Normalité asymptotique de l’estimateur du maximum de vraisemblance dans le modèle de blocs latents

Résumé : Le modèle de blocs latents est une méthode non supervisée de classification simultanée des n lignes et d colonnes d’une matrice basée sur un modèle probabiliste de mélange. Si les méthodes d’estimation sont maintenant bien maîtrisées, les résultats concernant l’asymptotique de l’estimateur du maximum de vraisemblance restent encore parcellaires. Sous certaines conditions de bornes sur les paramètres, et pour un régime asymptotique tel que log(d)/n et log(n)/d tendent vers 0 avec n et d, nous montrons l’équivalence asymptotique du rapport de vraisemblance observée avec celui de la vraisemblance complète. Cette équivalence permet de transférer les propriétés de normalité asymptotique de l’estimateur du maximum de vraisemblance du modèle complet à l’estimateur du maximum de vraisemblance.
Type de document :
Communication dans un congrès
48èmes Journées de Statistique de la SFdS, May 2016, Montpellier, France. 48èmes Journées de Statistique de la SFdS. 〈http://papersjds16.sfds.asso.fr/submission_140.pdf〉
Liste complète des métadonnées

Littérature citée [9 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01440084
Contributeur : Christine Keribin <>
Soumis le : vendredi 27 janvier 2017 - 10:52:57
Dernière modification le : jeudi 11 janvier 2018 - 06:22:14
Document(s) archivé(s) le : vendredi 28 avril 2017 - 17:54:12

Fichier

submission_140-1.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01440084, version 1

Collections

Citation

Mahendra Mariadassou, Vincent Brault, Christine Keribin. Normalité asymptotique de l’estimateur du maximum de vraisemblance dans le modèle de blocs latents. 48èmes Journées de Statistique de la SFdS, May 2016, Montpellier, France. 48èmes Journées de Statistique de la SFdS. 〈http://papersjds16.sfds.asso.fr/submission_140.pdf〉. 〈hal-01440084〉

Partager

Métriques

Consultations de la notice

632

Téléchargements de fichiers

103