Large deviations for the largest eigenvalue of random matrices
Probabilités et Statistique
Lieu:
En visio
Orateur:
Jonathan Husson
Affiliation:
ENS Lyon
Dates:
Mercredi, 3 Février, 2021 - 10:30 - 11:30
Résumé:
In large deviation theory, we consider sequences of random variables that converge toward a limit and we try to evaluate how the probability that they take other values decays. Aside from Gaussian matrices for which explicit formulas are known to describe the spectrum, little is known of the large deviations for the empirical measure or the largest eigenvalue in the general case. In this talk, I will consider sub-Gaussian random matrix models and I will explain how to use spherical integrals to obtain large deviation principles for the largest eigenvalue of those matrices.
- Accueil
- Annuaire
- Equipes
- Evènements
- Congrès
- Invités
- Séminaires, Groupes de Travail et Colloquium
- Séminaires
- Analyse Complexe et Equations Différentielles
- Analyse Fonctionnelle
- Analyse Numérique et Equations Aux Dérivées Partielles
- Arithmétique
- Formes Automorphes
- Géométrie Algébrique
- Géométrie des espaces singuliers
- Géométrie Dynamique
- Histoire des Mathématiques
- Physique Mathématique
- Probabilités et Statistique
- Singularités et Applications
- Théorie Analytique et Analyse Harmonique
- Topologie
- Colloquium
- Groupes de Travail
- Analyse harmonique et théorie analytique
- Autour des fractales
- Calcul de Malliavin et processus fractionnaires
- Déformations des singularités de surfaces
- Equations aux dérivées partielles
- Extraction du signal
- Fondements mathématiques du deep learning
- Géométrie Non-Archimédienne
- Géométrie Stochastique
- Idéaux de Hodge
- Leçons d'Analyse
- Matrices Aléatoires
- Probabilités
- Statistique et Grande Dimension
- Systèmes Dynamiques
- Topologie
- W-algèbres
- Doctorants et Post-doctorants
- Séminaires
- Soutenances
- Anciens Séminaires et Groupes de Travail
- Formation par la Recherche
- Laboratoire
- Liens utiles
- Projets
- Recrutements
- Services