Examinons le remarquable problème d’existence suivant : Soit un statisticien canadien, comédien à temps partiel, musicien, né un vendredi 13 l’année du centenaire de la confédération canadienne, cité à plusieurs reprises dans le New York Times, ayant figuré dans des publicités pour le chocolat au lait Cadbury, à l’émission télévisée de William Shatner « Weird or What? » et à « The Fifth Estate » sur CBC, et dont le travail quotidien inclut l’obtention de prix en recherche et en enseignement, ainsi que la publication de livres à succès.

Le professeur Jeffrey Rosenthal du Département des sciences statistiques de la University of Toronto constitue une preuve vivante de l’existence d’une solution à ce problème et ses remarquables résultats semblent en garantir l’unicité pour des décennies à venir. Né de parents mathématiciens à Scarborough (Ontario), Jeffrey a obtenu un premier diplôme du Woburn Collegiate en 1984, un baccalauréat en mathématiques, en physique et en informatique de la Université of Toronto en 1988, ainsi qu’un doctorat en mathématiques de Harvard sous la direction de Persi Diaconis en 1992.

Depuis 1993, Jeff enseigne au Département des sciences statistiques de la University of Toronto. Ses travaux de recherche portent sur la théorie des probabilités, les processus stochastiques et les algorithmes de Monte-Carlo par chaînes de Markov (MCMC), ainsi que leurs applications en statistique et dans d’autres disciplines. Ses recherches ont eu une profonde influence en probabilité et en statistique ; de plus, ses articles et présentations ont largement contribué à sensibiliser le grand public à la théorie des probabilités et à ses applications. Ses contributions à la théorie des chaînes de Markov et à l’analyse de la convergence des algorithmes de type Monte-Carlo par chaînes de Markov sont fondamentales. L’article dans lequel il a énoncé les « conditions de minorisation », publié dans JASA en 1993, continue d’avoir un impact significatif et est largement cité. Les techniques de majoration de la convergence décrites par Jeff dans ses articles de JASA (1993) et des Annals of Statistics (1992) sont communément utilisées par les chercheurs pour démontrer la convergence des algorithmes MCMC. Les intérêts de recherche de Jeff sont extrêmement vastes et ses contributions tout aussi étendues portent notamment sur les échantillonneurs par tranche, les diagnostics de convergence, l’échantillonnage parfait, la conception d’algorithmes MCMC, la régénération et les algorithmes adaptatifs. Les travaux de Jeff sont marqués par le souci de trouver des résultats théoriques utiles, tels que des bornes quantitatives précises, des conditions pour la convergence géométrique, des résultats sur l’échantillonnage parfait, etc.

Jeff a été élu compagnon de l’Institut de statistique mathématique en 2005, a remporté le prix CRM-SSC en 2006 et s’est vu décerner le prestigieux prix COPSS du Comité des présidents des sociétés statistiques en 2007. Il a été élu membre de la Société royale du Canada en 2012. Son ouvrage de vulgarisation, Struck by Lightning: The Curious World of Probabilities, publié en seize éditions et en dix langues, est devenu un succès de librairie au Canada. Il lui a valu de nombreuses interventions dans les médias et en public. Jeff a également publié deux ouvrages en théorie des probabilités et plus de quatre-vingt-dix articles dans des revues de recherche à comité de lecture.

Jeff a contribué à tous les domaines des probabilités et de la statistique, au Canada et à l’étranger, tant par la profondeur mathématique de ses travaux de recherche en probabilités, que par son intérêt pour les applications et ses efforts pour sensibiliser le public au risque et au rôle des probabilités et de la statistique dans la vie de tous les jours.