Vous voulez savoir sur quoi vos collègues de la communauté scientifique statistique du Canada travaillent ces jours-ci ? Dans le cadre des célébrations du 50e anniversaire de la Société statistique du Canada (SSC), l’INCASS et la SSC se sont associées pour organiser une tournée pancanadienne INCASS/SSC avec de courts séminaires organisés dans des universités d’un océan à l’autre.
Chaque session verra un orateur invité parler de ses recherches sur Zoom (et dans certains cas également en personne). Les sessions seront animées par Joanna Mills Flemming, directrice associée de CANSSI Atlantique, et professeure au département de mathématiques et de statistiques de l’Université Dalhousie.
Nous espérons que vous pourrez prendre une tasse de café et vous joindre à nous !
A suivre
Lisa Kanary, instructeur, mathématiques et statistiques, École de commerce et de leadership, Université du Yukon.
Animé par le Dr Joanna Mills Flemming, directrice associée de CANSSI, région Atlantique
Vendredi 30 septembre | 12h00-12h45 MST
Université du Yukon, Whitehorse, Yukon
Sur le zoom
Résumé de la présentation: La plupart des restrictions de voyage imposées pendant la pandémie de COVID-19 s’appliquaient à tous les voyageurs, indépendamment de l’origine du départ ou du comportement individuel. Ces mesures ne tiennent pas compte du rôle que joue le comportement dans la probabilité qu’a un individu de rencontrer un individu infectieux et de contracter le COVID-19. Nous présentons un modèle statistique, conçu pour être utilisé dans le territoire du Yukon, qui estime la probabilité pour un individu d’être en contact avec une personne infectieuse en fonction de la prévalence de la maladie et des activités quotidiennes auxquelles l’individu s’est livré au cours des deux semaines précédant la date de l’évaluation. Notre outil présente une méthode d’estimation de la probabilité de contact qui pourrait être adoptée par les juridictions qui envisagent de restreindre les déplacements aux frontières, de fermer des installations ou de limiter la taille des groupes, ou par les individus qui évaluent leurs propres comportements.
À propos de Lisa Kanary:
M. Kanary est instructeur à la School of Business and Leadership de l’Université du Yukon à Whitehorse, au Yukon. Elle coordonne également le programme de baccalauréat en administration des affaires offert par l’Université du Yukon.
Originaire de la Nouvelle-Écosse, le Dr Kanary a déménagé au Yukon en 2013. Depuis son arrivée dans le Nord, elle a travaillé dans de nombreux domaines de l’Université, notamment en tant qu’enseignante dans les écoles des sciences et des compétences et du développement académiques, en développant le certificat sur le changement climatique et en effectuant des recherches au Centre de recherche de l’Université du Yukon. Le fait de porter plusieurs chapeaux à l’université lui a donné une perspective unique sur les nombreuses voies et possibilités qui s’offrent aux étudiants.
Actuellement, le Dr Kanary se spécialise dans les mathématiques appliquées. Elle est la principale détentrice des connaissances en matière de statistiques commerciales et donne des cours de statistiques dans le cadre du Bachelor of Business Administration. Lisa insuffle à ses cours une expérience du monde réel en associant les étudiants à des groupes communautaires et à l’industrie pour travailler sur des problèmes et des défis statistiques. Lisa reste également active dans la recherche en tant que scientifique des données et modélisatrice mathématique. Elle travaille actuellement sur des modèles mathématiques relatifs à COVID-19 avec un certain nombre de collègues locaux et internationaux. Elle est ravie de soutenir la recherche et les étudiants de l’Université du Yukon dans leur cheminement.
Sessions précédentes
Trevor Campbell, professeur adjoint, département des statistiques, Université de la Colombie-Britannique.
Animé par le Dr Joanna Mills Flemming, directrice associée de l’INCASS, région Atlantique
Vendredi 8 juillet | 12h00-12h45. PDT
Université de la Colombie-Britannique
Sur le zoom
REGARDER L’ENREGISTREMENT DU SEMINAIRE
Résumé de la présentation: L’inférence bayésienne fournit une approche cohérente de l’apprentissage à partir de données et de l’évaluation de l’incertitude dans des modèles statistiques complexes et expressifs. Cependant, les algorithmes d’inférence n’ont pas encore rattrapé le déluge de données des applications modernes. L’une de ces approches – les coresets bayésiens – consiste à remplacer le grand ensemble de données par un petit sous-ensemble de données représentatif et pondéré pendant l’inférence. Le coreset est conçu pour capturer les informations de l’ensemble de données complet, mais il est beaucoup moins coûteux en termes de calcul à stocker en mémoire et à itérer. Bien que la méthodologie soit valable en principe, la construction efficace d’un tel coreset dans la pratique reste un défi important : les méthodes actuelles ont tendance à être compliquées à mettre en œuvre, lentes, nécessitent une étape d’inférence secondaire après la construction du coreset, et ne permettent pas la sélection de modèles. Dans cet exposé, je présenterai une nouvelle méthode – les flux Hamiltoniens épars – qui répond à tous ces défis. La méthode implique d’abord un sous-échantillonnage uniforme des données, puis l’optimisation d’un flux hamiltonien paramétré par des poids de coreset et comprenant des étapes périodiques de quasi-rafraîchissement du momentum. Je présenterai des résultats théoriques démontrant que la méthode permet une compression exponentielle du jeu de données dans les modèles représentatifs, et que les étapes de quasi-rafraîchissement réduisent la divergence KL à la cible. Des expériences réelles et synthétiques démontrent que les flux Hamiltoniens épars fournissent des approximations postérieures précises avec un temps d’exécution considérablement réduit par rapport aux méthodes d’inférence concurrentes basées sur les systèmes dynamiques.
Cet exposé sera basé sur deux articles qui sont disponibles en ligne en tant que prétirés :
- Chen et al., « Bayesian coresets via sparse Hamiltonian flows « , https://arxiv.org/abs/2203.05723.
- Naik et al., « Fast Bayesian coresets via subsampling and quasi-Newton refinement « , https://arxiv.org/abs/2203.09675.
Dr. Connie Stewart, Professeur, Département de mathématiques et de statistiques, UNB
Animé par le Dr Joanna Mills Flemming, directrice associée de l’INCASS, région Atlantique
Vendredi 17 juin | 12h00-12h45 ADT
Université du Nouveau-Brunswick à Saint John
Sur le zoom
REGARDER L’ENREGISTREMENT DU SEMINAIRE
Résumé de la présentation: Dans les écosystèmes marins, l’estimation des régimes alimentaires des prédateurs peut être particulièrement difficile car l’alimentation ne peut généralement pas être observée directement. Dans ce contexte, l’analyse quantitative de la signature des acides gras (QFASA) a été conçue comme une méthode indirecte d’estimation des régimes alimentaires des prédateurs et a été appliquée avec succès à diverses espèces d’oiseaux de mer, de mammifères marins et de poissons. Cette approche permet d’estimer la proportion de chaque espèce de proie dans le régime alimentaire d’un prédateur en faisant correspondre les signatures des acides gras du prédateur et de la proie.
Du point de vue de la méthodologie et de l’analyse statistiques, l’estimation du régime alimentaire au moyen de données sur les acides gras présente plusieurs défis, principalement parce que les signatures d’acides gras et les estimations du régime alimentaire représentent des données de composition, mais aussi en raison de diverses considérations pratiques. En collaboration avec des biologistes de diverses institutions à travers le Canada, mes recherches ont porté sur des extensions de QFASA, des procédures d’inférence pour les régimes alimentaires des prédateurs, et le développement de nouveaux modèles probabilistes pour l’estimation des régimes alimentaires par l’analyse des signatures grasses. Dans cet exposé, je mettrai en lumière certaines avancées récentes et les travaux en cours dans ce domaine.
Dr. Don Estep, directeur scientifique, INCASS
Animé par le Dr Joanna Mills Flemming, directrice associée de l’INCASS, région Atlantique
REGARDER L’ENREGISTREMENT DU SEMINAIRE
Résumé de la présentation: L’inférence scientifique et la conception technique impliquent fréquemment le problème inverse de la détermination d’informations sur l’état d’un système physique complexe à partir des données observées de son comportement. J’ai rencontré pour la première fois ce type de problème inverse à l’université, avec des résultats quelque peu désastreux. L’analyse « après action » de cette expérience a eu plusieurs conséquences sur ma carrière, notamment un effort soutenu dans la formulation et la résolution de problèmes inverses pour les modèles de physique et d’ingénierie. Je donnerai une description intuitive de notre formulation bayésienne et de la solution de problèmes inverses dans le contexte de la cuisson des steaks et de la prévision des ondes de tempête des ouragans. Je parlerai également des extensions de notre approche et de la relation avec d’autres statistiques bayésiennes.
Dates futures
Vendredi 30 septembre | 12h00-12h45 MST | Université du Yukon, Whitehorse, Yukon
Titre à annoncer
Dr. Lisa Kanary, Instructeur, École de commerce et de leadership
Sciences appliquées et gestion
Vendredi 14 octobre | 12h00-12h45 EDT | Université McMaster, Hamilton, Ontario
Titre à annoncer
Dr Lehana Thabane, professeur et président par intérim, département des méthodes de recherche en santé, des preuves et de l’impact.
Vendredi 18 novembre | 12h00-12h45. EST | Biogen, Montréal, Québec
Titre à annoncer
Dr. Gabrielle Simoneau, Biostatisticienne principale senior
