Analyse en composantes principales partielle de données séquentielles d'espérance et de matrice de covariance variables dans le temps

Romain Bar 1, 2 Jean-Marie Monnez 1, 2
1 BIGS - Biology, genetics and statistics
IECN - Institut Élie Cartan de Nancy, INRIA Lorraine
2 Probabilités et statistiques
IECL - Institut Élie Cartan de Lorraine
Résumé : On suppose que des vecteurs de données pouvant être de grande dimension et arrivant séquentiellement dans le temps sont des observations indépendantes d'un vecteur aléatoire d'espérance mathématique et de matrice de covariance variables dans le temps. On définit alors une méthode récursive d'estimation en ligne de vecteurs directeurs des r premiers axes principaux d'une analyse en composantes principales (ACP) partielle de ce vecteur aléatoire. On applique ensuite ce résultat au cas particulier de l'analyse canonique généralisée (ACG) partielle après avoir défini un processus d'approximation stochastique de type Robbins-Monro de l'inverse d'une matrice de covariance.
Type de document :
Communication dans un congrès
45èmes Journées de Statistiques - 2013, May 2013, Toulouse, France. 2013
Liste complète des métadonnées

Littérature citée [5 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-00841181
Contributeur : Romain Bar <>
Soumis le : jeudi 4 juillet 2013 - 09:54:47
Dernière modification le : jeudi 11 janvier 2018 - 06:26:22
Document(s) archivé(s) le : samedi 5 octobre 2013 - 04:16:48

Fichier

resume_sfds_2013.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00841181, version 1

Collections

Citation

Romain Bar, Jean-Marie Monnez. Analyse en composantes principales partielle de données séquentielles d'espérance et de matrice de covariance variables dans le temps. 45èmes Journées de Statistiques - 2013, May 2013, Toulouse, France. 2013. 〈hal-00841181〉

Partager

Métriques

Consultations de la notice

430

Téléchargements de fichiers

292