| Les deux révisions précédentes Révision précédente Prochaine révision | Révision précédente Prochaine révisionLes deux révisions suivantes |
| mega:start [2018/01/24 15:02] – C. Boutillier le 9 Fevrier, Résumé N. Demni male | mega:start [2018/02/15 14:45] – [Exposés 2017-2018] male |
|---|
| |
| * Vendredi **9 février** | * Vendredi **9 février** |
| * 10h30-12h00: mini cours par **[[http://romaincouillet.hebfree.org|Romain Couillet]]** | * 10h30-12h00: mini cours par **[[http://romaincouillet.hebfree.org|Romain Couillet]]** //matrices aléatoires et l'apprentissage machine \\ // |
| * 14h30-15h45: **[[https://perso.univ-rennes1.fr/nizar.demni/Sitenizar/Accueil.html|Nizar Demni]]** //Etats quantiques Browniens et polynome de Jacobi dans le simplexe \\ //Le but de ce travail est de répondre à la question suivante posée par C. Pellegrini et I. Nechita: étant donné un Mouvement Brownien unitaire U, quelle est la loi jointe des carrés des modules d'un k-uplet de son premier vecteur colonne ? Un tel vecteur décrit une dynamique qui interpole un état quantique pur deterministe (t=0) et un autre uniforme sur l'espace projectif complexe. Dans la premiere partie de l'exposé, je décrirai la contribution de Pellegrini-Nechita à la reponse à cette question et je donnerai la reponse définitive dans la deuxieme partie. A ce propos, Je donnerai l'expression explicite du noyau de la chaleur sur l'espace projectif complexe et j'introduirai les polynomes de Jacobi dans le simplexe. Du point de vue de la théorie des représentations, le calcul de la loi jointe revient à décomposer la représentation regulière du groupe unitaire sous l'action d'un sous groupe unitaire. | * 14h00-15h00: **[[https://perso.univ-rennes1.fr/nizar.demni/Sitenizar/Accueil.html|Nizar Demni]]** //Etats quantiques Browniens et polynome de Jacobi dans le simplexe \\ // |
| * 15h45-17h00: **[[https://www.lpsm.paris//pageperso/boutil/|Cédric Boutillier]]** // \\ // | * 15h30-16h30: **[[https://www.lpsm.paris//pageperso/boutil/|Cédric Boutillier]]** //Discrete differential geometry and integrable models on isoradial graphs \\ // |
| |
| * Vendredi **16 mars** | * Vendredi **16 mars** |
| * 10h30-12h00: mini cours par **[[http://www.proba.jussieu.fr/pageperso/levy/|Thierry Lévy]]** | * 10h30-12h00: mini cours par **[[http://www.proba.jussieu.fr/pageperso/levy/|Thierry Lévy]]** |
| * 14h30-15h45: **[[http://www.math.ku.dk/~mikosch/|Thomas Mikosch]]** // \\ // | * 14h00-15h00: **[[http://www.math.ku.dk/~mikosch/|Thomas Mikosch]]** //The largest eigenvalues of the sample covariance matrix in the heavy-tail case\\ //Heavy tails of a time series are typically modeled by power law tails with a positive tail index $\alpha$. We refer to such time series as regularly varying with index $\alpha$. Regular variation of a time series translates into power law tail behavior of the partial sums of the time series above high threshold. This was observed early on in work by A.V. Nagaev (1969) and S.V. Nagaev (1979) who considered sums of iid regularly varying random variables. These results are referred to as heavy-tail or Nagaev-type large deviations. The goal of this lecture is to argue that heavy-tail large deviations are useful tools when dealing with the eigenvalues of the sample covariance matrix of dimension $p\times n$ when $p\to\infty$ as $n\to\infty$ in those cases when one can identify the dominating entries in this matrix. These are the diagonal entries in the iid and some other cases. A similar argument allows one to identify the dominating entries if the time series has a linear dependence structure with regularly varying noise. These techniques are an alternative approach to earlier results by Soshnikov (2004,2006), Auffinger, Ben Arous, Peche (2009), Belinschi, Dembo, Guionnet (2009). They also allow one to deal with certain classes of matrices with dependent heavy-tailed entries. This is joint work with Richard A. Davis (Columbia) and Johannes Heiny (Aarhus). |
| * 15h45-17h00: **[[http://umr-math.univ-mlv.fr/membres/tian.peng|Peng Tian]]** // \\ // | |
| | * 15h30-16h30: **[[http://umr-math.univ-mlv.fr/membres/tian.peng|Peng Tian]]** //Large Random Matrices of Long Memory Stationary Processes: Asymptotics and fluctuations of the largest eigenvalue \\ //Given $n$ i.i.d. samples $(\boldsymbol{\vec x}_1, \cdots, \boldsymbol{\vec x}_n)$ of a $N$-dimensional long memory stationary process, it has recently been proved that the limiting spectral distribution of the sample covariance matrix, $$\frac 1n \sum_{i=1}^n \boldsymbol{\vec x}_i \boldsymbol{\vec x}^*_i$$ has an unbounded support as $N,n\to \infty$ and $\frac Nn\to c\in (0,\infty)$. As a consequence, its largest eigenvalue $$\lambda_{\max} \left( \frac 1n \sum_{i=1}^n \boldsymbol{\vec x}_i \boldsymbol{\vec x}^*_i\right)$$ tends to $+\infty$. In this talk, we will describe its asymptotics and fluctuations, tightly related to the features of the underlying population covariance matrix, which is of a Toeplitz nature. This is a joint work with Florence Merlevède and Jamal Najim. |
| |
| * Vendredi **6 avril** | * Vendredi **6 avril** |