Saturday Samedi May 25 Mai 2019 - Seventh Canadian Statistics Student Conference Septi eme Congr es Canadien des Etudiants en Statistique

Page created by Louis Dominguez
 
CONTINUE READING
Saturday Samedi May 25 Mai 2019 - Seventh Canadian Statistics Student Conference Septi eme Congr es Canadien des Etudiants en Statistique
Seventh Canadian Statistics Student Conference
                       •
 Septième Congrès Canadien des Étudiants en
                  Statistique

           University of Calgary, Alberta

                Saturday • Samedi
                May 25 • Mai 2019
Saturday Samedi May 25 Mai 2019 - Seventh Canadian Statistics Student Conference Septi eme Congr es Canadien des Etudiants en Statistique
HRIC Atrium

                P10         TRW
                                  HRIC

                                               HMRB               P6

          PP          MT                 HSC

                                                                                      P7
                      FMC                                               P8
                                                       WHC

                                                  P4         NT

                                                                       P8a

          SSB                      P1

ST
                                                                             Public    P1, P3, P4, P6, P8a, P10 (underground)
     P3
                                                                             Staff     P7, P8, TRW (underground)

                                                                             ST   SOUTH TOWER
            T
                                                                             SSB SPECIAL SERVICES BUILDING
            B                                                                TBCC TOM BAKER CANCER CENTRE
            C                                                                FMC FOOTHILLS MEDICAL CENTRE
                                                                             NT   NORTH TOWER
                                                                             WHC WOMEN’S HEALTH CENTRE
                                                                             HSC HEALTH SCIENCES CENTRE
                                                                             HMRB HERITAGE MEDICAL RESEARCH BUILDING
                                                                             HRIC HEALTH RESEARCH INNOVATION CENTRE
                                                                             TRW TEACHING RESEARCH & WELLNESS
                                                                             MT   MCCAIG TOWER
                                                                             PP   PHYSICAL PLANT

FOOTHILLS CAMPUS MAP
Saturday Samedi May 25 Mai 2019 - Seventh Canadian Statistics Student Conference Septi eme Congr es Canadien des Etudiants en Statistique
Windows

                                                                                                                                           Elevator“h"   Foothills
                                                                                                                                                         Hospital

                                                                                            1508       1506       1504

                                                                                           1509A       1509       1503

                                                                                                                               O’Brien Centre
                                                1402   1403         1404

                                                   Corridor 14022                                             1501

          Elev ator
           1408X
                                                                                               Bioinformatics Lab
     Serv ice
      Shaft
      1450V
                                                1405B         1405A

                                                                                                     1500
                 Health Sciences Library
                                                                           Serv ice
                                                                            Shaft
                                                                            1452V

                                                                                                                           Theatre 4
Service

                                                                                                  Stairs to
                                                                           Serv ice
                                                                            Shaft      O’Brien Centre, (1st/2nd floors),
                                                                            1454V
                                                                                        Theatres 3 & 4, Room 1405B

                                                                                                           Main Level

                                                                           Serv ice
                                                                            Shaft
                                                                            1456V
                                                                                                                            To HRIC & Theatre 3

                                                                                              Theatre
                                                                                                 4
                                                                            Serv ice
                                                                             Shaft
                                                                             1460V

                                                                           Serv ice
                                                                            Shaft
                                                                            1462V

                                                         4
                      Health Sciences Library

                                                                      4                       Theatre 3
                                                         4

                                                                           Serv ice
                                                                            Shaft
                                                                            1484V

                                                        1464A

                                                                    1462B

                                                        146 4B
                                                                           Serv ice
                                                                            Shaft
                                                                            1479V

                                                                                                                                                                     1st Floor
Saturday Samedi May 25 Mai 2019 - Seventh Canadian Statistics Student Conference Septi eme Congr es Canadien des Etudiants en Statistique
Contents • Table des matières

 Welcome • Bienvenue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .      .   .   .   .    4
 Sponsors • Commanditaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .        .   .   .   .    5
 Organizers and volunteers • Organisateurs et bénévoles . . . . . . . . . . . . . . . .       .   .   .   .   10
 Program Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .       .   .   .   .   12
 Aperçu du programme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .       .   .   .   .   13
 Keynote address • Discours d’honneur . . . . . . . . . . . . . . . . . . . . . . . . .         .   .   .   .   14
 Statistical Computing Workshop • Atelier en Calculs Statistiques . . . . . . . . . .           .   .   .   .   15
 Machine Learning applications in R
      Applications de l’apprentissage machine en R . . . . . . . . . . . . . . . . . .          .   .   .   .   16
 Invited career speakers • Conférenciers invités à la séance sur les carrières . . . . .   .   .   .   .   17
 Posters • Affiches . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .   .   .   .   .   20
 Oral presentations •Présentations orales . . . . . . . . . . . . . . . . . . . . . . . .      .   .   .   .   21
 Scientific abstracts: Oral presentations • Résumés scientifiques: présentations orales      .   .   .   .   22
      Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .    .   .   .   .   22
      Robust estimators • Estimateurs robustes . . . . . . . . . . . . . . . . . . . .          .   .   .   .   25
      Causal inference • Inférence causale . . . . . . . . . . . . . . . . . . . . . . . .     .   .   .   .   28
      Model selection • Sélection de modèle . . . . . . . . . . . . . . . . . . . . . . .     .   .   .   .   31
      Bayesian statistics • Statistique Bayesienne . . . . . . . . . . . . . . . . . . . .      .   .   .   .   34
      Biostatistics • Biostatistique . . . . . . . . . . . . . . . . . . . . . . . . . . . .    .   .   .   .   37
 Scientific abstracts: Posters • Résumés scientifiques: Posters . . . . . . . . . . . . .     .   .   .   .   40

                                                   3
Saturday Samedi May 25 Mai 2019 - Seventh Canadian Statistics Student Conference Septi eme Congr es Canadien des Etudiants en Statistique
Welcome • Bienvenue
 We are pleased to have you at the Canadian          Nous sommes heureux de vous compter parmi
 Statistics Student Conference!                      nous au Congrès canadien des étudiants en
 Our main goal is to offer a space for students      statistique (CCÉS)! Nous visons principale-
 and recent graduates to network, learn, and         ment à offrir aux étudiants et aux nou-
 participate in multiple activities that can help    veaux diplômés un espace leur permettant
 them consolidate the direction of their pro-        de réseauter, d’apprendre, et de participer
 fessional path. The CSSC provides a low-            à de multiples activités susceptibles de les
 stress environment for sharing ideas, devel-        aider à consolider l’orientation de leur par-
 oping skills and holding discussions with oth-      cours professionnel. Le CCÉS offre un envi-
 ers about research, while learning about ca-        ronnement sans stress pour partager des idées,
 reer opportunities. What is best, a wide            développer des compétences et discuter de
 range of statistical interests are represented,     recherche avec des pairs, tout en en apprenant
 such as biostatistics, industrial statistics; big   davantage sur les possibilités de carrière. Qui
 data analysis; probability theory, Bayesian         mieux est, un large éventail d’intérêts statis-
 approaches, and more.                               tiques sont représentés, tels que la biostatis-
 This year’s event will put the spotlight on         tique, la statistique industrielle, l’analyse de
 Machine Learning and Big Data, with a talk          données volumineuses, la théorie des proba-
 about machine learning applications in R and        bilités, les approches bayésiennes et plus en-
 an interactive workshop opposing machine            core. L’événement de cette année mettra en
 learning and logistic regression for big data.      lumière l’apprentissage machine et les données
 Attendees are encouraged to bring their lap-        volumineuses, grâce à une présentation sur les
 tops to the workshop. The program also in-          applications d’apprentissage machine en R et
 cludes a session with representatives from dif-     à un atelier interactif opposant l’apprentissage
 ferent areas of the statistics workforce, aim-      automatique et la régression logistique pour
 ing to provide career advice to graduates and       les données volumineuses. Nous encourageons
 recent graduates; as well as multiple sessions      les participants à apporter leur ordinateur
 dedicated to showcase students’ research work       portable à l’atelier. Le programme inclut
 through talk and poster presentations.              également une session avec des représentants
 Finally, the keynote speaker, Dr. Char-             de différents secteurs de la statistique, dans
 maine Dean from the University of Water-            le but de fournir des conseils de carrière aux
 loo, will talk about Interdisciplinary work and     diplômés et aux nouveaux diplômés. Il com-
 being successful as a leader in the field of        porte aussi plusieurs sessions qui mettront en
 statistics.                                         valeur le travail de recherche des étudiants,
                                                     par l’intermédiaire de présentations orales et
                                                     par affiche.

                                             4
Saturday Samedi May 25 Mai 2019 - Seventh Canadian Statistics Student Conference Septi eme Congr es Canadien des Etudiants en Statistique
Sponsors • Commanditaires
 Special thanks to all our sponsors who have     Nous tenons à remercier chacun de nos com-
 provided generous support for the various       manditaires pour leur généreuse contribu-
 activities of the Canadian Statistics Student   tion au Congrès Canadien des Étudiants en
 Conference. These contributions have made       Statistique. C’est grâce à eux que la tenue
 this event possible.                            de ce congrès est possible.

            Gold Sponsors • Commanditaires Or

                            https://math.ucalgary.ca

                                          5
Saturday Samedi May 25 Mai 2019 - Seventh Canadian Statistics Student Conference Septi eme Congr es Canadien des Etudiants en Statistique
Gold Sponsors • Commanditaires Or

                6
Saturday Samedi May 25 Mai 2019 - Seventh Canadian Statistics Student Conference Septi eme Congr es Canadien des Etudiants en Statistique
Gold Sponsors • Commanditaires Or

Silver Sponsors • Commanditaires Argent

                   7
Saturday Samedi May 25 Mai 2019 - Seventh Canadian Statistics Student Conference Septi eme Congr es Canadien des Etudiants en Statistique
Silver Sponsors • Commanditaires Argent

                   8
Saturday Samedi May 25 Mai 2019 - Seventh Canadian Statistics Student Conference Septi eme Congr es Canadien des Etudiants en Statistique
Silver Sponsors • Commanditaires Argent

Bronze Sponsors • Commanditaires Bronze

                   9
Organizers and volunteers • Organisateurs et bénévoles
Organizing committee • Comité organisateur
Co-chairs / Co-présidentes:
   Ms. Anita Brobbey (University of Calagary)
   Ms. Myrtha Reyna (University of Toronto)

Local arrangements / organisation locale:
   Ms. Fahmida Yeasmin (University of Calgary)
   Mr. Charles Sam (University of Calgary)

Fundraising / Collecte de fonds:
   Mr. Thai-Son Tang (University of Toronto)
   Ms. Melissa Van Bussel (Trent University)
   Ms. Lin Ling (University of Toronto)

Translation / Traduction:
   Mr. Luc Villandre (McGill University)
   Mr. Steve Ferreira (McGill University)
   Ms. Marie-Christine Robitaille Grou (Université de Montréal)

Skills session / Séance sur les compétences techniques:
    Mr. Olawale Fatai Ayilara (University of Manitoba)
    Mr. Jacob Prosser (University of New Brunswick)

Carrer session / Séance sur les carrières:
   Ms. Afaf Alzahrani (Dalhousie University)
   Mr. Sudipta Saha (University of Toronto)

Scientific Program / Programme scientifique:
   Ms. Michela Panarella (Univeristy of Toronto)
   Ms. Victoire Michal (Université de Montréal)

                                             10
Support and thanks • Support et remerciements
SSC President / Président de la SSC:     Robert Platt

SSC Administrative assistant / Adjoint Administrative de la SSC:      Miaclaire Woodland

SSC Executive assistant / Assistant exécutif de la SSC::    Michelle Benoit

SSC Treasurer / Trésorier de la SSC:     Edward Chen

SSC Local organizers / Organisateurs locaux:      Karen Kopciuk, Alexander de Leon

SSC meetings coordinator / Coordonnateur des congrès:      Changbao Wu

Photographer / Photographe:      Peter Macdonald

Volunteers / Bénévoles: Shakiru Alaka, Sarath Kumar Jayaraman, Mohammed Mujaab
Kamso, Mili Roy, Oluwaseyi Adetutu Lawal, and Ayoola Ademola.

Judges / Juges: Special thanks to the judges involved in the assessment of abstracts, talks
and poster presentations.

                                            11
Program Overview
Date and times: Saturday, May 25th, from 07:30 to 20:30.
Location: Health Science Centre. Cumming School of Medicine, University of Calgary.

   Time        Session                                                        Room       Page
               Registration
 07:30-08:30                                                               HRIC atrium
               Breakfast
 08:30-08:45   Presidential address                                         Theatre 4
               Student research talks I
               Applications                                                 Theatre 4     22
 08:50-09:35
               Robust estimators                                             O1500        25
               Causal inference                                              1405B        28
               Student research talks II
               Biostatistics                                                Theatre 4     31
 09:40-10:25
               Bayesian statistics                                           O1500        34
               Model selection                                               1405B        37
 10:25-10:45   Coffee break                                                HRIC atrium
               Skills session
 10:45-11:55                                                                Theatre 4     16
               Machine Learning applications in R
 11:55-12:10   Sponsor Talk                                                 Theatre 4
               Lunch
 12:10-13:20                                                               HRIC atrium
               Poster session (starts at 12:40)                                           40
               Workshop
 13:20-14:45                                                                Theatre 4     15
               Exploring Machine Learning Classification Methods Using R
 14:45-15:00   Coffee break                                                HRIC atrium
 15:00-16:00   Career panel                                                 Theatre 4     17
               Keynote speech
 16:00-17:15   Interdisciplinary Work and being successful as a leader      Theatre 4     14
               in this arena
 17:15-18:00   Closing and awards                                           Theatre 4
 18:00-21:00   Social Evening

    Social evening
A limited quantity of food and beverages will be available at no additional cost.
Address & time • Adresse & heure:
The Den 18:00 hrs. MacEwan Student Centre, 2500 University Drive NW, Calgary, AB.
(http://den.su.ucalgary.ca)

                                          12
Aperçu du programme
Date et plage horaire: Samedi 25 mai de 07h30 à 20h30.
Lieu: Health Science Centre. Cumming School of Medicine, Université de Calgary.

    Heure      Séance                                                               Salle         Page
               Inscription
 07:30-08:30                                                                    HRIC atrium
               Petit-déjeuner
 08:30-08:45   Adresse présidentielle                                            Theatre 4
               Présentations orales étudiantes I
               Applications                                                       Theatre 4         22
 08:50-09:35
               Estimateurs robustes                                                O1500            25
               Inférence causale                                                  1405B            28
               Présentations orales étudiantes II
               Sélection de modèle                                             Theatre 4          31
 09:40-10:25
               Statistique bayesienne                                             O1500             34
               Biostatistique                                                     1405B             37
 10:25-10:45   Pause-café                                                      HRIC atrium
               Session de formation
 10:45-11:55                                                                      Theatre 4         16
               Applications en R de l’apprentissage machine
 11:55-12:10   Présentation du sponsor                                           Theatre 4
               Lunch
 12:10-13:20                                                                    HRIC atrium
               Séance d’affiches (débute à 12:40)                                                40
               Atelier statistique
 13:20-14:45   Exploration de méthodes de classifications en apprentissage       Theatre 4         15
               machine sur R
 14:45-15:00   Pause-café                                                      HRIC atrium
 15:00-16:00   Table ronde des carrières                                        Theatre 4          17
               Présentation d’honneur
 16:00-17:15   Travail interdisciplinaire et réussir en tant que leader          Theatre 4         14
               dans cette aréna
 17:15-18:00   Clôture et remise des prix                                        Theatre 4
 18:00-21:00   Soirée

   Soirée
Une quantité limitée de nourriture et de boissons sera disponible sans frais supplémentaires.
Adresse & heure:
The Den 18:00 hrs. MacEwan Student Centre, 2500 University Drive NW, Calgary, AB.
(http://den.su.ucalgary.ca)

                                              13
Keynote address • Discours d’honneur
                                                            Charmaine Dean est vice-présidente - Recherche et
                             Charmaine Dean is Vice-
                                                            International à l’Université de Waterloo. Dans le
                          President, Research and In-
                                                            cadre de ses fonctions, Dre Dean vise à encour-
                          ternational at the University
                                                            ager les collaborations, et à agir comme liaison en-
                          of Waterloo. Her focus is on
                                                            tre portfolios externes, partenaires industriels et en-
                          building upon foundational
                                                            trepreneurs. Les travaux de Charmaine Dean dans
                          strengths to heighten the em-
                                                            le domaine de l’analyse spatiotemporelle appliquée à
                          phasis on collaborations, and
                                                            la santé et à la foresterie lui ont valu plusieurs prix.
                          link related external portfo-
                                                            En 2003, Dre Dean s’est vue décerner le prix CRM-
                          lios in a systematic approach
                                                            SSC en statistique, en reconnaissance d’une contribu-
                          to industrial partners and en-
                                                            tion substantielle à la discipline au cours des quinze
                          trepreneurship. Dr. Dean’s
                                                            années suivant l’obtention du doctorat. En 2007,
                          work in space-time analytics
                                                            elle a remporté le ”Mathematics Alumni Achieve-
                          for health and forestry has
                                                            ment Medal” de l’Université de Waterloo. En 2010,
                          been recognized widely: in
                                                            elle a été nommée Fellow de l’Association américaine
 2003, she was awarded the CRM-SSC prize; in 2007
                                                            pour l’avancement des sciences. En 2012, elle a été
 named Fellow of the American Statistical Associa-
                                                            lauréate du ”Trinidad & Tobago High Commission
 tion and awarded the University of Waterloo Math-
                                                            Award”. Enfin, en 2016, elle a été élue membre du
 ematics Alumni Achievement Medal; in 2010 named
                                                            International Statistical Institute.
 Fellow of the American Association for the Advance-
 ment of Science; in 2012 awarded a Trinidad & To-                          Résumé scientifique
 bago Canadian High Commission Award; and in
 2016 elected to the International Statistical Institute.   Résoudre les problèmes sociétaux auxquels nous
                        Abstract                            sommes confrontés, du développement durable aux
 Solving many complex societal problems facing the          changements climatiques, de la compréhension des
 world, from sustainable development to climate             catastrophes naturelles à celle des problèmes de
 change to understanding natural disasters and global       santé mondiale, requiert souvent une approche in-
 health problems, often involves an interdisciplinary       terdisciplinaire. Les statisticiens jouent un rôle cru-
 approach. Statisticians have an important role to          cial dans l’élaboration de solutions, en raison de
 play in contributing to solutions because of our           leur prééminence dans le développement d’outils
 leadership in developing tools for evidence-based          pour la prise de décisions basée sur des données
 decision-making. Additionally, we are well poised          probantes. Le développement de nouveaux outils
 to pull together interdisciplinary teams because gen-      statistiques pour résoudre un problème scientifique
 erally our work is interdisciplinary in nature. For        nécessite notamment une compréhension de la sci-
 example, developing new statistical tools to solve a       ence au coeur du problème. La recherche interdisci-
 scientific problem requires that we understand the         plinaire a souvent des répercussions sociétales con-
 science surrounding the problem. Interdisciplinary         sidérables. Elle est également très bénéfique aux
 research is often of high societal impact and gives re-    chercheurs eux-mêmes, qui se voient exposés à une
 searchers valuable exposure to a diversity of research     variété de concepts, d’outils et de méthodologies al-
 concepts, tools and methodologies beyond their own         lant bien au-delà de leur propre discipline. Quels
 discipline. What are the key ingredients for creat-        sont les ingrédients indispensables pour créer un
 ing a successful, innovative and productive interdis-      environnement interdisciplinaire novateur, productif
 ciplinary environment? What qualities make for suc-        et propice au succès? Quelles qualités assurent la
 cess in this environment and what challenges may           réussite dans cet environnement et quels défis peu-
 hinder success? What are the skills that a leader of       vent mener à l’échec? Quelles sont les aptitudes dont
 a multi-disciplinary team needs? What makes inter-         a besoin le dirigeant d’une équipe multidisciplinaire?
 disciplinary work fun and exciting? How can you be         Qu’est-ce qui rend le travail interdisciplinaire amu-
 a confident contributor around an interdisciplinary        sant et excitant? Comment peut-on bien contribuer
 table of experts? This talk considers these questions,     aux travaux d’un comité interdisciplinaire d’experts?
 providing examples to illustrate best practices in col-    Cette présentation aborde ces questions, et fournit
 laborative training and research environments.             des exemples illustrant les meilleures pratiques dans
                                                            des environnements de formation coopérative et de
                                                    14      recherche.
Statistical Computing Workshop • Atelier en Calculs
Statistiques
                           Brendan      Cord     Brendan Cord Lethebe est un chercheur
                        Lethebe is an expe-      aguerri à l’Université de Calgary.         Il
                        rienced researcher       est également le responsable des méthodes
                        in University of Cal-    et des analyses au sein de l’unité de
                        gary. He is also the     recherche clinique au Cumming School of
                        methods/analytics        Medicine de l’Université de Calgary. Il
                        lead of the clinical     détient un baccalauréat en science actuar-
                        research unit at the     ielle ainsi qu’une maı̂trise en biostatistique.
                        Cumming School of        Il se concentre surtout sur la biostatistique,
 Medicine at University of Calgary. He holds     mais il est également doué en modélisation
 a Bachelor in Actuarial Science (University     mathématique, R, SQL, Python et STATA.
 of Calgary) and a Masters in Biostatistics
 (University of Calgary).     He is mostly                  Résumé scientifique
 focused in Biostatistics and is skilled in      La capacité d’ajuster adéquatement des
 Mathematical Modelling, Biostatistics, R,       modèles d’apprentissage machine est de plus
 SQL, Python, STATA and Clinical Research.       en plus importante pour les statisticiens.
                                                 À l’aide d’un jeu de données public, nous
                  Abstract                       nous concentrerons sur un modèle de clas-
 Being able to properly fit machine learning     sification supervisée et sur des techniques
 models is becoming an important skill for       optimales pour la sélection de paramètres.
 those in the statistical community. Using a     Par l’intermédiaire de librairies R com-
 publicly available dataset we will focus on     munes, nous aborderons la régression lo-
 supervised classification models, and tech-     gistique LASSO, les forêts aléatoires, les
 niques for optimal parameter selection. We      réseaux de neurones, ainsi que de multi-
 will explore the LASSO logistic regression,     ples algorithmes pour les arbres de décision.
 various decision tree algorithms, random for-   Ceci nous permettra de bien distinguer les
 est, and neural net using popular R pack-       avantages et les inconvénients d’utiliser un
 ages. This will allow us to clearly see the     modèle interprétable plutôt que des algo-
 advantages and disadvantages of using inter-    rithmes ”boı̂te noire”.
 pretable models vs “black-box” algorithms.

                                          15
Machine Learning applications in R
Applications de l’apprentissage machine en R
                                                  Prof.      Tom Loughlin est directeur du
                              Tom Loughin is a
                                                  département de statistique et de science ac-
                           professor and chair
                                                  tuarielle à l’Université Simon Fraser (SFU) à
                           of the Department
                                                  Burnaby, Colombie-Britannique. Il a obtenu
                           of Statistics and
                                                  son doctorat en statistique de la Iowa State
                           Actuarial Science at
                                                  University et a passé treize ans à Kansas
                           Simon Fraser Uni-
                                                  State University avant de rejoindre SFU en
                           versity in Burnaby,
                                                  2006. Ses intérêts de recherche recoupent
                           British Columbia,
                                                  plusieurs champs d’applications statistiques
                           Canada.     He got
                                                  et de développement méthodologique. Il
                           his PhD in Statis-
                                                  s’est penché notamment sur l’apprentissage
                           tics   from    Iowa
                                                  statistique, la modélisation de données
                           State     University
                                                  catégoriques, la conception et l’analyse
                           and spent 13 years
                                                  d’expériences, ainsi que sur les statistiques
                           at Kansas State
                                                  sportives. Il a publié un livre intitulé ”Anal-
  University before moving to SFU in 2006.
                                                  ysis of Categorical Data with R”, co-écrit par
  Tom has broad research interests in many
                                                  Chris Bilder et disponible chez CRC Press.
  areas of statistical application and method
                                                  Tom a une longue expérience en tant que con-
  development, including statistical learning,
                                                  sultant statistique et possède l’accréditation
  modeling categorical data, design and
                                                  PSTAT de la American Statistical Associa-
  analysis of experiments, and statistics in
                                                  tion (ASA) et de la Société statistique du
  sports. He has published a book, ”Analysis
                                                  Canada (SSC). Il est également Fellow de
  of Categorical Data with R,” co-authored
                                                  l’ASA.
  with Chris Bilder and available from CRC
  Press. Tom has extensive experience as
  a statistical consultant and has PSTAT
  accreditation from both the ASA and the
  Statistical Society of Canada. He is also a
  Fellow of the ASA.

                                           16
Invited career speakers • Conférenciers invités à la séance
sur les carrières
                                   Dominique Ibañez

                                                 Dominique est titulaire d’une maı̂trise en bio-
                           Dominique       is
                                                 statistique de l’Université de Toronto. Elle
                        Chief, Biostatistics
                                                 s’est jointe à la Direction des aliments de
                        and Risk Mod-
                                                 Santé Canada il y a quatre ans. Elle est
                        elling      Division,
                                                 arrivée avec 25 ans d’expérience en analyse
                        Bureau of Food
                                                 statistique en milieu clinique, principalement
                        Surveillance     and
                                                 en recherche en rhumatologie. Elle a plus
                        Science Integration,
                                                 de 90 articles évalués par des pairs à son ac-
                        Food Directorate at
                                                 tif. Elle dirige maintenant une équipe de dix
                        Health Canada. She
                                                 statisticiens. Sous sa direction, de nouvelles
                        graduated with a
                                                 normes ont été introduites pour améliorer les
                        Master’s degree in
                                                 performances. Celles-ci incluent: le men-
                        Biostatistics from
                                                 torat du nouveau personnel par des person-
                        the University of
                                                 nes plus expérimentées, des forums de discus-
                        Toronto. She joined
                                                 sion mensuels sur les statistiques, une plus
the Health Canada’s Food Directorate four
                                                 grande attention portée à la recherche statis-
years ago. She arrived with 25 years of
                                                 tique ainsi qu’à la création de liens avec
experience conducting statistical analysis
                                                 les chercheurs universitaires en nutrition à
in a clinical environment – primarily in
                                                 travers le Canada. Son équipe a prodigué une
Rheumatology research. She has over 90
                                                 expertise statistique dans le cadre de projets
peer-reviewed articles to her credit. She
                                                 clés menés à la Direction des aliments, tels
now leads a team of 10 statisticians. Under
                                                 que la réduction de la teneur en sodium des
her leadership, new standards have been
                                                 aliments, les évaluations précédant la mise en
introduced to improve performance. Some
                                                 marché, et la présence de salmonelle dans le
of these include: mentoring of new staff
                                                 poulet.
by more experienced ones, monthly statis-
tical discussion forums and greater focus
on statistical research as well as outreach
to academic nutrition researchers across
Canada. Her team has been involved in
providing statistical expertise and analysis
in key projects conducted in the Food Direc-
torate such as Sodium Reduction in Canada,
pre-market evaluations and Salmonella in
Chicken.

                                            17
Lisa Lix

                                                   Dre Lisa Lix est professeure de biostatis-
                             Dr.      Lisa Lix
                                                   tique et titulaire de la Chaire de recherche
                          is    Professor    of
                                                   du Canada de niveau 1 sur les méthodes
                          Biostatistics    and
                                                   d’assurance de la qualité des données
                          a Tier I Canada
                                                   électroniques sur la santé au Collège de
                          Research        Chair
                                                   médecine Max Rady de l’Université du
                          in Methods for
                                                   Manitoba. Elle est aussi directrice de la
                          Electronic Health
                                                   Plateforme de science des données du Cen-
                          Data Quality in
                                                   tre George & Fay Yee pour l’innovation
                          the Department of
                                                   dans les soins de santé, une unité de
                          Community Health
                                                   recherche résultant d’une collaboration en-
                          Sciences, Max Rady
                                                   tre l’Office régional de la santé de Win-
                          College of Medicine,
                                                   nipeg et l’Université du Manitoba. Le Cen-
                          University of Man-
                                                   tre George & Fay Yee vise à renforcer la
                          itoba. She is also
                                                   recherche ciblée sur le patient au Mani-
Director of the Data Science Platform in
                                                   toba.      Son équipe, comportant plus de
the George & Fay Yee Centre for Healthcare
                                                   trente professeurs, membres du personnel
Innovation (CHI), a research unit that is a
                                                   de soutien et stagiaires possédant une ex-
collaboration between the Winnipeg health
                                                   pertise en biostatistique, en bioinformatique
region and the University of Manitoba. The
                                                   et en méthodologie de recherche clinique,
CHI aims to strengthen patient-focused
                                                   est axée sur la recherche méthodologique,
research in Manitoba. Her team of 30+
                                                   la formation et la consultation. Les do-
faculty, staff and trainees with expertise
                                                   maines d’expertise de Dre Lix comprennent
in biostatistics, bioinformatics, and clinical
                                                   les méthodes pour corriger les biais et les er-
research methodology focuses on method-
                                                   reurs dans les bases de données électroniques
ological research, training, and consulting.
                                                   sur la santé, les méthodes statistiques pour
Dr. Lix’s areas of research expertise in-
                                                   l’analyse d’issues rapportées par le patient
clude methods to address bias and error
                                                   et les méthodes d’analyse pour les données
in electronic health databases, statistical
                                                   longitudinales. Elle est une chercheuse pro-
methods for the analysis of patient-reported
                                                   lifique ayant publié plus de 325 articles sci-
outcomes, and methods for the analysis of
                                                   entifiques. Dr Lix est membre élue du con-
longitudinal data. She is a prolific researcher
                                                   seil d’administration de la Société statis-
who has published more than 325 scholarly
                                                   tique du Canada, présidente de la program-
papers. Dr. Lix is an elected member of the
                                                   mation du Congrès annuel de la SSC de
Board of Directors of the Statistical Society
                                                   2019, coprésidente du groupe de travail sur
of Canada, Program Chair for the Society’s
                                                   la qualité des données du Système canadien
2019 meeting in Calgary, Co-Chair of the
                                                   de surveillance des maladies chroniques, et
Data Quality Working Group for the Cana-
                                                   responsable désignée de la programmation
dian Chronic Disease Surveillance System,
                                                   en statistiques appliquées aux politiques de
and Program Chair Elect for the 2020 Joint
                                                   santé à la conférence Joint Statistical Meet-
Statistical Meetings Health Policy Statistics
                                                   ings (JSM) de 2020.
Section.

                                              18
Steven Wu

                                                    Steven Wu a obtenu un B.Math Hon. en
                             Steven Wu fin-
                                                    statistique de l’Université Carleton, puis une
                          ished his B. Math
                                                    M.Sc. en statistique de l’Université Simon
                          Hon. in Statistics
                                                    Fraser. Il a fait le programme co-op à
                          at Carleton Univer-
                                                    chaque institution. Pour son premier stage,
                          sity and finished his
                                                    il a été embauché comme testeur manuel
                          MSc Statistics at Si-
                                                    d’assurance qualité (QA) dans une startup,
                          mon Fraser Univer-
                                                    puisque sa connaissance de la programma-
                          sity.   He did the
                                                    tion était terrible. La succession de tâches
                          co-op programs at
                                                    monotones lui a permis de réaliser le pou-
                          both schools, doing
                                                    voir de la programmation comme outil pour
his first work term as a manual QA tester
                                                    accroı̂tre la productivité. En s’imprégnant
at a startup because his programming skills
                                                    le jour de l’environnement de la haute tech-
were terrible. It was in that role of rote tasks
                                                    nologie, puis en raffinant le soir sa maı̂trise
where he realized how powerful program-
                                                    de Python, Steven a pu développer et met-
ming is as a tool for productivity. Absorbing
                                                    tre en marché une appli permettant aux
tech context at day and developing Python
                                                    entraı̂neurs de basketball dans les univer-
programming skills at night, Steven devel-
                                                    sités canadiennes d’améliorer leurs stratégies
oped and marketed a web app that allowed
                                                    de jeu à l’aide de données et de méthodes
Canadian university basketball coaches to
                                                    statistiques. Les tentatives de la vendre ont
inform their game-planning strategies using
                                                    échoué misérablement, mais l’expérience a
data and statistical methods. Attempts to
                                                    été malgré tout instructive et lui a de plus
sell it failed spectacularly but he learned a
                                                    donné un bon projet à mentionner dans le
ton and it made for a great project to talk
                                                    cadre de sa recherche d’emploi. Il a pos-
about when applying for jobs. He inter-
                                                    tulé auprès de quelques équipes sportives,
viewed with a few sports teams, government
                                                    départements gouvernementaux, et compag-
departments, tech companies, and a hedge
                                                    nies de haute technologie, ainsi qu’auprès
fund before accepting a role as a Data Sci-
                                                    d’un fonds spéculatif avant de dénicher un
entist for Shopify’s People Analytics team.
                                                    poste de spécialiste des données dans l’équipe
People Analytics collects and analyzes data
                                                    People Analytics de Shopify. L’équipe Peo-
about the Shopify team to (a) help leadership
                                                    ple Analytics collecte et analyse des données
make data informed decisions and (b) help
                                                    sur le fonctionnement de Shopify afin d’aider
make our workplace more efficient and en-
                                                    les dirigeants à prendre des décisions basées
gaging. We regularly use statistical methods
                                                    sur les données, et de créer un environnement
to influence decisions around hiring, perfor-
                                                    de travail plus efficace et stimulant. Son tra-
mance, retention, engagement, learning, cul-
                                                    vail statistique influence la prise de décision
ture, andmore.
                                                    en rapport à l’embauche, la performance,
                                                    la rétention, l’implication, l’apprentissage, la
                                                    culture, et bien plus.

                                               19
Posters • Affiches
No   Title/Titre                                                                                                                                                   Presenter/Presenteur
 1   Aint Played Nobody: Building an Optimal Schedule to Secure an NCAA Tournament Berth                                                                                Kevin Floyd
     J’ai pas triché: Construction d’un calendrier optimal pour sécuriser une place au championnat de la NCAA
2    Application of the Distributed Lag Models for Examining Associations Between the Built Environment and Obesity Risk in Children                                  Anna Smyrnova
     Application de modèles à retards échelonnés pour examiner les associations entre l’environnement bâti et le risque d’obésité chez les enfants
3    Projected changes of extreme rainfall in the province of Quebec                                                                                                Éloise Nolet-Gravel
     Changements projetés des précipitations extrêmes au Québec
4    Computing R-optimal designs for multi-response regression models via interior point method                                                                          Pengqi Liu
     Calcul de schémas R-optimaux pour les modèles de régression à réponses multiples à l’aide d’une méthode du point intérieur
5    Conducting causal inference in the presence of measurement bias using administrative databases                                                                     Sumeet Kalia
     Inférence causale en présence de biais de mesure à partir de bases de données administratives
6    Construction of Block Incomplete Design Under Correlated Error Structure                                                                                            Meixin Liu
     Construction de plans en blocs incomplets avec une structure d’erreurs corrélées
7    Covariance-adjusted, sparse, reduced-rank regression with application to imaging-genetics data                                                                     Haoyao Ruan
     Régression parcimonieuse, à rang réduit et ajustée pour la covariance, avec applications à des données d’imagerie et de génétique
8    Grading Gunslingers: A Preliminary Model For Evaluating Pitcher Types in Baseball                                                                                Alexander Sharp
     Classement des tireurs d’élites: Modèle préliminaire pour évaluer les types de lanceurs au baseball - la méthode de réévaluation continue
9    Improving the Hosmer-Lemeshow Goodness-of-Fit Test                                                                                                              Nikola Surjanovic
     Amélioration du test d’ajustement de Hosmer-Lemeshow
10   Incremental value of AUC, average positive predictive value and Brier Score                                                                                           Zhe Lu
     Valeur ajoutée de l’ASC, de la valeur positive prédictive moyenne et du score de Brier
11   Investigating the relationship between temperature and the number of fatalities on Canadian highways using time series analysis.                                   Alex Mackie
     Une étude sur la relation entre la température et le nombre de décès sur les autoroutes canadiennes à l’aide d’une analyse de séries chronologiques.
12   Joint Models of Longitudinal and Time-to-event Data: Impact of Data Collection Cycles                                                                                Yixiu Liu
     Modèles conjoints pour données longitudinales et de durée de vie: l’effet des cycles de collectes de données
13   Longitudinal Changes in Colorectal Cancer among Farm and Non-farm Rural Residents                                                                          Ibrahim Watara Abubakari
     Changements longitudinaux dans le cancer colorectal chez les résidents de zones rurales agricoles et non agricoles
14   Parsimonious Gaussian Mixtures via Chimeral Clusters                                                                                                              Jason Hou-Liu
     Mélanges gaussiens parcimonieux via des grappes chimères
15   Semi-parametric estimation of scoring rates in the English Premier League                                                                                         Robyn Ritchie
     Estimation semi-paramétrique de la cadence des tirs au but réussis dans la English Premier League
16   Semi-supervised nonnegative matrix factorization with applications to spectral data                                                                                Shreeves Phil
     Factorisation matricielle non négative semi-supervisée avec applications aux données spectrales
17   Spatial tracking of the current Ebola outbreak in Congo                                                                                                        Michael Wendlandt
     Suivi spatial de l’épidémie actuelle d’Ebola au Congo
18   Spatio-Temporal Modelling of Ichemic Heart Disease in Manitoba                                                                                                      Justin Dyck
     Modélisation spatio-temporelle de la cardiopathie ischémique au Manitoba
19   The Effect of Pace on the Performance of the Closers in the Kentucky Derby                                                                                       Miguel Macaraig
     L’effet de l’allure sur la performance des closers au Kentucky Derby
20   Understanding Edmonton’s Weather: An Analysis of the Mean Temperature and Snowfall                                                                                   David Cao
     Comprendre la météo d’Edmonton : une analyse de la température moyenne et des chutes de neige
21   Unsupervised Learning on Functional Data with Application to U.S. Weather Data                                                                                     Chuyuan Lin
     Apprentissage non supervisé de données fonctionnelles avec application aux données météorologiques américaines
22   Validation Study on a Screening Tool for Mental Health of Children and Youth in Canada                                                                            Xuejing Jiang
     Étude de validation d’un outil de dépistage de la santé mentale des enfants et des jeunes au Canada

                                                                                     20
Oral presentations •Présentations orales
     Student Research Talks I
No   Title/Titre                                                                                                       Presenter/Presenteur Category/Catégorie                      Page
 1   Impact of interest rate portfolio selection techniques                                                                                                                           22
     L’effet des risques de taux d’intérêt de techniques optimales de sélection de portfolios
2    An Application of the Gibbs Sampling to the Battleship Game                                                           Dan Richard         Applications                           23
     Une application de l’échantillonnage de Gibbs au jeu Bataille Navale
3    Examining Age and Sex-related Differential Item Functioning in Seattle Angina Questionnaire                       Oluwaseyi A. Lawal      Applications                           24
     Examen du fonctionnement différentiel lié à l’âge et au sexe dans le questionnaire sur l’angine de Seattle
     d’identification automatique (SIA)
4    Construction of D-optimal Designs in Polynomial Regression Models                                                        Di Wu         Robust estimators                         25
     Formulation de plans D-optimaux pour les modéles de régression polynomiale
5    A new design of the continual reassessment method                                                                     Weijia Zhang     Robust estimators                         26
     Un nouveau plan d’expérience pour la méthode de réévaluation continue
6    Time Series Interpolation Algorithms: An Application to Real-World Data                                            Melissa Van Bussel  Robust estimators                         27
     Algorithmes d’interpolation pour séries chronologiques : Application à des données réelles
7    Sufficient dimension reduction for feasible and robust estimation of average causal effect                           Trinetri Ghosh     Causal inference                         28
     Réduction suffisante de la dimensionnalité pour une estimation réalisable et robuste de l’effet causal moyen
8    On Bayesian estimation of causal effect with a latent confounder class                                                 Kuan Liu         Causal inference                         29
     Estimation bayésienne d’un effet causal en présence d’une classe de confusion latente
9    Distance Metrics for Measuring Joint Dependence with Application to Causal Inference                            Shubhadeep Chakraborty  Causal inference                         30
     Mesures de distance pour mesurer la dépendance conjointe avec application à l’inférence causale

     Student Research Talks II
No   Title/Titre                                                                                                                        Presenter/Presenteur   Category/Catégorie   Page
10   Frequentist Model Averaging Estimator of Support Vector Machine Classfiers and Regressors                                             Kiwon Francis        Model Selection       31
     Estimateur par combinaison de modèles fréquentistes pour les classificateurs et régresseurs par machines à vecteurs de support
11   Outlier Detection Methods for Quantitative Fatty Acid Signature Analysis                                                            Jennifer McNichol      Model Selection       32
     Méthodes de détection des valeurs aberrantes pour l’analyse quantitative de la signature en acides gras
12   Predictive Comparison of Vine Copula Models                                                                                         Md Erfanul Hoque       Model Selection       33
     Comparaison prédictive de modèles de copules en vignes
13   Bayesian spatial logistic regression model for investigating socio-economic and demographic determinants and                           Rifat Zahan        Bayesian statistics    34
     geographic variation of pregnancy termination among Bangladeshi women
     Modèle de régression logistique spatiale bayésienne pour étudier les déterminants socio-économiques et démographiques,
     et la variation géographique de l’interruption de la grossesse chez les Bangladaises
14   Measurement error adjustment in a zero-inflated Poisson model                                                                         Kangjie Zhang       Bayesian statistics    35
     Ajustement pour l’erreur de mesure dans un modèle de Poisson à inflation de zéro
15   Bayesian Approaches to Density Estimation for Use in Functional Linear Regression                                                   Shaun McDonald        Bayesian statistics    36
     Approches bayésiennes pour l’estimation de densités pour l’utilisation en régression linéaire fonctionnelle
16   Variation Along Continuous Neuroelectric Activity Related to Early Cognitive Impairment                                                  Henry Lu            Biostatistics       37
     Variation le long de l’activité neuroélectrique continue liée à un trouble cognitif précoce
17   Crossed random effects modelling of binomial data with random cluster sizes                                                             Jingyu Cui           Biostatistics       38
     La modélisation par effets aléatoires croisés des données binomiales avec des groupages de tailles aléatoires
18   Automated disease detection in dairy cattle using recurrent neural networks                                                           Syed Ali Naqvi         Biostatistics       39
     Détection automatisée de maladies chez les bovins laitiers à l’aide de réseaux de neurones récurrents

                                                                                      21
Scientific abstracts: Oral presentations • Résumés sci-
entifiques: présentations orales
Applications
08:50am - 09:35am, Theatre 4, Michela Panarella (Chair • Présidente)
michela.panarella@mail.utoronto.ca

Lin, Wei-Hsiang; Lin, Shih-Kuei; Tsai, Cary Chi-Liang
Impact of interest rate, surrender, and liquidity risks on the surplus of a portfolio of endow-
ment policies using optimal portfolio selection techniques
L’effet des risques de taux d’intérêt, de rachat et de liquidité sur le surplus d’un portfolio
de polices de dotation résultant de techniques optimales de sélection de portfolios

A life insurer charges an endowment pol-            Un assureur charge au détenteur d’une po-
icyholder high premiums from which the              lice de dotation des primes élevées, à par-
policyholder’s cash value is built at an            tir desquelles se bâtit la valeur en argent
interest rate. The life insurer invests the         de l’assuré, en fonction d’un certain taux
collected premiums in financial securities          d’intérêt.   L’assureur investit les primes
to meet or exceed the interest rate, and            collectées dans des produits financiers afin
a policyholder can surrender his policy             d’atteindre ou d’excéder ce taux d’intérêt.
before maturity and get his cash value back         L’assuré peut racheter sa police avant ma-
subject to a surrender charge. When lots            turité et obtenir ainsi sa valeur en argent,
of policyholders surrender their policies,          moins les frais de rachat. Si un grand nom-
the life insurer needs to liquidate some            bre d’assurés rachètent leur police, l’assureur
securities in a short time, which exposes the       doit liquider des actifs financiers en peu de
insurer to liquidity risk. In this paper, we        temps, créant un risque de liquidité. Dans
propose a framework to analyse the impact           cet article, nous proposons une méthode
of interest rate, surrender, and liquidity risks    pour analyser l’effet des risques liés aux taux
on the surplus of a portfolio of endowment          d’intérêt, aux rachats et à la liquidité sur
policies. Under the framework, we formulate         les surplus d’un portfolio de polices de dota-
the fair premium and risk-based reserves            tion. À partir de cette méthode, nous for-
calculations. In addition, we adopt optimal         mulons les calculs pour un montant de prime
portfolio selection methods for maximizing          juste et pour les montants de réserve associés
utilities. A series of sensitivity analyses are     au risque. Nous adoptons également des
conducted to illustrate the surplus distribu-       méthodes optimales de sélection de portfolios
tions and corresponding utilities after the         afin de maximiser les utilités. Dans ce con-
adoption.                                           texte, nous réalisons un ensemble d’analyses
                                                    de sensibilité dans le but d’illustrer les distri-
                                                    butions des surplus et les utilités correspon-
                                                    dantes.

                                               22
Richard, Dan; Lupul, Nicholas
An Application of the Gibbs Sampling to the Battleship Game
Une application de l’échantillonnage de Gibbs au jeu Bataille Navale

Battleship is a classic two player game          Bataille Navale est un jeu très populaire,
where the goal is to sink the opponent’s         dans lequel deux joueurs visent à couler
ships. Programming a winning strategy            les bateaux de l’adversaire. Programmer
for this game is difficult because the state     une stratégie gagnante pour ce jeu est diffi-
space representing the possible coordinates      cile, car l’espace d’état comprenant les coor-
for the opponent’s ships is huge. To solve       données possibles des bateaux de l’adversaire
this issue, we implemented an algorithm          est énorme. Afin de régler ce problème,
based on the Gibbs sampling to estimate          nous avons implémenté un algorithme basé
the probability of each coordinate to contain    sur l’échantillonnage de Gibbs (Gibbs sam-
a ship. Simulation results regarding the         pling) nous permettant d’estimer la proba-
number of guesses to sink each ship and to       bilité qu’un bateau se trouve à chaque co-
complete a game are presented along with         ordonnée. Nous présentons les résultats de
strategy Insights.                               simulations en lien au nombre d’essais pour
                                                 couler chaque bateau et pour compléter le
                                                 jeu, ainsi que des conseils stratégiques con-
                                                 nexes.

                                            23
Oluwaseyi A. Lawal, Zhiying Liang, Oluwagbohunmi Awosoga, Maria J. Santana, Danielle
A Southern, Lisa M. Lix, Colleen Norris, Matthew T. James, Tolulope Sajobi
Examining Age and Sex-related Differential Item Functioning in Seattle Angina Question-
naire
Examen du fonctionnement différentiel lié à l’âge et au sexe dans le questionnaire sur
l’angine de Seattle

Background/Aims: Patient-reported out-            Changes in CFI ≤-0.01 indicates that the
come measures (PROMs) are increasingly            null hypothesis of invariance should not be
being used in to compare the health sta-          rejected meaning that there is equality of
tus of different population groups. When          patterns of the configural, weak, strong and
completing PROMs subgroups of individuals         strict invariance across sex/age groups; RM-
may interpret questions about their health-       SEA ≤ 0.05 indicates close model fit. Re-
related quality of life (HRQoL) differently,      sults: Of the 3864 patients included in this
a phenomenon known as differential item           analysis, 3203 (82.89%) were younger than
functioning (DIF). This may threaten the          75 years old while 3006 (77.8%) are male.
overall comparability of PROM scores across       Several items demonstrated negligible DIF (0
population groups and/or over time. This
Robust estimators • Estimateurs robustes
08:50am - 09:35am, O1500, Victoire Michal (Chair • Présidente)
victoire.michal@umontreal.ca

Di, Wu
Construction of D-optimal Designs in Polynomial Regression Models
Formulation de plans D-optimaux pour les modèles de régression polynomiale

Whenever we have an appropriate statistical         Même avec un modèle statistique appro-
model, it is crucial to have good estimation of     prié, l’estimation des paramètres, bien que
the parameters of the model. Optimal design         cruciale, peut être difficile. La formula-
plays a big role on achieving this objective.       tion d’un plan optimal aide à améliorer
There are a variety of criteria defining good       les estimés obtenus. Il existe une multi-
estimation. Motivated by this fact, we con-         tude de critères pour quantifier la qualité
struct D-optimal designs by minimizing the          de l’estimation. Dans cet esprit, nous for-
generalized variance of the parameter estima-       mulons des plans D-optimaux en minimisant
tors of some polynomial regression models.          la variance généralisée des estimateurs des
In order to construct such designs, we use          paramètres de modèles de régression polyno-
a class of algorithms, indexed by a function        miale. Nous employons un type d’algorithme
which depends on the derivatives of the cri-        indexé par une fonction dépendant de la
terion function. We also attempt to improve         dérivée de la fonction critère. Nous ten-
the convergence of the algorithm by using the       tons également d’améliorer la convergence de
properties of the directional derivatives of the    l’algorithme en exploitant les propriétés des
criterion function.                                 dérivées directionnelles de la fonction critère.

                                               25
Zhang, Weijia; Yang, Po; Muthukumarana, Saman
A new design of the continual reassessment method
Un nouveau plan d’expérience pour la méthode de réévaluation continue

We propose a new design of the continual         Nous       proposons      un     nouveau     plan
reassessment method (CRM) and system-            d’expérience pour la méthode de réévaluation
atically evaluate its performance on certain     continue et évaluons systématiquement
operating measures to satisfy the require-       sa performance sur certaines mesures
ments of collective and individual ethics.       opérationnelles pour satisfaire aux exi-
We consider the cases of a single drug and a     gences éthiques collectives et individu-
combination of two drugs. Simulation results     elles. Nous considérons le cas d’un seul
show that our new method works well over-        médicament et celui d’une combinaison
all in comparison with currently available       de deux médicaments. Les résultats de
designs, on criteria BEARS: Benchmark,           simulation montrent que notre méthode
Efficacy, Accuracy, Safety. Our new design       fonctionne bien globalement en comparaison
avoids toxic doses while reliably identifying    avec les plans d’expérience actuellement
the maximum tolerated dose.                      disponibles, selon les critères de Beers:
                                                 référence, efficacité, précision et sécurité.
                                                 Notre nouveau plan d’expérience évite les
                                                 doses toxiques tout en identifiant de manière
                                                 fiable la dose maximale tolérée.

                                            26
Van Bussel, Melissa; Castel Sophie; Burr, Wesley
Time Series Interpolation Algorithms: An Application to Real-World Data
Algorithmes d’interpolation pour séries chronologiques : Application à des données réelles

The analysis of complex scientific data ob-        L’analyse de données scientifiques complexes
served in the form of time series often uses       observées sous forme de séries chronologiques
the power spectrum as an exploratory tool.         fait souvent appel au spectre de puissance
Robust estimators of this statistic have ex-       comme outil d’exploration. Des estima-
isted for some time, but typically require that    teurs robustes de cette statistique existent
the data set be contiguous, that is, without       depuis un certain temps, mais ils requièrent
any missing observations. This presents a          habituellement que le jeu de données soit
problem for many data sets, as observations        contigu, c’est-à-dire qu’il n’y ait pas de
can be missing for a number of reasons: in-        valeurs manquantes.        Ceci constitue un
strumentation error or fault, data corruption,     problème pour plusieurs bases de données,
or observational concerns such as interrupted      puisque des observations peuvent être man-
vision of the observational unit (e.g., satel-     quantes pour une foule de raisons: erreurs
lites losing data coverage due to cloud cover).    ou défauts dans la prise de mesure, corrup-
Interpolators for time series aim to repair the    tion des données, ou problèmes d’observation
original scientific data by inserting estimated    tels que l’interruption dans l’observation de
values for the missing quantities. In this         l’unité, p.ex. un satellite perdant le sig-
talk, we will examine the computational            nal visuel dû au couvert nuageux. Les in-
and performance results for a number of            terpolateurs pour les séries chronologiques
modern interpolation algorithms, as applied        visent à arranger les données scientifiques
to various real-world datasets. We conclude        originales en insérant des valeurs estimées
with recommendations for interpolator              pour les quantités manquantes. Dans cette
choice based on the structure of the data of       présentation, nous examinerons les résultats
interest.                                          calculatoires et la performance d’un certain
                                                   nombre d’algorithmes d’interpolation mod-
                                                   ernes, appliqués à divers jeux de données
                                                   réelles. Nous concluons avec des recomman-
                                                   dations pour le choix d’un interpolateur basé
                                                   sur la structure des données choisies.

                                              27
Causal inference • Inférence causale
08:50am - 09:35am, 1405B, Thai-Son Tang (Chair • Président)
thaison.tang@mail.utoronto.ca

Ghosh, Trinetri ; Ma, Yanyuan ; Luna, Xavier de
Sufficient dimension reduction for feasible and robust estimation of average causal effect
Réduction suffisante de la dimensionnalité pour une estimation réalisable et robuste de l’effet
causal moyen

When estimating the treatment effect in             Pour l’estimation de l’effet du traitement
an observational study, we use a semipara-          dans une étude observationnelle, nous util-
metric locally efficient dimension reduction        isons une approche de réduction de di-
approach to assess both the treatment               mensionnalité semi-paramétrique et efficace
assignment mechanism and the average                localement. Elle permet l’évaluation du
responses in both treated and nontreated            mécanisme d’assignation du traitement et de
groups.     We then integrate all results           la réponse moyenne dans les groupes traités
through imputation, inverse probability             et non-traités. Par la suite, nous intégrons
weighting and doubly robust augmentation            tous les résultats à l’aide d’estimateurs par
estimators. Doubly robust estimators are            imputation, par pondération selon la prob-
locally efficient while imputation estima-          abilité inverse, et par augmentation dou-
tors are super-efficient when the response          blement robustes. Les estimateurs double-
models are correct. To take advantage of            ment robustes sont efficaces localement, tan-
both procedures, we introduce a shrinkage           dis que les estimateurs d’imputation sont
estimator to automatically combine the two,         super-efficaces si les modèles pour la réponse
which retains the double robustness property        sont corrects. Afin de tirer avantage des deux
while improving on the variance when the            approches, nous présentons un estimateur de
response model is correct. We demonstrate           rétrécissement (shrinkage estimator) les com-
the performance of these estimators through         binant automatiquement. Il préserve la pro-
simulated experiments and a real dataset            priété de double robustesse et améliore la
concerning the effect of maternal smoking           variance quand le modèle pour la réponse est
on baby birth weight.                               correct. Nous démontrons la performance de
                                                    l’estimateur à partir d’expériences simulées
                                                    et via l’analyse d’un véritable jeu de données
                                                    traitant de l’effet du tabagisme maternel sur
                                                    le poids des enfants à la naissance.

                                               28
Kuan Liu; Olli Saarela; Eleanor Pullenayegum
On Bayesian estimation of causal effect with a latent confounder class
Estimation bayésienne d’un effet causal en présence d’une classe de confusion latente

Despite the practicality, observational studies       Malgré leur aspect pratique, les études observa-
are subjected to selection and confounding bias       tionnelles sont sujettes à du biais de sélection et
and often require all confounders to be mea-          de confusion. Pour l’inférence d’un lien causal,
sured and controlled to infer casual relationship.    elles requièrent souvent que tous les facteurs de
In practice, it’s difficult to ensure and assume      confusion soient mesurés et contrôlés. En pra-
all confounders were captured in the data. We         tique, il est difficile de s’assurer que tous les fac-
consider a causal effect that is confounded by        teurs de confusion ont été enregistrés. Nous con-
an unobserved latent confounder class. This           sidérons dans cette étude un effet causal confus
latent class can be viewed as the unobserved          par une classe de confusion latente non observée.
augmented disease-risk/comorbidity profile            On peut considérer cette classe latente comme le
that functions as a confounder. The observed          profil non observé et augmenté de comorbidité
covariates, instead of being treated directly as      et de risque de maladie, qui agit en tant que
confounders, are categorized into two groups:         facteur de confusion. Nous ne traitons pas di-
one predicts the latent class (class predictors)      rectement les covariables observées comme de
and one manifested from the latent class (class       simples facteurs de confusion. Nous les subdi-
indicators). We assume the unobserved latent          visons plutôt en deux groupes: l’une comprend
class 1) captures the true confounding informa-       les prédicteurs de classe, et l’autre comprend
tion, 2) can be sufficiently identified (modeled)     les effets découlant de la classe (indicateurs de
given the measured covariates and 3) deter-           classe). Nous assumons que la classe latente non
mines both the treatment and outcome process.         observée reflète l’information véritable de confu-
Furthermore, conditioning on the latent class,        sion, qu’elle puisse être suffisamment identifiée
treatment assignment is independent of the po-        (modélisée) à l’aide des covariables mesurées, et
tential outcomes, which permits a full Bayesian       enfin, qu’elle détermine autant le processus de
parameterization of the joint distribution of the     traitement que celui de réponse. De plus, en
treatment model, outcome model and the latent         conditionnant sur la classe latente, on obtient
class model. Our proposed causal problem is           que l’assignation du traitement est indépendante
appealing - it features dimension reduction of        des réponses potentielles. Ceci permet une
the measured covariates through modeling the          paramétrisation bayésienne complète de la dis-
underlying patient augmented confounding in           tribution conjointe du modèle de traitement, de
a latent class analysis. The objective of this        réponse et de classe latente. Le problème causal
presentation is to present the proposed causal        que nous abordons est attrayant: il implique
problem, share existing literature in causal          une diminution de la dimensionnalité des covari-
inference with unmeasured (latent) confounder         ables mesurées à travers la modélisation, par
and discuss the planned Bayesian estimation.          une analyse de classe latente, de la confusion
                                                      augmentée sous-jacente pour le patient. Cette
                                                      présentation vise à expliquer le problème causal
                                                      proposé, faire connaı̂tre la littérature existante
                                                      en inférence causale en présence d’un facteur
                                                      de confusion (latent) non mesuré, et mettre en
                                                      lumière l’estimation bayésienne imaginée.

                                                 29
Chakraborty, Shubhadeep ; Zhang, Xianyang
Distance Metrics for Measuring Joint Dependence with Application to Causal Inference
Mesures de distance pour mesurer la dépendance conjointe avec application à l’inférence
causale

Many statistical applications require the         Plusieurs         applications       statistiques
quantification of joint dependence among          nécessitent de quantifier la dépendance
more than two random vectors. In this work,       conjointe d’un ensemble formé de plus de
we generalize the notion of distance covari-      deux vecteurs aléatoires. Dans nos travaux,
ance to quantify joint dependence among           nous généralisons la notion de covariance
d ≥ 2 random vectors. We introduce the            de distance pour quantifier la dépendance
high order distance covariance to measure         conjointe d’un ensemble formé de d ≥ 2
the so-called Lancaster interaction depen-        vecteurs aléatoires. Nous introduisons une
dence. The joint distance covariance is then      distance de covariance d’ordre supérieur
defined as a linear combination of pairwise       pour mesurer la soi-disant dépendance
distance covariances and their higher order       d’interaction de Lancaster. La covariance de
counterparts which together completely            distance conjointe est ainsi définie comme
characterize mutual independence.          We     une combinaison linéaire des distances de co-
further introduce some related concepts           variance deux-à-deux et de leurs homologues
including the distance cumulant, distance         d’ordre supérieur, qui lorsque combinés
characteristic function, and rank-based           caractérisent complètement la dépendance
distance covariance. Empirical estimators         mutuelle. Ensuite, nous introduisons cer-
are constructed based on certain Euclidean        tains concepts connexes, comme le cumulant
distances between sample elements. We             de la distance, la fonction caractéristique
study the large sample properties of the es-      de la distance, et la covariance de distance
timators and propose a bootstrap procedure        basée sur le rang. Des estimateurs em-
to approximate their sampling distributions.      piriques sont construits à partir de certaines
The asymptotic validity of the bootstrap          distances euclidiennes entre les éléments de
procedure is justified under both the null        l’échantillon. Nous étudions les propriétés
and alternative hypotheses. The new metrics       de ces estimateurs pour des échantillons
are employed to perform model selection in        de grande taille, et nous proposons une
causal inference, which is based on the joint     procédure bootstrap pour approximer leur
independence testing of the residuals from        distribution d’échantillonnage. La validité
the fitted structural equation models. The        asymptotique de la procédure bootstrap
effectiveness of the method is illustrated via    est justifiée sous les hypothèses nulle et
both simulated and real datasets.                 alternative.      Les nouvelles mesures sont
                                                  utilisées pour sélectionner un modèle en
                                                  inférence causale, celui-ci basé sur un test
                                                  d’indépendance conjointe des résidus tiré
                                                  de l’ajustement d’un modèle d’équations
                                                  structurelles. L’efficacité de la méthode
                                                  est illustrée à l’aide de données simulées et
                                                  réelles.

                                             30
You can also read