Mon domaine de recherche est la théorie de la décision bayésienne et, plus particulièrement, je m'intéresse à la construction d'estimateurs de Bayes robustes.

Pour obtenir un estimateur de Bayes, une densité a priori, modélisant l'information disponible sur l'ensemble des paramètres avant observation, doit être construite. Dépendant de la fonction de vraisemblance et du choix de la densité a priori, cette dernière peut avoir beaucoup d'influence sur l'estimateur résultant. Un estimateur bayésien sera dit robuste lorsque l'influence de la densité a priori s'estompe en cas de conflit entre l'information contenue dans cette dernière et les observations. Dans ma recherche, je cherche des estimateurs bayésiens d'un vecteur de paramètres pour lesquelles l'influence de la densité a priori s'amenuise seulement pour les coordonnées du vecteur où il y a conflit. Je cherche aussi un indificateur du modèle bayésien de façon à pouvoir caractériser le comportement de la moyenne a posteriori du paramètre d'intérêt sans avoir à la calculer explicitement. Je m'intéresse aussi à l'applications de la théorie de la décision bayésienne dans différents domaines (estimation de fonction, méta-analyse).