Principaux chapitres de ce rapide survol de l'histoire de la statistique: La statistique descriptive - La probabilité - Les sondages - L'émergence de l'inférence statistique - Statistique non paramétrique et robustesse - L'analyse des séries chronologiques - L'analyse des données.

Histoire de la statistique

Statistique et mathématiques appliquées" (SMA) est une collection des Editions de l'Université de Bruxelles et des Editions Ellipses (Paris). SMA couvre l'ensemble des domaines liés à la statistique et aux mathématiques appliquées et met à la disposition du chercheur, de l'enseignant, de l'étudiant et de l'homme actif, des ouvrages couvrant les acquis théoriques et la pratique. Chaque jour davantage, l'étudiant, le chercheur, l'homme curieux se trouvent devant la nécessité de comprendre et de maîtriser des informations aussi nombreuses que variées. Certaines sont précises, d'autres assez confuses. Parfois (trop souvent), on ne sait ce qu'elles représentent, ni d'où elles viennent. Leur aspect n'est pas toujours avenant, nous ne savons souvent qu'en faire. Et pourtant, elles ont beaucoup à dire et nous pouvons les entendre à condition de suivre quelques règles de base relativement simples. Le bon sens, la logique sous-tendent la méthodologie statistique. Savoir choisir l'information où elle se trouve, l'organiser, la regarder, la présenter aux autres (et à soi-même), en découvrir les faits marquants, l'interpréter et la traduire, autant de raisons de lire cet ouvrage destiné à ceux qui, sans être forts en math, veulent comprendre et appliquer les éléments de cette méthode qui constitue une facette importante de la compréhension de notre monde. Ce volume constitue la cinquième édition de l'ouvrage. Le texte en a été complètement remanié dans le but d'en faciliter la lecture, d'expliciter davantage certains concepts, d'en présenter de nouveaux et de développer des exemples nombreux.

Eléments de statistique

Cet ouvrage fait suite aux Journées d'Etude en Statistique organisées par l'ASU en octobre 1994 sur le thème des Statistiques de Rangs, domaine important de l'inférence non paramétrique. Ces journées se sont déroulées au Centre International de Rencontres Mathématiques de Marseille-Luminy, sous l'égide de la Société Mathématique de France et avec le concours de Philippe Barbe, Marc Hallin, Michel Lejeune, Marie Pierre Malice et Bernard Van Cutsem. Le but de ces journées est de permettre à un public peu spécialisé de se consacrer à l'approfondissement d'un sujet précis, avec quatre orientations essentielles : l'acquisition des résultats de base, la présentation des développements les plus importants et les plus récents, les perspectives futures et les problèmes liés à l'application des théories et méthodes énoncées.

Inference Non Parametrique. Les Statistiques De Rangs

L'actualité nous renvoie tous les jours une facette du risque : crise financière, accidents d'avion, dérapages du changement climatique, etc. Quel est le rôle joué par la statistique dans l'analyse de ces risques et quels sont les outils spécifiquement développés pour cela ? Cet ouvrage est consacré à une présentation des fondements méthodologiques classiques, mais aussi récents, et présente des applications à des domaines variés. Il est le fruit de la collaboration entre spécialistes parmi les plus réputés : Patrice Bertail (université Paris Ouest-Nanterre-La Défense), Arthur Charpentier (université Rennes-1), Anne-Laure Fougères (université Claude Bernard, Lyon), Stéphane Loisel (université Claude Bernard, Lyon), Eric Parent (AgroParisTech) et Jean-Marc Talion (université Paris-1), réunis à l'occasion des 14e Journées d'étude en statistique organisées par la SFdS au Centre international de rencontres mathématiques de Luminy.

Approches statistiques du risque

Les plans d expériences permettent de fournir le meilleur protocole expérimental pour modéliser ou prédire une réponse en fonction de facteurs de variabilité, selon un modèle présumé. Si l expérimentation est aussi ancienne que la science, la planification expérimentale, destinée à optimiser le processus d obtention des données, ne date cependant que du XXe siècle, avec les travaux de Fisher pour l agronomie, et a donné lieu à des développements algébriques remarquables, essentiellement pour des facteurs qualitatifs. Les principes des plans d expériences se sont développés dans diverses branches de la recherche industrielle, en particulier en chimie avec les plans pour surfaces de réponse du second degré et les plans de mélange où les facteurs sont des proportions de constituants. Dans ces deux cas, les facteurs sont quantitatifs. La démarche d amélioration de la qualité, popularisée par Taguchi, utilise abondamment certains types de plans fractionnaires orthogonaux. La recherche directe de plans optimisant certains critères, comme la D-optimalité, conduit à des développements analytiques et algorithmiques très utiles lorsque le domaine expérimental est irrégulier. La synthèse de ces diverses approches, très différentes en apparence pour les utilisateurs, tant par les vocabulaires que par les techniques et les champs d application a fait l objet d une école organisée par l ASU (Association pour la Statistique et ses Utilisations). Ce livre en est le fruit et s adresse à un public de scientifiques (chercheurs, enseignants, ingénieurs) désireux de faire le point sur ces techniques et de connaître les développements les plus récents (plans pour modèles non linéaires, par exemple). En plus d un exposé rigoureux et pédagogique, des applications dans différents domaines illustrent la variété mais aussi l unité de la démarche.

Plans d'expériences : applications à l'entreprise

Ce petit ouvrage se veut accessible à tout un chacun. Son objectif est de répondre à quelques questions que beaucoup d'entre nous se posent à propos des sondages que nous découvrons régulièrement dans les media. Comment prélever un échantillon dans une population ? Qu'est-ce qu'un « bon » échantillon ? Quelle doit être sa taille pour qu'un sondage soit fiable ? Quels sont les risques d'erreurs auxquels on est confronté au cours d'un sondage ?... Que nous disent-ils en réalité, ces sondages ?

  Jean-Jacques Droesbeke, né à Ixelles le 15 décembre 1942. Statisticien. Professeur émérite à l'Université libre de Bruxelles. Membre titulaire honoraire de l'Académie royale des Sciences d'Outre-Mer. Membre de comités de rédaction de revues.


  Catherine Vermandele, née à Wilrijk le 21 décembre 1966. Statisticienne. Professeure à l'Université libre de Bruxelles. Directrice du Laboratoire de Méthodologie du Traitement des Données (LMTD). Rédactrice en chef de la revue Statistique et Enseignement.

Ce que nous disent les sondages

Comme beaucoup, vous êtes passionnée ou passionné par l'explosion de données numériques à laquelle nous assistons aujourd'hui, qui nous promet des avancées économiques, sociales et culturelles de tous ordres. Et en même temps, vous restez dubitative ou dubitatif sur les façons de vous approprier tous ces nombres, de reprendre le contrôle sur ce nouveau vocabulaire parfois surprenant, sinon abscons. Ce livre peut vous aider à explorer le monde des données ! 

Les données d'aujourd'hui prennent appui sur une longue et passionnante histoire de la statistique et de ses outils qui nous permet de leur donner sens, que l'on soit spécialiste ou pas. Les chapitres sont regroupés en dix parties, dont l'ordonnancement donne une direction générale à l'ouvrage, qui est chrono-thématique : on part des plus anciennes données retrouvées (à Sumer) pour arriver en fin d'ouvrage au monde contemporain, et à chaque étape on aborde une question relative aux données (qu'est-ce que la corrélation ? un événement rare ? un bon graphique ? .). Une grande liberté proposée par ce livre est qu'il n'est pas nécessaire de le lire linéairement

Histoire(s) de(s) données numériques

For over fourty years, choosing a statistical model thanks to data consisted in optimizing a criterion based on penalized likelihood (H. Akaike, 1973) or penalized least squares (C. Mallows, 1973). These methods are valid for predictive model choice (regression, classification) and for descriptive models (clustering, mixtures). Most of their properties are asymptotic, but a non asymptotic theory has emerged at the end of the last century (Birgé-Massart, 1997). Instead of choosing the best model among several candidates, model aggregation combines different models, often linearly, allowing better predictions. Bayesian statistics provide a useful framework for model choice and model aggregation with Bayesian Model Averaging.

In a purely predictive context and with very few assumptions, ensemble methods or meta-algorithms, such as boosting and random forests, have proven their efficiency.

This volume originates from the collaboration of high-level specialists: Christophe Biernacki (Université de Lille I), Jean-Michel Marin (Université de Montpellier), Pascal Massart (Université de Paris-Sud), Cathy Maugis-Rabusseau (INSA de Toulouse), Mathilde Mougeot (Université Paris Diderot), and Nicolas Vayatis (École Normale Supérieure de Cachan) who were all speakers at the 16th biennal workshop on advanced statistics organized by the French Statistical Society. In this book, the reader will find a synthesis of the methodologies' foundations and of recent work and applications in various fields.

The French Statistical Society (SFdS) is a non-profit organization that promotes the development of statistics, as well as a professional body for all kinds of statisticians working in public and private sectors. Founded in 1997, SFdS is the heir of the Société de Statistique de Paris, established in 1860. SFdS is a corporate member of the International Statistical Institute and a founding member of FENStatS-the Federation of European National Statistical Societies.

Histoire de la statistique

Résumé

Plus de livres de Jean-Jacques Droesbeke

Critiques

Ce livre n'a pas encore de critiques