Skip to Main content Skip to Navigation
Conference papers

Modèles augmentés asymptotiquement exacts

Résumé : L’introduction de variables auxiliaires dans un modèle statistique est communément utilisée afin de simplifier une tâche d’inférence ou augmenter son efficacité. Cependant, l’introduction de ces variables telles que la distribution de probabilité initiale soit préservée relève bien souvent d’un art subtil. Cet article présente un cadre statistique unificateur permettant de lever ces verrous en relâchant l’hypothèse d’augmentation exacte. Ce cadre, appelé asymptotically exact data augmentation(AXDA), regroupe certains modèles de mélange, les modèles bayésiens robustes ou encore ceux construits à partir du splittingde variables. Afin d’illustrer l’intérêt d’une telle approche, un échantillonneur de Gibbs basé sur un modèle AXDA est présenté.
Document type :
Conference papers
Complete list of metadata

Cited literature [13 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-02419444
Contributor : Open Archive Toulouse Archive Ouverte (OATAO) Connect in order to contact the contributor
Submitted on : Thursday, December 19, 2019 - 2:45:47 PM
Last modification on : Wednesday, September 7, 2022 - 8:14:05 AM
Long-term archiving on: : Friday, March 20, 2020 - 7:08:17 PM

File

vono_24987.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-02419444, version 1
  • OATAO : 24987

Citation

Maxime Vono, Nicolas Dobigeon, Pierre Chainais. Modèles augmentés asymptotiquement exacts. 27e colloque du Groupe de Recherche et d'Etudes du Traitement du Signal et des Images (GRETSI 2019), Aug 2019, Lille, France. pp.1-4. ⟨hal-02419444⟩

Share

Metrics

Record views

17

Files downloads

16