Séance Séminaire

Séminaire des Doctorant·e·s

Ré-échantillonnage dans un schéma séquentiel d'échantillonnage préférentiel

L'objectif est d'inférer des paramètres de l'histoire démographique de populations naturelles à partir de données génétiques actuelles en maximisant la vraisemblance des données. La vraisemblance d'une valeur de paramètres s'écrit comme une somme sur toutes les histoires (généalogies avec mutations) passées possibles. Pour sommer sur l'espace de très grande dimension des histoires, nous utilisons une technique d'échantillonnage préférentiel permettant d'estimer la vraisemblance en un point de l'espace des paramètres. Les méthodes d'échantillonnage préférentiel sont particulièrement utilisées en génétique des populations. En effet, la distribution du polymorphisme génétique d'un échantillon actuel dépend de l'évolution de la taille de la population au travers de processus stochastiques latents : son histoire passée. Mais ces méthodes sans ré-échantillonnage ne sont pas toujours efficaces, en particulier pour des modèles de populations dont la taille varie au cours du temps. Nous mettrons en évidence le gain obtenu sur la précision de l'estimation de la vraisemblance grâce au ré-échantillonnage. Puis nous verrons les améliorations de l'estimation des paramètres qui en découlent. Les résultats seront présentés dans le cas d'une contraction de la taille de la population.