À la recherche de relations significatives
À l’ère de l’information, nous disposons dorénavant d’une profusion de données quasi sans bornes. L’analyse statistique de ces données nous permet de mieux comprendre les phénomènes naturels, d’anticiper les fluctuations de l’économie et de découvrir les causes de diverses maladies. Christian Genest, titulaire de la Chaire de recherche du Canada en modélisation de la dépendance stochastique, s’intéresse au développement de modèles et de techniques d’inférence statistiques propres à la recherche de « relations significatives » entre des variables hétérogènes. Au-delà de la complexité inhérente au traitement de grands ensembles de données, cette entreprise pose de nombreux défis méthodologiques liés à la variabilité expérimentale et à la présence éventuelle d’arrondi, de censure ou de troncation dans les données. Le temps et divers autres facteurs susceptibles d’influencer le comportement des variables d’intérêt doivent aussi être pris en compte dans l’étude de la dépendance et de ses effets. Genest et son équipe étudient ces questions, notamment au moyen de la théorie des copules. Leurs travaux portent à la fois sur la construction de modèles, l’inférence et la prévision par des méthodes faisant appel à l’analyse multidimensionnelle, la statistique non paramétrique, les séries chronologiques et la théorie des processus empiriques. Genest et son équipe développent de nouvelles méthodes statistiques qu’ils adaptent, en collaboration avec des spécialistes des cadres conceptuels, à divers contextes en assurance, en finance et en hydrologie, contribuant ainsi à faire évoluer la théorie et la pratique dans ces domaines.