HAL : hal-00154382, version 1

DOI : 10.1093/biomet/asn016

Fiche détaillée

Récupérer au format BibTeX - EndNote - TEI - RefWorks -

Biometrika 95, 2 (2008) 335-349

Multi-parameter auto-models and their application

Cécile Hardouin 1, 2, Jian-Feng Yao 3

(06/2008)

Motivated by the modelling of non Gaussian data or positively correlated data on a lattice, extensions of Besag's Markov random fields auto-models to exponential families with multi-dimensional parameters have been proposed recently. In this paper, we provide a multiple-parameter analog of Besag's one-dimensional result that gives the necessary form of the exponential families for the Markov random field's conditional distributions. We propose estimation of parameters by maximum pseudo-likelihood and give a proof for the consistency of the estimators for the multi-parameter auto-model. The methodology is illustrated with some examples, particularly the building of a cooperative system with beta conditional distributions.

1 :	Statistique Appliquée et MOdélisation Stochastique (SAMOS)
	Université Paris I - Panthéon Sorbonne
2 :	Centre d'économie de la Sorbonne (CES)
	CNRS : UMR8174 – Université Paris I - Panthéon Sorbonne
3 :	Institut de Recherche Mathématique de Rennes (IRMAR)
	CNRS : UMR6625 – Université de Rennes 1 – École normale supérieure de Cachan - ENS Cachan – INSA Rennes – Université Rennes II

Équipe de recherche : Statistique ; SAMOS-MATISSE

Domaine

:

Mathématiques/Statistiques Statistiques/Théorie

Mots Clés : Auto-models – Multi-parameter exponential families – spatial cooperation – beta conditionals

hal-00154382, version 1

http://hal.archives-ouvertes.fr/hal-00154382

oai:hal.archives-ouvertes.fr:hal-00154382

Contributeur : Jian-Feng Yao <>

Soumis le : Mercredi 13 Juin 2007, 14:25:29

Dernière modification le : Mardi 27 Avril 2010, 17:35:08