Christian Léger
Méthodes asymptotiques et de rééchantillonnage
- Professeur titulaire
-
Faculté des arts et des sciences - Département de mathématiques et de statistique
André-Aisenstadt, local 4233
Portrait
Expertise de recherche
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 et responsabilités
Affiliations de recherche
Enseignement et encadrement
Enseignement
Cours siglés (session en cours uniquement)
Programmes
- 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
Encadrement
Thèses et mémoires dirigés (dépôt institutionnel Papyrus)
Détection de l’invalidité et estimation d’un effet causal en présence d’instruments invalides dans un contexte de randomisation mendélienne
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Utilisation de l’estimateur d’Agresti-Coull dans la construction d’intervalles de confiance bootstrap pour une proportion
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Estimateur bootstrap de la variance d'un estimateur de quantile en contexte de population finie
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Au-delà des moindres carrés : mesurer les conséquences d'un modèle de régression linéaire surparamétré lors d'une application en cardiologie
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Méthode d'inférence par bootstrap pour l'estimateur sisVIVE en randomisation mendélienne
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Comparaison empirique des méthodes bootstrap dans un contexte d'échantillonnage en population finie.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Test d'adéquation à la loi de Poisson bivariée au moyen de la fonction caractéristique
Cycle : Maîtrise
Diplôme obtenu : 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 : Maîtrise
Diplôme obtenu : M. Sc.
Méthodes de rééchantillonnage en méthodologie d'enquête
Cycle : Doctorat
Diplôme obtenu : 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 : Maîtrise
Diplôme obtenu : M. Sc.
Choix des poids de l'estimateur de vraisemblance pondérée par rééchantillonnage
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Statistical analysis of machine learning estimators of insurance premiums
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Comparaison de différentes méthodes de modélisation pour le traitement des eaux usées
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Sur la modélisation et l'estimation de la fonction de covariance d'un processus aléatoire
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Inférence suite à la sélection d'un modèle en régression linéaire multiple
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Contrôle statistique des procédés multivariés
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Projets
Projets de recherche
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
Rayonnement
Publications et communications
Disciplines
- Statistiques
Champ d’expertise
- Inférence paramétrique et non paramétrique
- Statistique informatique
Aide en ligne pour votre profil | Nous joindre
Le Répertoire des professeurs est propulsé par les données du SADVR et est un projet du CENR.