Professeur de Statistique / Full Professor of Statistics
Université Bourgogne Europe, CNRS
Institut de Mathématiques de Bourgogne, UMR 5584
F-21000 Dijon, France
Bureau (office) : A229
Online PCA : divers algorithmes pour l'analyse en composantes principales en ligne (calcul récursif des vecteurs propres, valeurs propres et composantes principales), avec extensions aux données manquantes et fonctionnelles. CRAN.
Gmedian : algorithmes récursifs rapides pour l'estimation robuste en grande dimension : Gmedian (indicateur robuste de position), k-Gmedian (classification robuste analogue aux k-means), GmedianCov (covariation robuste et ACP). CRAN.
Enseignement (2026–2027)
Tous les documents de cours sont disponibles sur le site plubel.
L3 — CM/TD Statistique et plans d'expérience (Polytech Dijon) : compléments sur les tests d'hypothèses, régression linéaire multiple, analyse de variance à deux facteurs ; plans d'expérience (fractionnaires, surface de réponse, carrés latins).
L3 — CM Statistique inférentielle (Licence Mathématiques).
M1 — TD/TP Statistique inférentielle (Master MIGS et PMG) : construction d'estimateurs (moments, maximum de vraisemblance), propriétés de convergence, borne de Cramér-Rao, intervalles de confiance, tests d'hypothèses (rapport de vraisemblance).
M1 — CM/TD/TP Analyse des données – Introduction au Machine Learning (Master MIGS) : algèbre linéaire et géométrie euclidienne, régression linéaire multiple, ACP, classification supervisée (analyse discriminante), clustering (k-means, algorithme de Ward).
M2 — CM/TD/TP Modélisation statistique (Master MIGS) : sélection de modèles, points influents, analyse de la variance, modèles linéaires généralisés (régression logistique, probit, log-linéaire), modèles non linéaires, estimation nonparamétrique (noyaux, splines, modèles additifs et additifs généralisés).