Programme et résumés (pdf) - Société statistique du Canada

Mardi 30 mai • Tuesday, May 30, 10:15–11:45 109[MS-99]Catalytic Branching NetworksRéseaux avec branchement catalytiqueDonald DAWSON, Carleton UniversityWe consider a class of diffusion processes thatmodel catalytic branching, that is, a branching pro-Nous considérons une classe de processus de diffusion modélisantle branchement catalytique, c’est-à-dire un procescessin which the branching rate is enhanced by sus de branchement dans lequel le taux de branchement augthepresence of a catalyst. A catalytic branch- mente en présence d’un catalyseur. Un réseau de brancheingnetwork corresponds to a multitype system in ment catalytique correspond à un système à plusieurs typeswhich some types serve as catalysts for other types. où certains types servent de catalyseur pour d’autres. Les ré-Catalytic branching networks in which there are seaux de branchement catalytique où se trouvent des cyclesclosed cycles of catalytic types and catalytic sys- fermés de types catalytiques et des systèmes catalytiques distemsdistributed in space pose a number of chal- tribués dans l’espace posent plusieurs problèmes mathémalengingmathematical problems that will be dis- tiques difficiles dont nous discuterons. Ce travail fut en partiecussed. Parts of this work are joint with E.A. réalisé conjointement avec E.A. Perkins, T. Cox et A. Gre-Perkins, T. Cox and A. Greven.ven.Session 06F Mardi 30 mai • Tuesday, May 30, 10:15–11:45 SSC3006Classical StatisticsStatistique classique[MS-100]A Weighted Multivariate Sign Test for Cluster Correlated DataUn test pondéré des signes multivarié pour des données corrélées en grappesDenis LAROCQUE, HEC Montréal, Jaakko NEVALAINEN & Hannu OJA, University of TampereWe consider the multivariate location problem with Nous considérons le problème de position multivarié aveccluster correlated data. A family of multivariate des données corrélées en grappes. Une famille de tests desweighted sign tests are introduced for which ob- signes pondérés multivariés est proposée. La loi asymptoservationsfrom different clusters can receive dif- tique des statistiques de test est obtenue sous l’hypothèseferent weights. The asymptotic distribution of the nulle et sous une suite de contre-hypothèses locales multeststatistic is obtained under the null hypothesis tinormales. Les poids optimaux maximisant l’efficacitéand also for a local alternative model under mul- asymptotique de Pitman sont obtenus. Plusieurs approchestivariate normality. Optimal weights maximizing pour estimer ces poids sont présentées. Nous démontronsPitman asymptotic efficiency are provided. Sev- que l’utilisation de poids judicieux peut améliorer de maeralapproaches for estimating these weights are nière notable l’efficacité par rapport au test donnant un poidspresented. Using Pitman asymptotic efficiency, it égal à chaque observation.is shown that appropriate weighting can increasesubstantially the efficiency compared to a test thatgives the same weight to each cluster.SH = Somerville House SSC = Social Science Centre UC = University College