Programme et résumés (pdf) - Société statistique du Canada

100 Lundi 29 mai • Monday, May 29, 15:30–17:00[MS-81]Projection-directed Invariant Tests for the Multivariate Multi-sample ProblemTests invariants par projection pour le problème multivarié à plusieurs échantillonsXiaobin YUAN & Cheng CHENG, St. Jude Children’s Research HospitalA class of simple tests combining projection andunivariate nonparametric tests is proposed for theUne classe de tests simples combinant des tests non paramétriquesunivariés et des projections est proposée pour lemultivariate multi-sample problem. The direction problème multivarié à plusieurs échantillons. La directionfor projection is based on principal components of de la projection est basée sur les composantes principales dethe pooled sample. For the projected data at each l’échantillon groupé. Pour les données projetées dans chaquedirection, we can choose proper univariate tests direction, nous pouvons choisir le test univarié appropriéfor different alternatives. Our proposed tests have pour différentes alternatives. La perte d’efficacité asymptolittleasymptotic efficiency loss for testing multi- tique des tests que nous proposons pour tester les moyennesvariate Normal means compared to the optimal T- d’une Normale multivariée, par rapport au test optimal du T-square test. This method can be modified for right- carré, est très faible. Cette méthode peut être modifiée pourcensored bivariate data.des données bivariées censurées à droite.[MS-82]Nonparametric Likelihood WeightsPoids non paramétriques pour la vraisemblance pondéréeJean-François PLANTE & James V. ZIDEK, University of British ColumbiaSuppose samples are available from M similar populations,one of which is of inferential interest.The weighted likelihood described by Wang (2001)uses exponential weights to include all data for inference.Determining the weights is challenging.We present a data-based nonparametric criterionfor choosing the weights and justify its constructionintuitively. We then explore the properties andperformances that result from using these adaptiveweights.Vous disposez de M échantillons provenant de populationssemblables dont une sur laquelle porte l’inférence. La vraisemblancepondérée telle que décrite par Wang (2001) utilisedes poids exponentiels afin d’inclure toutes les données dansle processus inférentiel. Un grand défi consiste à déterminerces poids. Nous présentons et justifions intuitivement un cri-tère échantillonnal non paramétrique pour choisir les poids.Nous étudions ensuite les propriétés et les performances quidécoulent de ce choix.[MS-83]Comparison of Two Non Parametric Regression Methods with Application to a Mammary Density StudyComparaison de deux méthodes de régression non paramétrique multivariées par une application à uneétude portant sur la densité mammaireNathalie VANDAL, Université LavalNon parametric regression is a statistical tool to describethe relationship between a dependent variableand one or more predictors without specifyingan exact form for this relationship. In this presentation,a short description of GAM and poly-MARS estimation methods will be given, followedby a comparison of results obtained when applyingthese two methods to a dataset from a mammarydensity study.La régression non paramétrique est un outil statistique permettantde décrire la relation entre une variable dépendanteet une ou plusieurs variables explicatives, sans spécifier deforme stricte pour cette relation. Dans cette présentation, unebrève description des méthodes GAM et polyMARS sera exposée,suivi d’une comparaison des résultats obtenus lors del’application de ces deux méthodes à des données provenantd’une étude portant sur la densité mammaire.SH = Somerville House SSC = Social Science Centre UC = University College