Sommaire du Fascicule no. 1




Numéro spécial : données longitudinales quantitatives, événementielles, incomplètement observées
Éditorial du numéro spécial « Données longitudinales quantitatives, événementielles, incomplètement observées »
p. 46-48

Numéro spécial : données longitudinales quantitatives, événementielles, incomplètement observées
Using PMCMC in EM algorithm for stochastic mixed models: theoretical and practical issues  [ Utilisation de PMCMC dans l’algorithme EM pour des modèles mixtes stochastiques : enjeux théoriques et pratiques ]
p. 49-72

Numéro spécial : données longitudinales quantitatives, événementielles, incomplètement observées
Mixed Hidden Markov Model for Heterogeneous Longitudinal Data with Missingness and Errors in the Outcome Variable  [ Modèle de Markov caché mixte pour des données longitudinales hétérogènes avec erreurs et données manquantes dans la variable de sortie ]
p. 73-98

Numéro spécial : données longitudinales quantitatives, événementielles, incomplètement observées
Inférence statistique pour un modèle markovien de dégradation avec covariables dépendantes du temps
p. 99-116

Numéro spécial : données longitudinales quantitatives, événementielles, incomplètement observées
Multi-state analysis of kidney transplant recipients outcome: a semi-Markov model for studying the role of pre-transplant sensitization against Angiotensin II Type 1 receptor.  [ Analyse multi-états des évènements survenant chez les patients transplantés rénaux : un modèle semi-Markovien pour étudier le rôle de l’immunisation pré-greffe contre le récepteur de type I de l’Angiotensine II ]
p. 117-133

Numéro spécial : données longitudinales quantitatives, événementielles, incomplètement observées
Shared random-effect models for the joint analysis of longitudinal and time-to-event data: application to the prediction of prostate cancer recurrence  [ Modèles à effets aléatoires partagés pour l’analyse conjointe de données longitudinales et de temps d’événement : application à la prédiction de rechutes de cancer de la prostate ]
p. 134-155

Sommaire du Fascicule no. 2




Numéro spécial : analyse des données en grande dimension
Statistique en grande dimension : problématiques et enjeux
p. 36-37

Numéro spécial : analyse des données en grande dimension
Variable clustering in high dimensional linear regression models  [ Classification de variables en régression linéaire ]
p. 38-56

Numéro spécial : analyse des données en grande dimension
Comparing Model Selection and Regularization Approaches to Variable Selection in Model-Based Clustering  [ Comparaison des approches de régularisation et de sélection d’un modèle de mélange pour la sélection de variables en classification non supervisée ]
p. 57-71

Numéro spécial : analyse des données en grande dimension
Comparison of sliced inverse regression approaches for underdetermined cases  [ Comparaison d’approches de type SIR (régression inverse par tranches) pour les cas sous-déterminés ( n < p ) ]
p. 72-96

Numéro spécial : analyse des données fonctionnelles
Editorial of the Special Issue “Functional data”  [ Éditorial du numéro spécial “Données fonctionnelles” ]
p. 97-99

Numéro spécial : analyse des données fonctionnelles
Regression on functional data: methodological approach with application to near-infrared spectrometry  [ Régression sur données fonctionnelles : démarche méthodologique et applications à la spectrométrie dans le proche infrarouge ]
p. 100-120


Numéro spécial : analyse des données fonctionnelles
Spatial regression estimation for functional data with spatial dependency  [ Estimation de la régression spatiale pour données fonctionnelles avec dépendance spatiale ]
p. 138-160



Sommaire du Fascicule no. 3


Crossed Linear Gaussian Bayesian Networks, parsimonious models  [ Réseaux Bayésiens Gaussiens Linéaires Croisés, des modèles parcimonieux ]
p. 1-21

Numéro spécial : fiabilité
Editorial to the special issue “Reliability”  [ Éditorial du numéro spécial “fiabilité” ]
p. 22-23

Editorial to the special issue “Reliability”  [ Éditorial du numéro spécial “fiabilité” ]
p. 24-25


Numéro spécial : fiabilité
Hidden Markov Model for the detection of a degraded operating mode of optronic equipment  [ Modèle de Markov caché pour la détection d’un mode de fonctionnement dégradé d’un équipement optronique ]
p. 48-61

Numéro spécial : fiabilité
Integration of time-dependent covariates in recurrent events modelling : application to failures on drinking water networks  [ Intégration des covariables temporelles dépendant du temps dans la modélisation d’évènements récurrents : application aux réseaux d’eau potable ]
p. 62-77


Numéro spécial : fiabilité
Testing an “Exponential Delay Time model” against a “Random Sign Censoring model” in Reliability  [ Test du modèle “Delay Time” exponentiel contre le modèle “Random Sign Censoring” en Fiabilité ]
p. 104-119


Numéro spécial : fiabilité
Goodness-of-fit tests for the Weibull distribution based on the Laplace transform  [ Tests d’adéquation à la loi de Weibull basés sur la transformée de Laplace ]
p. 135-151

Numéro spécial : fiabilité
Interval reliability for semi-Markov systems in discrete time  [ Fiabilité sur intervalle des systèmes semi-markoviens à temps discret ]
p. 152-166

Sommaire du Fascicule no. 4


Taxicab Correspondence Analysis of Ratings and Rankings  [ Analyse des Correspondances du Taxi de Notes et de Rangs ]
p. 1-23


Numéro spécial : Sondages
Editorial to the special issue on Survey Sampling  [ Éditorial du numéro spécial Sondages ]
p. 26-27

Numéro spécial : Sondages
Balancing the response and adjusting estimates for nonresponse bias: complementary activities  [ Équilibrage de la réponse et ajustement des estimateurs pour biais de non-réponse : activités complémentaires ]
p. 28-50

Numéro spécial : Sondages
Estimation in Multiple Frame Surveys: A Simplified and Unified Review using the Multiplicity Approach  [ Enquêtes à bases multiples : un examen simplifié et unifié à l’estimation sous l’approche de la multiplicité ]
p. 51-69

Numéro spécial : Sondages
Analysing large datasets of functional data: a survey sampling point of view  [ Analyse statistique de grandes bases de données fonctionnelles : le point de vue de sondeurs ]
p. 70-94