Mathématiques de la prise de décision et statistiques

Le groupe se concentre sur le développement de la recherche en mathématiques et ses applications à l'économie, à la finance, aux sciences sociales et à l'intelligence artificielle

Le groupe MADS (Mathématiques de la Décision et Statistique) est l'un des 9 groupes du laboratoire de recherche TSE-R (UMR 5314).

Son objectif est de promouvoir et de développer les activités de recherche en mathématiques appliquées à l'économie.

Les thèmes abordés comprennent la recherche opérationnelle, les mathématiques financières, les statistiques, l'économétrie, la théorie des jeux, l'optimisation, les probabilités, le calcul des variations, les équations aux dérivées partielles (EDP) et les modèles mathématiques en économie, finance et sciences sociales.

Activités du groupe

  • séminaires
  • conférences
  • ateliers avec des doctorants
  • cours avancés

Regardez un exemple de projet de recherche

Liste des documents de travail et des articles du groupe

Intercity connectivity and urban innovation

Xiaofan Liang, César Hidalgo, Pierre-Alexandre Balland, Siqi Zheng, et Jianghao Wang

Computers, Environment and Urban Systems, vol. 109, n° 102092,

An expectile computation cookbook

Abdelaati Daouia, Gilles Stupfler, et Antoine Usseglio-Carleve

Statistics and Computing, vol. 34, n° 103,

A comparative study of residents and tourists' valuation for a heterogeneous environmental good: The case of coastal erosion

Marine Policy, vol. 161, n° 106038,

Privately Learning Smooth Distributions on the Hypercube by Projections

TSE Working Paper, vol. 24-1505,

Discretisation of Langevin diffusion in the weak log-concave case

Marelys Crespo

TSE Working Paper, vol. 24-1506,

Bilateral Trade: A Regret Minimization Perspective

Nicolo Cesa-Bianchi, Tommaso Cesari, Roberto Colomboni, Federico Fusco, et Stefano Leonardi

Mathematics of Operations Research, vol. 49, n° 1,

Dynamic Contracting with Many Agents

Stéphane Villeneuve, Bruno Biais, Hans Gersbach, Jean-Charles Rochet, et Ernst-Ludwig von Thadden

TSE Working Paper, vol. 24-1511,

The Stick-Breaking and Ordering Representation of Compositional Data: Copulas and Regression models

TSE Working Paper, vol. 24-1500, ,

The link between multiplicative competitive interaction models and compositional data regression with a total

Lukas Dargel, et Christine Thomas-Agnan

Journal of Applied Statistics, vol. 51, n° 14, , pp. 2929–2960

The Christoffel function: Applications, connections and extensions,

Numerical Algebra, Control and Optimization,

Understanding political divisiveness using online participation data from the 2022 French and Brazilian presidential elections

Carlos Navarrete, Mariana Macedo, Rachael Colley, Jingling Zhang, Nicole Ferrada, Maria Eduarda Mello, Rodrigo Lira, Carmelo Bastos-Filho, Umberto Grandi, Jérôme Lang, et César Hidalgo

Nature Human Behaviour, vol. 8, n° 1, , pp. 137-148

Uncertainty Quantification of Set-Membership Estimation in Control and Perception

Yukai Tang, Jean-Bernard Lasserre, et Heng Yang

Proceedings of Machine Learning Research, vol. 242, , pp. 286--298

Liste des séminaires

Passé

Universality and Robustness in Competing Mechanisms

  • Séminaire

  • MAD-Stat. Seminar

  • Date 22 juin 2023

  • Lieu Auditorium 4

  • Orateur / organisateur Thomas Mariotti

Détails

Passé

Optimality of Variational Inference for Stochastic Block Model

  • Séminaire

  • MAD-Stat. Seminar

  • Date 20 avril 2023

  • Lieu Auditorium 3

  • Orateur / organisateur Olga Klopp

Détails

Passé

Optimal Transport Distance Between Completely Random Measures with Applications in Bayesian Statistics

  • Séminaire

  • MAD-Stat. Seminar

  • Date 30 mars 2023

  • Lieu Auditorium 3

  • Orateur / organisateur Hugo Lavenant

Détails

Passé

A formula for the value of a stochastic game

  • Séminaire

  • MAD-Stat. Seminar

  • Date 16 mars 2023

  • Lieu Auditorium 3

  • Orateur / organisateur Miquel Oliu-Barton

Détails

Passé

Improve Learning Combining Crowdsourced Labels by Weighting Areas under the Margin

  • Séminaire

  • MAD-Stat. Seminar

  • Date 9 mars 2023

  • Lieu Auditorium 3

  • Orateur / organisateur Joseph Salmon

Détails

Passé

The moment hierarchy in polynomial optimization: introduction and application to power systems

  • Séminaire

  • MAD-Stat. Seminar

  • Date 15 décembre 2022

  • Lieu Auditorium 3

  • Orateur / organisateur Adrien Le Franc

Détails

Passé

Exponential family distributions for modeling partitions of individuals

  • Séminaire

  • MAD-Stat. Seminar

  • Date 8 décembre 2022

  • Lieu Auditorium 3

  • Orateur / organisateur Marion Hoffman

Détails

Passé

Nonparametric spatial scan statistics for real and functional data

  • Séminaire

  • MAD-Stat. Seminar

  • Date 1 décembre 2022

  • Lieu Auditorium 3

  • Orateur / organisateur Zaineb Smida

Détails

Passé

Algorithms for Computing Equilibrium Payoffs in Quitting Games

  • Séminaire

  • MAD-Stat. Seminar

  • Date 24 novembre 2022

  • Lieu Auditorium 1

  • Orateur / organisateur Catherine Rainer

Détails

Passé

The nice properties of MMD for statistical estimation

  • Séminaire

  • MAD-Stat. Seminar

  • Date 10 novembre 2022

  • Lieu A3

  • Orateur / organisateur Pierre Alquier

Détails

Passé

Language and social networks dynamics

  • Séminaire

  • MAD-Stat. Seminar

  • Date 20 octobre 2022

  • Lieu Auditorium 4

  • Orateur / organisateur Pierre Tarrès

Détails

Passé

A gradient estimator via L1-randomization for onlinezero-order optimization with two point feedback

  • Séminaire

  • MAD-Stat. Seminar

  • Date 13 octobre 2022

  • Lieu Auditorium 3

  • Orateur / organisateur Evgenii Chzhen

Détails

Conférences et workshops

Passé

Doctoral Workshop on Decision Mathematics and Statistics

  • Atelier

  • Date 4 juin 2026

  • Lieu Auditorium 5

Détails

Passé

Doctoral Workshop on Decision Mathematics and Statistics

  • Atelier

  • Date 19 juin 2025

  • Lieu Auditorium 5

Détails

Passé

Spring Workshop on Optimization and Machine Learning

  • Atelier

  • Date 1 avril 2025

  • Lieu Auditorium 6

Détails