson bivariée au moyen de la fonction caractéristique
Cycle : Master's
Grade : M. Sc.
Étude de l’impact de la prise de médicaments dans le traitement de l’arthrite juvénile sur les événements néfastes à l’accouchement chez la mère et son bébé
Cycle : Master's
Grade : M. Sc.
Méthodes de rééchantillonnage en méthodologie d'enquête
Cycle : Doctoral
Grade : Ph. D.
Évaluation de la modélisation et des prévisions de la vitesse du vent menant à l'estimation de la production d'énergie annuelle d'une turbine éolienne
Cycle : Master's
Grade : M. Sc.
Choix des poids de l'estimateur de vraisemblance pondérée par rééchantillonnage
Cycle : Master's
Grade : M. Sc.
Statistical analysis of machine learning estimators of insurance premiums
Cycle : Master's
Grade : M. Sc.
Comparaison de différentes méthodes de modélisation pour le traitement des eaux usées
Cycle : Master's
Grade : M. Sc.
Sur la modélisation et l'estimation de la fonction de covariance d'un processus aléatoire
Cycle : Doctoral
Grade : Ph. D.
Inférence suite à la sélection d'un modèle en régression linéaire multiple
Cycle : Master's
Grade : M. Sc.
Contrôle statistique des procédés multivariés
Cycle : Master's
Grade : M. Sc.
Projects
Research projects
Centre de recherches mathématiques (CRM)
Computer Intensive Methods in Sampling and in Adaptive Contexts
CENTRE DE RECHERCHES MATHEMATIQUES (CRM)
COMMPUTER INTENSIVE METHODS IN ADAPTIVE CONTEXTS WITH DATA MINING APPLICATIONS
Outreach
Publications and presentations
Disciplines
- Statistics
Areas of expertise
- Parametric and Non-Parametric Inference
- Computer Science and Statistics