Nous recherchons notre futur/future Doctorant/Doctorante Géométrie Statistique pour la modélisation spatio-temporelle des évènements climatiques ! Ce projet de doctorat vise à développer des résultats en géométrie stochastique afin d'étudier des problèmes ouverts dans la modélisation spatio-temporelle des valeurs extrêmes pour des applications dans l'évaluation des risques environnementaux. Rejoignez-nous au sein d'Université Côte d'Azur, reconnue depuis 2016 pour son excellence scientifique et pédagogique, pour créer ensemble le modèle de l'université du 21ème siècle responsable et innovante. Vos missions : Développer une théorie et des méthodes statistiques associées pour caractériser et estimer les courbures LK et étudier leur évolution dans le temps (par exemple, Zhong et al., 2024). La théorie spatiale et les estimateurs sont déjà assez bien documentés, mais les travaux sur les extensions aux contextes multivariés et spatio-temporels sont rares, car les applications traditionnelles se concentrent sur un seul champ spatial, souvent dans un contexte isotrope. Définir des représentations géométriques des événements extrêmes dans les données multivariées spatio-temporelles sur la base d'ensembles d'excursions (calculés à partir des dépassements de seuils, voir Huser et Wadsworth (2022), Dombry et al. (2024)). Un objectif spécifique consiste à adapter les dispositifs d'analyse topologique des données (TDA, voir Wasserman (2018)) afin d'exploiter les propriétés géométriques des données spatio-temporelles multivariées observées sur des grilles de voxels régulières. Cela pourrait être réalisé en incluant les caractéristiques LKC dans le processus de naissance et de mort du diagramme de persistance utilisé dans la TDA afin d'améliorer le contenu informatif et les prévisions tout en restant parcimonieux. Une boîte à outils statistique contenant des implémentations génériques réutilisables et documentées d'algorithmes nouvellement développés devrait être produite. Ce poste est fait pour vous si : Vous possédez : De solides connaissances en probabilité multivariée et en théorie statistique multivariée, Des connaissances en géométrie seraient un plus, Des connaissances en théorie des valeurs extrêmes et en statistiques spatiales seraient un plus, Solides connaissances en langages de programmation (tels que R, Python, C++ ou Matlab).