Séminaire Laboratoire LSIS "On Some Mixture Distributions for Modelling Complex Datasets"

Nous avons le plaisir de vous inviter au séminaire du Professeur Geoffrey McLachlan qui portera sur le thème "Advances in statistical modeling and inference using mixture models" et qui aura lieu le jeudi 23 avril de 14h à 16h à l’Université de Toulon, Campus La Garde, Amphi K 018.

Si vous comptez y assister, merci de vous inscrire ici : http://goo.gl/forms/7UBveWvR0T
L’inscription est gratuite mais obligatoire

Les informations d’accès sont disponibles ici : http://www.univ-tln.fr/Campus-de-La-Garde.html

Geoffrey McLachlan est Professeur de Statistique au département de mathématiques à l’Université du Queensland (UQ) en Australie.

Il est actuellement Professeur Visiteur à l’Université de Toulon, laboratoire LSIS.

Plus d’informations sur l’orateur : Geoff McLachlan, PhD, DSc
Professor of Statistics (Personal Chair) in the Department of Mathematics ;
UQ Vice-Chancellor’s Senior Research Fellow
Australian Professorial Fellow
Site web : http://www.maths.uq.edu.au/ gjm/
Biographie : https://www.smp.uq.edu.au/node/106/384

Titre du séminaire : On Some Mixture Distributions for Modelling Complex Datasets

Abstract : Finite mixture distributions are being increasingly used to modelheterogeneous data and to provide a clustering of such data. Formultivariate (continuous) data attention has been focussed onnormal mixtures due in part to the computational tractabilityof the normal distribution for multivariate data. In this talk,we consider extensions to the use of the normal distribution forthe components to include the multivariate t-distributionfor data with possibly long-tailed clusters. We also outlinerecent work on the use of skew versions of the t-distributionto cover situations where the clusters are not elliptically symmetric.Finally, we consider modifications to the standard normal mixture modelfor applications where the number of experimental units n is comparativelysmall but the underlying dimension p is extremely large, as, for example,in microarray-based genomics and other high-throughput experimental approaches.We consider ways including the use of factor models to reduce thenumber of parameters in the specification of the component-covariancematrices.

 
Retour haut de page