Accéder au résumé de la conférence

Accéder au texte de la conférence

Gilbert Saporta

est professeur émérite de statistique appliquée au Conservatoire National des Arts et Métiers (CNAM) où il a été en activité de 1984 à 2014. Il est membre permanent de l'équipe Méthodes Statistiques de Data Mining et Apprentissage du Centre d’études et de recherche en informatique et communications [Cédric- Cnam].
Il est également professeur invité depuis 2017 à Beihang University à Pékin en Chine.
Président d’honneur de la Société Française de Statistique [SFDS] ) depuis 2017.
Il préside la Fondation d’utilité publique "La Science Statistique" depuis 2008 - [petit retour historique sur la Fondation]
Depuis 2003, Membre [Membre]d’honneur de la

Societatea de Probabilităţi şi Statistică din România

Il a été président de l’International Association for Statistical Computing [IASC] et Vice-président de l’International Statistical Institute [ISI-IIS] entre 2005 et 2007.
Ses travaux portent sur l'analyse des données multidimensionnelles. Il est l'auteur du manuel

En savoir plus

Probabilités, analyse des données et statistique, dont la troisième édition, a été publiée en 2011 aux Editions Technip.

Préface rédigée par Gilbert Saporta pour l'ouvrage de Gras, R., Régnier, JC., Marinica, C., Guillet, F. (Eds) (2013) Analyse Statistique Implicative. Méthode exploratoire et confirmatoire à la recherche de causalités. Toulouse : Cépadues

« C'est avec grand plaisir que j'écris ces quelques lignes en guise de préface de cet ouvrage. L'analyse statistique implicative, ASI pour les familiers, a trouvé désormais sa place parmi les méthodes utiles aux statisticiens et aux praticiens de la statistique. L'ASI fournit des outils simples et efficaces d'étude de la causalité. Pendant longtemps, les statisticiens sous prétexte que corrélation n'est pas causalité, se sont soigneusement gardés de parler de causalité, renvoyant la preuve de relations causales aux « savants » du domaine d'application, se contentant au mieux de la réfuter. Or la demande d'explications causales que ce soit en médecine ou en sciences sociales est de plus en plus forte. On peut également évoquer en fouille de données, et dans ce qu'il est convenu d'appeler maintenant les « Big Data », la recherche de règles d'association et les systèmes de recommandation où la causalité est recherchée et non la simple liaison, car il s'agit d'intervenir sur les comportements en agissant sur des variables « causes » pour obtenir certains effets. Les graphes de causalité, l'approche de J. Pearl, ont permis de revoir d'un point de vue nouveau les études de causalité : l'ASI, bien qu'en étant foncièrement différente fait partie de ces approches nouvelles et elle s'applique avec succès dans de nombreux domaines comme le prouve la richesse de ce livre. Les 33 chapitres de ce livre constituent une véritable somme : après deux parties méthodologiques très complètes, j'ai été frappé par la diversité des applications, pour l'essentiel venant des sciences de l'homme, mais aussi de bio-informatique. Le nombre d'auteurs différents aurait pu rendre difficile la lecture de l'ouvrage, mais j'y ai trouvé une grande homogénéité. Je suis persuadé que cet ouvrage rendra de grands services aux méthodologues, praticiens, théoriciens, étudiants et enseignants de divers domaines et je recommande vivement au lecteur de passer aux chapitres suivants ! » (Gilbert Saporta, 2013)

Visites