HAL will be down for maintenance from Friday, June 10 at 4pm through Monday, June 13 at 9am. More information
Skip to Main content Skip to Navigation
Conference papers

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.
Document type :
Conference papers
Complete list of metadata

Cited literature [9 references]  Display  Hide  Download

https://hal.inria.fr/hal-01440084
Contributor : Christine Keribin Connect in order to contact the contributor
Submitted on : Friday, January 27, 2017 - 10:52:57 AM
Last modification on : Saturday, November 6, 2021 - 1:52:02 PM
Long-term archiving on: : Friday, April 28, 2017 - 5:54:12 PM

File

submission_140-1.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-01440084, version 1

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. ⟨hal-01440084⟩

Share

Metrics

Record views

463

Files downloads

486