Mylène Bédard Associate Professor Département de mathématiques et de statistique Université de Montréal C.P. 6128, succ. Centre-ville Montréal, QC, H3C 3J7, Canada Office:  4223, André-Aisenstadt building Phone:  514-343-6111 ext 2727 Fax:  514-343-5700 Email:  bedard AT dms DOT umontreal DOT ca

Version française

Teaching

• ACT 1240 - Mathématiques financières

• MAT 1978 - Probabilités et statistique

• STT 1995 - Analyses statistiques

• STT 2100 - Théorie de la décision

• STT 3260 - Modèles de survie

• STT 3700 - Inférence statistique

• STT 6115 - Théorie de la décision bayésienne

Published/accepted papers

• Bégin, J.-F., Bédard, M., Gaillardetz, P. (2015). Simulating from the Heston model: A gamma approximation scheme. Monte Carlo Methods Appl. 21, 205-231.   

• Bédard, M., Douc, R., Moulines, E. (2014). Scaling analysis of delayed rejection MCMC methods. Methodol. Comput. Appl. 16, 811-838.   

• Bédard, M. and Mireuta, M. (2013). On the empirical efficiency of local MCMC algorithm with pools of proposals. Canad. J. Statist. 41, 657-678.   

• Bédard, M., Douc, R., Moulines, E. (2012). Scaling analysis of multiple-try MCMC methods. Stochastic Process. Appl. 122, 758-786.   

• Bédard, M. and Fraser, D.A.S. (2009). On a Directionally Adjusted Metropolis-Hastings Algorithm. IJSS 9 (Special Issue) , 33-57.   

• Bédard, M. and Rosenthal, J.S. (2008). Optimal Scaling of Metropolis Algorithms: Heading Toward General Target Distributions. Canad. J. Statist. 36, 483-503.   

• Bédard, M. (2008). Optimal Acceptance Rates for Metropolis Algorithms: Moving Beyond 0.234. Stochastic Process. Appl. 118, 2198-2222.   

• Bédard, M. (2008). Efficient Sampling using Metropolis Algorithms: Applications of Optimal Scaling Results. J. Comput. Graph. Statist. 17, 312-332.   

• Bédard, M., Fraser, D.A.S., Wong, A. (2007). Higher Accuracy for Bayesian and Frequentist Inference: Large Sample Theory for Small Sample Likelihood. Statist. Sci. 22, 301-321.   

• Bédard, M. (2007). Weak Convergence of Metropolis Algorithms for Non-iid Target Distributions. Ann. Appl. Probab. 17, 1222-1244.   

• Bédard, M. (2006). On the Robustness of Optimal Scaling for Random Walk Metropolis Algorithms. Ph.D. Thesis. Department of Statistics, University of Toronto.   

Submitted papers

• Bédard, M.    Hierarchical models: the detrimental effect of preferring a RWM to a RWM-within-Gibbs

• Bédard, M.    Hierarchical models and the tuning of RWM algorithms.

• Fraser, D.A.S., Bédard, M., Wong, A., Lin, W., Fraser, A.M., Fraser, M.J.    Can Bayes give second-order reproducibility?

Supervision

Ph.D.

• Victor Fardel (Cosupervision with F. Perron, 09/2015 - )

• Philippe Gagnon (Cosupervision with A. Desgagnés, 01/2012 - )

M.Sc.

• Michaël Lalancette (09/2015 - )

• Marie-Christine Doucas (09/2012 - 03/2014)
  Internship report: Étude portant sur le fardeau de réponse des entreprises simples à Statistique Canada

• Assia Groiez (part-time, 09/2010 - 03/2014)
  Thesis: Recyclage des candidats dans l'algorithme Metropolis à essais multiples

• Jean-François Bégin (Cosupervision with P. Gaillardetz 09/2011 - 09/2012)
  Thesis: New simulation schemes for the Heston model (Prix de l'IFM2, 2012)

• Matei Mireuta (part-time, 02/2008 - 08/2011)
  Thesis: Étude de la performance d'un algorithme Metropolis-Hastings avec ajustement directionnel

Undergraduate (NSERC-USRA)

• Nicolas Grenon-Godbout (05/2015 - 08/2015)
  Project: Méthodes MCMC : amélioration d'un algorithme d'adaptation régionale et applications à la climatologie

• Jean-François Bégin (Cosupervision with M. Morales 05/2010 - 08/2010)
  Project: Analyse MCMC de certains modèles de diffusion avec application au marché européen du carbone

• Vanessa Bergeron Laperrière (05/2010 - 08/2010)
  Project: L'algorithme Metropolis-Hastings

• Audrey Béliveau (04/2008 - 10/2008)
  Project: Reconstruction d'images par la statistique bayésienne

Last modified: 10-2015