Teaching

Courses:

Springs 2019 and 2020: Statistique 3 (Advanced Statistics)
Chapitre 1: Approche asymptotique (Exercices: Feuille 1, Feuille 2, Feuille 3, Feuille 4)
– M-estimateurs (consistence, normalité asymptotique): Cas régulier; cas convexe.
– Bornes d’efficacité asymptotique, bornes de Cramer-Rao (estimation biaisée ou non).
– Différentiabilité au sens de Hadamard, développement de Von Mises, méthode Delta fonctionnelle.
– Robustesse, fonction d’influence.
– Bornes de Berry-Esseen, méthode de Stein.
Chapitre 2: Inégalités de concentration (Exercices: Feuille 5)
Examen

Spring 2020: Théorie des Probabilités

Fall 2018: Optimisation avancée (Preuves laissées en exercice)
Chapitre 1: Idées générales (Exercices)
Chapitre 2: Convexité et dualité (Exercices)
Chapitre 3: Méthodes géométriques (Exercices)
Chapitres 4: Variations sur un thème de descente de gradient (Exercices)

Spring 2016 and Spring 2018: 18.650 – Fundamentals of Statistics
Chapter 1 – Introduction
Chapter 2 – Parametric Inference
Chapter 3 – Parameter Estimation
Chapter 4 – Parametric hypothesis testing
Chapter 5 – Testing goodness of fit
Chapter 6 – Linear regression
Chapter 7 – Further questions about regression
Chapter 8 – Bayesian Statistics
Chapter 9 – Introduction to Survey Sampling
Chapter 10 – Principal Component Analysis

Fall 2014: Introduction to Probability and Statistics (Yale)

Recitations:

Calculus, Multivariate calculus, Linear Algebra, Real Analysis, Probability Theory, Mathematical Statistics 1, Mathematical Statistics 2, Nonparametric Statistics, Optimization, Functional and Convex Analysis, …