BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//CERN//INDICO//EN
BEGIN:VEVENT
SUMMARY:Tests multiples pour données discrètes
DTSTART:20260512T091500Z
DTEND:20260512T101500Z
DTSTAMP:20260607T051100Z
UID:indico-event-14481@indico.math.cnrs.fr
DESCRIPTION:Speakers: Guillermo Durand\n\nOn se place dans un problème de
  tests multiples\, où les p-valeurs sous l'hypothèse nulle ont une distr
 ibution discrète connue\, et où celles-ci sont hétérogènes. Les outil
 s classiques de tests multiples\, comme la procédure de Benjamini-Hochber
 g (BH) pour le contrôle du False Discovery Rate (FDR) ont été conçus p
 our des p-valeurs homogènes uniformes sous la nulle\, ce qui constitue un
  pire cas possible. Par conséquent\, dans notre modèle\, ces outils perd
 ent en puissance\, et on peut rattraper cette perte si\, d'une façon ou d
 'une autre\, on injecte la connaissance des distributions discrètes sous 
 la nulle dans nos procédures. Dans cet exposé\, je présenterai des proc
 édures dérivées de la procédure BH qui font exactement ça et qui cont
 rôlent le FDR sous hétérogénéité. Je passerai ensuite au problème d
 e la construction d'enveloppes de confiance uniforme pour le False Discove
 ry Proportion (FDP)\, pour lequel on peut déployer la même stratégie.\n
 Travaux en communs avec Romain Périer\, Gilles Blanchard\, Sebastian Döh
 ler\, Etienne Roquain\, et Florian Junge.\n\nhttps://indico.math.cnrs.fr/e
 vent/14481/
LOCATION:Salle E. Picard (1R2-129)
URL:https://indico.math.cnrs.fr/event/14481/
END:VEVENT
END:VCALENDAR