Résumé : On propose une méthode bayésienne de régression sous contraintes de régularité et de forme. On construit une loi priori qui charge les fonctions linéaires par morceaux. On montre que cette loi a priori peut être arbitrairement proche de la loi induite par l'addition d'un polynôme à coéfficients aléatoires et d'un mouvement brownien intégré $m-1$ fois. Ainsi, bien que linéaire par morceaux, la fonction de régression se comporte approximativement comme une fonction de classe $C^{m-1}$. La linéarité par morceaux permet d'introduire des contraintes de forme. L'estimateur choisi est le mode a posteriori. Il est calculé à partir d'un algorithme de type recuit simulé dont l'étape de proposition garantit la vérification de la contrainte de forme. Des simulations suivant la loi a posteriori sont obtenues grâce à un algorithme de type Metropolis-Hastings.
https://hal.inria.fr/inria-00386592 Contributor : Conférence Jds2009Connect in order to contact the contributor Submitted on : Friday, May 22, 2009 - 9:04:21 AM Last modification on : Monday, May 25, 2020 - 4:42:09 PM Long-term archiving on: : Thursday, June 10, 2010 - 9:38:57 PM
Christophe Abraham. Régression bayésienne avec contraintes de régularité et de forme. 41èmes Journées de Statistique, SFdS, Bordeaux, 2009, Bordeaux, France, France. ⟨inria-00386592⟩