Le prix CRM-SSC 2023 est décerné à Zhou Zhou

Le prix CRM-SCC 2023 est décerné au professeur Zhou Zhou, Département des sciences statistiques, Université de Toronto, pour ses contributions fondamentales à l’analyse des séries temporelles et à la statistique non paramétrique, notamment aux séries temporelles non stationnaires, aux séries temporelles non linéaires, à l’analyse des fréquences temporelles, aux approximations gaussiennes, aux méthodes de rééchantillonnage et à l’inférence par tamisage pour les données dépendantes complexes, ainsi qu’à la détection robuste des points de changement pour les données non stationnaires.

Biographie

Zhou Zhou est né et a grandi dans la province de Hunan, en Chine. Il a étudié les mathématiques à la prestigieuse Université de Pékin, où il a obtenu son baccalauréat en 2003. Il s’est ensuite inscrit en statistique à l’université de Chicago, où il a obtenu son doctorat en 2009 sous la direction de Wei-Biao Wu. Il a ensuite rejoint le Département des sciences statistiques de l’Université de Toronto, où il est rapidement passé de professeur adjoint à professeur agrégé en 2015, puis à professeur titulaire en 2021. 

Zhou est un chercheur prolifique, original et indépendant dans le domaine de l’analyse des séries temporelles et des statistiques non paramétriques. Il a un palmarès de recherche impressionnant, avec 31 articles de recherche publiés ou acceptés dans des revues de haut niveau, y compris des revues de premier plan telles que Annals of Statistics (6 fois), JRSSB (5 fois) et JASA (2 fois). Il a reçu le supplément d’accélération à la découverte du CRSNG en 2021 en reconnaissance de ses contributions exceptionnelles à la recherche et de son avenir très prometteur.  

Zhou a apporté de nombreuses contributions fondamentales à l’analyse des séries temporelles non stationnaires, un domaine de plus en plus important lorsqu’on étudie des séries longues avec des structures compliquées. Zhou et Wu (Ann Stat 2009) ont proposé un cadre pour l’analyse des séries temporelles localement stationnaires (LS) du point de vue des systèmes physiques non linéaires, où la stationnarité locale se réfère à un type spécial de non-stationnarité avec des mécanismes de génération de données variant de façon régulière. Zhou (JASA 2013) a proposé une classe de modèles de séries temporelles localement stationnaires par morceaux (PLS) qui généralisent ce cadre en autorisant des sauts ou des changements brusques dans le mécanisme de génération des données. Ces deux travaux sont devenus des outils importants pour les chercheurs dans ce domaine et font preuve d’une grande généralité, d’une grande profondeur mathématique et d’une grande pertinence pratique. Zhou, ses stagiaires et ses collaborateurs ont par la suite réalisé des progrès significatifs dans le développement de la théorie et de la méthodologie pour l’analyse des séries temporelles non stationnaires dans les cadres LS et PLS. Une série d’articles par Zhou et Wu ont établi une théorie statistique systématique pour l’inférence non paramétrique des quantiles conditionnels de processus non stationnaires. Par ailleurs, Ding et Zhou (Ann Stat 2020) et Cui, Levine et Zhou (EJS 2021) ont établi des résultats fondamentaux sur l’inférence statistique des structures de covariance des séries temporelles localement stationnaires.  

Zhou est également un expert de renommée mondiale en matière de détection des points de changement, un domaine de la statistique dont la popularité a grimpé en flèche ces vingt dernières années en raison de ses applications. La théorie et les algorithmes classiques de détection des points de changement supposent généralement que les perturbations sonores sont i.i.d. ou stationnaires. Dans un article pionnier publié dans la JASA en 2013, Zhou a démontré la perte de précision d’une large classe d’algorithmes classiques de détection de points de changement en présence de bruits non stationnaires, et a proposé un algorithme bootstrap simple et élégant pour les tests de points de changement, qui est robuste sur une large classe de bruits non stationnaires. Ce cadre robuste de détection des points de changement a ensuite été généralisé à la régression sous contrainte dans Zhou (JRSSB 2015) et à la régression M dans Wu et Zhou (Ann Stat 2018). Zhou est également un pionnier de l’inférence non paramétrique simultanée pour les données dépendantes du temps. Et récemment, il a fait des percées dans le domaine de l’inférence non paramétrique simultanée par tamisage de données dépendantes. 

Zhou n’est pas seulement un chercheur hors pair, mais aussi un mentor et un superviseur prolifique. Il a diplômé sept doctorants et en supervise actuellement quatre autres. Il fournit des services éditoriaux pour des revues telles que Bernoulli et Statistics and Probability Letters. Il a également organisé des sessions invitées lors de plusieurs conférences. Son implication dans la communauté, ses recherches approfondies de haute qualité et ses nombreux doctorants démontrent amplement son rôle de leader dans le domaine. 

Lorsqu’il ne travaille pas, Zhou se détend avec son épouse Wendy Liu et leurs jeunes enfants (âgés de 5 et 2 ans), regarde des films de science-fiction et suit les hauts et les bas des principales ligues de soccer européennes. 

Le prix CRM-SSC

Le prix CRM-SSC en statistique reconnaît l’excellence et les réalisations en recherche d’un statisticien ou d’une statisticienne au cours des quinze années suivant l’obtention du doctorat (ou d’un diplôme équivalent). Il est décerné chaque année par le Centre de recherches mathématiques et la Société statistique du Canada.