Probabilités, analyse des données et statistique. 3e édition

La numérisation du monde a pour conséquence la mise à disposition de masses de données inédites, notamment celles provenant du web. La statistique qui s'est développée autrefois dans un contexte de rareté des données fait face à de nouveaux défis. Donner du sens aux données, développer des algorithmes prédictifs sans nécessairement avoir de modèle génératif, tels sont quelques-uns des objectifs de l'apprentissage statistique. L'apport d'autres disciplines - informatique et optimisation en particulier - est essentiel compte tenu de la nécessité de traiter rapidement les volumes de données impliqués. On distingue l'apprentissage supervisé, où l'objectif est de prévoir une réponse à partir de prédicteurs, de l'apprentissage non supervisé, qui recherche des structures et des formes sans chercher à prévoir une réponse particulière. Depuis les réseaux de neurones jusqu'aux forêts aléatoires, en passant par les séparateurs à vaste marge (SVM), de nombreux algorithmes ont été développés, ne reposant que faiblement sur des hypothèses probabilistes. Dans ce contexte, la validation, la capacité de généralisation à de nouvelles données et le passage à l'échelle sont donc essentiels. Cet ouvrage est le fruit de la collaboration entre spécialistes réputés : Sylvain Arlot (Université Paris Sud), Philippe Besse (INSA de Toulouse), Stéphane Canu (INSA de Rouen), Jean-Michel Poggi (Université Paris Descartes & LMO, Université Paris-Sud Orsay), Emmanuel Viennet (Université Paris 13) et Nathalie Villa-Vialaneix (INRA, Toulouse) réunis à l'occasion des 17" Journées d'étude en statistique organisées par la SFdS. Le lecteur y trouvera une synthèse des fondements et des travaux les plus récents dans le domaine de l'apprentissage statistique, avec des applications dans des domaines variés.

A l'exception notable des essais contrôlés et randomisés, la statistique a longtemps évacué le problème de la causalité considérant qu'il relevait du domaine d'application et des théories afférentes. Bien souvent les cours et les manuels de statistique se contentent de rappeler que corrélation n'est pas causalité et passent rapidement à d'autres sujets. Or, que ce soit en économie, épidémiologie, génétique, médecine,. marketing, pour ne citer que quelques domaines, la recherche de modèles causaux et de variables actionnables est incontournable. Aujourd'hui la mise à disposition de données massives ou de grande dimension repose la question de la causalité de manière aigüe. Dans le prolongement des travaux pionniers de Granger (prix Nobel d'économie en 2003), Pearl (prix Turing en 2011), Rosenbaum et Rubin, pour ne nommer qu'eux, une très large palette de modèles et méthodes pour l'analyse causale, éventuellement hors d'une expérience contrôlée, s'est peu à peu constituée depuis le début des années 1980. Citons entre autres les thèmes suivants : issues potentielles, données contre-factuelles, scores de propension, double-robustesse, diagramme de causalité, réseaux bayésiens, systèmes d'équations structurelles. Cet ouvrage est le fruit de la collaboration entre spécialistes réputés Léon Bottou (Facebook Al Research), Antoine Chambaz (université de Paris), Daniel Commenges (Institut national de la santé et de la recherche médicale), Isabelle Drouet (université Paris-Sorbonne), Ron Kenett (KPA Group), Vivian Viallon (International Agency for Research on Cancer) réunis à l'occasion des 18` Journées d'étude en statistique organisées par la SFdS. Le lecteur y trouvera une synthèse des fondements et des travaux les plus récents dans le domaine de la causalité statistique, avec des applications dans des domaines variés. La Société Française de Statistique (SFdS), association reconnue d'utilité publique, a pour objectif de favoriser les développements de la statistique et d'assurer la représentation de l'ensemble des utilisateurs, enseignants et chercheurs dans ce domaine. Elle est l'héritière de la SSP (Société de Statistique de Paris) fondée en 1860, de l'ASU (Association pour la Statistique et ses Utilisations) fondée en 1969 et de la 55F (Société de Statistique de France) fondée en 1976, qui ont fusionné en 1997.

Résumé : La statistique classique se consacre principalement à l'étude d'un nombre restreint de caractères mesurés sur un petit ensemble d'individus. Cependant, dans la pratique, les individus observés sont fréquemment décrits par un grand nombre de caractères. Les méthodes d'analyse des données, dont les fondements ont été posés dans les années trente, permettent une étude globale des individus et des variables en utilisant généralement des représentations graphiques suggestives, et en analysant les données selon plusieurs points de vue. Quels sont les différents concepts et les méthodes de classification de l'analyse des données ?