En rédigeant cet éditorial au son des chants de Noël, je pense avec nostalgie à l’époque où l’on prenait le temps de feuilleter les nouvelles éditions des revues à la bibliothèque ou dans une salle départementale. En ouvrant aujourd’hui la version papier du numéro de décembre de la RCS, le changement vous frapperait tout de suite car il marque l’entrée en scène de la nouvelle classe LaTeX conçue par Vincent Goulet. Youpi! Vous verriez aussi que le premier article de ce numéro inaugure la collection de prestige par laquelle la RCS veut rendre hommage aux statisticien.ne.s canadien.ne.s primé.e.s, jeunes et vieux. Dans le cas présent, il s’agit de Ruodu Wang, de l’Université de Waterloo. D’autres articles de ce type suivront; ils figureront, accompagnés de biographies et de citations de prix, sur le site Web suivant :

https://onlinelibrary.wiley.com/doi/toc/10.1002/(ISSN)1708-945X.celebra…

N’en déplaise aux nostalgiques, la version papier de la RCS est désormais chose du passé. Elle n’est maintenant disponible qu’en format électronique, mais le numéro de décembre est le premier qui emploie des repères électroniques plutôt que la pagination traditionnelle.

Je suis d’autant plus heureuse de vous présenter ces innovations aujourd’hui que ce numéro est mon dernier à titre de rédactrice en chef de la RCS. Ce fut un honneur de vous servir et une expérience à la fois enrichissante et gratifiante de veiller à la publication de tant de travaux originaux. Je remercie sincèrement tous les membres de mon fabuleux comité de rédaction, ainsi que mon adjointe administrative, Julie Falkner, qui est si dévouée, sans oublier la directrice de production de la RCS et la présidente du comité des publications de la SSC, Llwellyn Armstrong et Rhonda Rosychuk, pour leur soutien constant et leur professionnalisme.

La promotion du français comme langue de communication scientifique fait partie de la mission de la RCS. De concert avec Wiley, Llwellyn et moi avons donc veillé à ce que le site Web de la revue soit bilingue; de plus, la classe LaTeX cjs-rcs-article et sa documentation sont accessibles dans les deux langues officielles du Canada. Je remercie Belkacem Abdous pour la traduction des résumés et suis extrêmement redevable envers mon conjoint, Christian Genest, pour la traduction et à la relecture de nombreux textes, dont tous mes éditoriaux pour Liaison.

La revue ne serait pas ce qu’elle est sans le dévouement et le soutien des auteur.e.s, rapporteur.e.s, réviseur.e.s, lectrices et lecteurs – merci à tous! Vous continuerez d’être bien servi.e.s par la nouvelle rédactrice en chef, Alexandra Schmidt, affiliée comme moi à l’Université McGill. Elle est très expérimentée et la revue en tirera sûrement grand profit. Je lui souhaite tout le succès possible dans ses nouvelles fonctions.

Sans plus attendre, je vous propose maintenant un condensé du contenu du numéro de décembre.

Le premier article, signé par Vovk et Wang [1], vous plongera dans le monde des e-valeurs et des tests d’hypothèses multiples. De nouveaux algorithmes y sont développés pour le cas où les tests de base produisent des e-valeurs indépendantes ou séquentielles. Les tests d’hypothèses sont également à l’honneur dans l’article de Zhuang, Wang et Chen [2], qui cherchent à vérifier s’il existe une dominance stochastique de premier ordre entre deux lois à partir d’échantillons indépendants. Leurs tests s’attachent plus particulièrement au comportement caudal des lois. Quant à Zhang, Liu et Wu [3], ils s’intéressent aux tests d’hypothèses unilatéraux pour les modèles à effets mixtes non linéaires pour des données longitudinales. Le cadre envisagé est réaliste puisqu’il autorise la prise en compte d’erreurs de mesure dans les covariables.

Wang [4] considère un modèle de régression dans lequel la réponse est fonction des covariables. La forme de la courbe pouvant varier selon la variable réponse, une procédure non paramétrique est proposée pour estimer l’emplacement et le nombre de ces points de changement. De Silva et Choudhary [5] modélisent des réponses fonctionnelles binomiales ou de Poisson par analyse en composantes principales fonctionnelle généralisée et construisent des bandes de tolérance ponctuelles et simultanées pour ces réponses.

Torkashvand et Jafari Jozani [6] étudient l’estimation dans de petits domaines de paramètres associés à des variables positives telles que le revenu. Ils définissent une fonction de perte pondérée dite de prudence et obtiennent des estimations bayésiennes hiérarchiques contraintes qui réduisent le risque de sous-estimation, par exemple, de taux de maladie. Nguyen et Jiang [7] estiment l’erreur quadratique moyenne de prévision pour la meilleure prévision observée dans l’estimation dans de petits domaines au moyen de données de dénombrement. Ils adaptent une méthode de linéarisation de type Prasad-Rao à un cadre dans lequel le modèle peut être mal spécifié.

Frydman et Surya [8] étudient l’estimation à vraisemblance maximale pour un mélange général de processus de sauts markoviens à matrices génératrices sans contraintes. Ils s’en servent ensuite comme outil exploratoire pour identifier les segments homogènes d’une population hétérogène.

À l’occasion, il peut arriver qu’un modèle ait été élaboré à partir d’une source de données dans laquelle les covariables ne sont pas distribuées comme dans la population cible. En s’appuyant sur l’observation des covariables dans cette dernière, Morrison, Gatsonis, Dahabreh, Li et Steingrimsson [9] parviennent à estimer de façon robuste certaines mesures de déficit de performance du modèle dans le cadre d’un tel paradigme de « changement de covariables ».

Les deux articles suivants portent sur des données censurées par intervalle. Ma, Wang, Lou et Sun [10] considèrent des données issues d’études cas-cohorte soumises à une censure par intervalle informative et dont les covariables ne sont recueillies que pour une petite sous-cohorte. Optant pour un modèle de risque additif, les auteurs proposent une procédure de pondération probabiliste pour son estimation. Yang, Li, Diao et Cook [11] développent des algorithmes prédictifs lorsque les échantillons d’apprentissage sont sujet à censure par intervalle. La question délicate ici est de définir une fonction de perte des données observées qui soit une estimation non biaisée de la fonction de perte fondée sur les données complètes non observables.

Le numéro se termine sur un enseignement statistique tiré de la pandémie. Wu, Stephens et Moodie [12] étudient le modèle épidémique Susceptibles-Infectieux-Rétablis lorsque seules les séries temporelles de décès et les données de l’enquête de séroprévalence sont disponibles. Ils développent un cadre bayésien pour l’estimation de l’infection et en testent la robustesse face aux épidémies plus réalistes, mais aussi plus complexes, fondées sur le modèle Susceptibles-Exposés-Infectieux-Rétablis.

Je vous souhaite d’inspirantes lectures, ainsi que d’heureuses et revigorantes fêtes de fin d’année !

Johanna G. Nešlehová, rédactrice en chef

La revue canadienne de statistique

Table des matières du numéro de décembre 2024 de La revue canadienne de statistique

1. True and false discoveries with independent and sequential e-values, by/par Vladimir Vovk & Ruodu Wang

2. Tests for the first-order stochastic dominance, by/par Weiwei Zhuang, Peiming Wang, & Jiahua Chen 

3. Order-restricted hypothesis tests for nonlinear mixed-effects models with measurement errors in covariates, by/par Yixin Zhang, Wei Liu, & Lang Wu

4. Multiple change-point detection for regression curves, by/par Yunlong Wang

5. Tolerance bands for exponential family functional data, by/par Galappaththige S. R. de Silva & Pankaj K. Choudhary

6. Constrained Bayes in multiplicative area-level models under the precautionary loss function, by/par Elaheh Torkashvand & Mohammad Jafari Jozani

7. Estimating the mean squared prediction error of the observed best predictor associated with small area counts: A computationally oriented approach, by/par Thuan Nguyen & Jiming Jiang

8. Estimation in a general mixture of Markov jump processes, by/par Halina Frydman & Budhi Arta Surya

9. Robust estimation of loss-based measures of model performance under covariate shift, by/par Samantha Morrison, Constantine Gatsonis, Issa J. Dahabreh, Bing Li, & Jon A. Steingrimsson

10. Estimation of the additive hazards model based on case-cohort interval-censored data with dependent censoring, by/par Yuqing Ma, Peijie Wang, Yichen Lou, & Jianguo Sun

11. Regression trees for interval-censored failure time data based on censoring unbiased transformations and pseudo-observations, by/par Ce Yang, Xianwei Li, Liqun Diao, & Richard J. Cook

12. An SIR-based Bayesian framework for COVID-19 infection estimation, by/par Haoyu Wu, David A. Stephens, & Erica E. M. Moodie