As mentioned in the title, the framework of this doctoral dissertation encompasses two different subjects: robust statistics on the one hand and classification and clustering techniques on the other hand.
Robust procedures try at the same time to emulate classical procedures and to produce results that are not unduly affected by contaminated observations or deviations from model assumptions.
Classification and clustering techniques try to find groups among observations. Grouping is one of the most basic abilities of living creatures; the simple fact of naming objects is already grouping. The main interest lies in the fact that the characteristics of a group as well as its differences from other groups can be used as a summary of the dataset./
Comme mentionné dans le titre, cette thèse de doctorat reprend deux sujets différents : d’une part les statistiques robustes et d’autre part les techniques de classification et de clustering.
Les procédures robustes essayent d’imiter les procédures classiques tout en essayant de produire des résultats qui ne sont pas trop affectés par des observations contaminées ou par des écarts aux hypothèses du modèle.
Quant aux techniques de classification et de clustering, elles tentent de former des groupes parmi les observations. Mettre en groupe est une des capacités les plus élémentaires des êtres vivants; le simple fait de nommer les objets consiste déjà à grouper. Le principal intérêt réside dans le fait que les caractéristiques d’un groupe de même que ses différences avec d’autres groupes peuvent être employées comme un résumé de l’ensemble des données.