| Les deux révisions précédentes Révision précédente | Prochaine révisionLes deux révisions suivantes |
| mega:start [2017/05/24 16:48] – [Exposés à venir] male | mega:start [2017/05/26 02:19] – [Exposés à venir] male |
|---|
| * Vendredi **2 Juin 2017**, salle 421 le matin, salle 314 l'après midi | * Vendredi **2 Juin 2017**, salle 421 le matin, salle 314 l'après midi |
| * 14h30-15h45: **[[https://people.kth.se/~schnelli/|Kevin Schnelli]]** // Free addition of random matrices and the local single ring theorem\\ //In the first part of this talk, I will discuss some recent results on local laws and rigidity of eigenvalues for additive random matrix models. In the second part, I will explain how these results can be used to derive the optimal convergence rate of the empirical eigenvalue distribution in the Single Ring Theorem. | * 14h30-15h45: **[[https://people.kth.se/~schnelli/|Kevin Schnelli]]** // Free addition of random matrices and the local single ring theorem\\ //In the first part of this talk, I will discuss some recent results on local laws and rigidity of eigenvalues for additive random matrix models. In the second part, I will explain how these results can be used to derive the optimal convergence rate of the empirical eigenvalue distribution in the Single Ring Theorem. |
| * 15h45-17h00: **[[http://www.isical.ac.in/~abose/|Arup Bose]]** // T.B.A. // | * 15h45-17h00: **[[http://www.isical.ac.in/~abose/|Arup Bose]]** //Large sample behaviour of high dimensional autocovariance matrices with application\\ //Consider a sample of size n from a linear process of dimension p where n, p grow to infinity and p/n converges. The existence of limiting spectral distribution (LSD) of symmetrized sum any sample autocovariance is known in the literature under appropriate (strong) assumptions on the coefficient matrices. Under significantly weaker conditions, we prove, in a unified way, that the LSD of any symmetric polynomial in these matrices exist. Our approach is through the more intuitive algebraic method of free probability that is applicable after an appropriate embedding, in conjunction with the method of moments. Thus, we are able to provide a general description for the limits in terms of some freely independent variables. All the previous results follow as special cases. We suggest statistical uses of these LSD and related results in problems such as order determination and white noise testing. |
| * 10h30-12h00: **[[http://www.normalesup.org/~decastro/|Yohann de Castro]]** // Quelques aspects statistiques de l'optimisation convexe en matrices aléatoires \\ //La minimisation convexe est une méthode très efficace en Statistique pour résoudre des systèmes d'équations linéaires où le nombre d'équations est bien plus petit que le nombre de variables. Pour que ce problème est un sens (et en vue des applications) on suppose que le nombre de variables non nulles à retrouver est contrôler. Dans ce cas, on sait résoudre exactement de tels systèmes d'équations linéaires dès lors que le noyau de la matrice du système vérifie une certaine propriété. J'expliquerai cette analyse dans un premier temps. Puis j'exposerai, la résolution d'un problème du même goût où l'on rajoute une perturbation et/ou on ne suppose plus de contrôle sur le nombre de variables non nulles à retrouver. | * 10h30-12h00: **[[http://www.normalesup.org/~decastro/|Yohann de Castro]]** // Quelques aspects statistiques de l'optimisation convexe en matrices aléatoires \\ //La minimisation convexe est une méthode très efficace en Statistique pour résoudre des systèmes d'équations linéaires où le nombre d'équations est bien plus petit que le nombre de variables. Pour que ce problème est un sens (et en vue des applications) on suppose que le nombre de variables non nulles à retrouver est contrôler. Dans ce cas, on sait résoudre exactement de tels systèmes d'équations linéaires dès lors que le noyau de la matrice du système vérifie une certaine propriété. J'expliquerai cette analyse dans un premier temps. Puis j'exposerai, la résolution d'un problème du même goût où l'on rajoute une perturbation et/ou on ne suppose plus de contrôle sur le nombre de variables non nulles à retrouver. |
| ===== Année 2016-2017 ===== | ===== Année 2016-2017 ===== |