Estimation des fonctions psychométriques: une approche non-paramétrique

mardi 2 octobre 2012, 13h45 - 14h45

Salle de réunion, espace Turing

{{Abstract}}

Une fonction psychométrique est une fonction attachée à une tâche de perception donnée dont elle résume les performances, en modélisant la relation entre l’intensité du stimulus et la probabilité d’une réponse correcte. Les procédures d’estimation communément utilisées dans la pratique en psychophysique sont incomplètes (estimation limitée à une seule valeur de probabilité fixée), ou non-adaptatives (la séquence des stimuli est determinée avant l’expérience) ou paramétriques. En conséquence toutes ces méthodes sont inefficaces en terme de nombre d’essais nécessaires pour avoir une bonne qualité d’estimation ou sont susceptibles d’être biaisées par des aprioris de modélisation.

Dans cet exposé, on propose une approche complète, adaptative et non paramétrique, formulée par un problème de minimisation sous contraintes. Les contraintes considérées prennent en compte des propriétés qualitatives, comme la monotonie, la convexité-concavité etc. Malgré la simplicité de leur formulation, les problèmes variationnels ainsi obtenus sont toujours l’objet de recherches pour trouver des algorithmes de minimisation capables de traiter des données de grosse taille. Avant d’illustrer l’application au problème considéré, on présente et on discute quelques approches de minimisation récentes

{{L’exposé aura lieu dans la salle de réunion du laboratoire (705-K).}}