Cours en anglais

Dans de nombreuses situations, les données dont disposent le statisticien présentent une complexité telle qu’'elles échappent, au moins en première analyse, à toute modélisation paramétrique. Ce cours a pour objectif de présenter des techniques statistiques moins rigides,  ainsi que les questions théoriques inhérentes à leur mise en œoeuvre : la contrepartie de la flexibilité accrue des approches non-paramétriques résidant dans le risque de « sur-ajuster » le modèle aux données.
À travers des exemples, on abordera le point de vue «minimax» pour l’'estimation non-paramétrique, le compromis « biais/variance » en fonction de la « complexité » du modèle et on introduira le paradigme de l’'apprentissage statistique, la « minimisation du risque empirique ».