[Statlist] Séminaires de Statistique - Université de Neuchâtel

KONDYLIS Atanassios @t@n@@@|o@@kondy||@ @end|ng |rom un|ne@ch
Mon Feb 13 14:43:19 CET 2006


Séminaires de Statistique 
Mardi 14 février 2006 à 11h00 
Institut de Statistique, Université de Neuchâtel 
Espace de l'Europe 4, Neuchâtel


Prof. Dr. Laurent Donzé
Département d'économie quantitative, Université de Fribourg 


Titre : Evaluation de l'efficacité de la promotion de projets CTI: méthode et résultats

Résumé : La Commission pour la Technologie et l'Innovation (CTI) encourage les activités d'innovation de l'économie, en particulier celles des PME. Cette promotion s'effectue à travers divers biais, notamment par le financement de projets communs entre les Hautes Ecoles et les entreprises ou au travers divers programmes spéciaux. Sur mandat de l'Office fédéral de la formation professionnelle et de la technologie et en collaboration avec le Centre de recherches conjoncturelles de l'Ecole polytechnique fédérale de Zurich (KOF), nous avons eu pour tâches d'évaluer statistiquement l'efficacité de la promotion de projets CTI. Notamment, il s'agissait d'estimer si les activités de R & D des entreprises s'étaient accrues par rapport à un niveau hypothétique sans soutien. L'impact du soutien de la CTI a été évalué pour deux périodes, à savoir de 2000 à 2002 et de 1994 à 1996, et s'avère dans l'ensemble positif.

Pour en savoir plus: http://kof.ch/pdf/wp_103.pdf



Séminaires de Statistique 
Mardi 21 février 2006 à 11h00 
Institut de Statistique, Université de Neuchâtel 
Espace de l'Europe 4, Neuchâtel


Sylvain Sardy
Institut de Mathématiques, ÉPFL, Lausanne

Titre : A la recherche du biais non nul par vraisemblance pénalisée Lp

Résumé : Alors que certains cherchent à démontrer que leur estimateur est non-biaisé, d'autres, dont nous faisons partie, cherchent au contraire à biaiser leur estimateur, ou plus généralement à les régulariser. Aussi âgée que la régularisation dite par "Sélection de variable", cette pratique perdure avec des techniques employant des pénalités/priors L2 (ridge regression), L1 (Lasso), et maintenant Lp baptisée SLIC. Nous donnerons un panorama de ces méthodes avant de parler plus en détail de SLIC. Nous illustrerons nos méthodes à l'aide de données provenant de la médecine, de la finance, de l'astronomie et de la statistique officielle.




More information about the Statlist mailing list