Méthodes de Monte Carlo EM et Approximations particulaires - Allaya, Mouhamad M.
62,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
  • Broschiertes Buch

A travers ces quelques notes, nous décrivons quelques pistes de réflexion de l'usage des méthodes de Monte Carlo séquentielles et de l'algorithme Espérance-Maximisation lorsque la structure de dépendance du modèle étudié est plus accrue. Le cadre étant la représentation à espaces d'états d'un modèle de Markov caché. Il s'agit essentiellement de l'extension des méthodes de Monte Carlo séquentielles au cadre de chaînes de Markov d'ordre supérieur avec comme perspective de pouvoir faire de l'inférence statistique au moyen de l'algorithme Espérance-Maximisation ou de ses dérivés. La princip L'idée…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
A travers ces quelques notes, nous décrivons quelques pistes de réflexion de l'usage des méthodes de Monte Carlo séquentielles et de l'algorithme Espérance-Maximisation lorsque la structure de dépendance du modèle étudié est plus accrue. Le cadre étant la représentation à espaces d'états d'un modèle de Markov caché. Il s'agit essentiellement de l'extension des méthodes de Monte Carlo séquentielles au cadre de chaînes de Markov d'ordre supérieur avec comme perspective de pouvoir faire de l'inférence statistique au moyen de l'algorithme Espérance-Maximisation ou de ses dérivés. La princip L'idée sous-jacente est l'adaptation des équations de filtrage et de lissage particulaires afin de pouvoir prendre en compte de telle structure de dépendance dans le signal caché.
Autorenporträt
est Docteur en Mathématiques Appliquées de l'université Paris 1 Panthéon-Sorbonne, membre du laboratoire SAMM. Ses enseignements sont axés sur la Statistique, l'Analyse et l'Algèbre. Il a travaillé sur les méthodes de Monte Carlo séquentielles et leurs applications. Sa formation s'est effectuée à Paris 1, Paris 9/ENSAE et à l'UGB de St-Louis.