Estimation de modèles markoviens discrets dans un cadre industriel fiabiliste à données manquantes - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Communication Dans Un Congrès Année : 2010

Estimation de modèles markoviens discrets dans un cadre industriel fiabiliste à données manquantes

Alberto Pasanisi
  • Fonction : Auteur
EDF
Nicolas Bousquet
EDF

Résumé

Les modèles markoviens sont particulièrement utiles pour décrire des systèmes qui, au long de leur vie, passent à travers différents états. Les paramètres de ces modèles sont les probabilités de transition entre les états. Normalement, les données disponibles pour l'inférence statistique sont des séquences temporelles d'états pour un nombre donné d'individus. Quand les séquences sont incomplètes, l'estimation de la matrice de transition n'est pas triviale et demande l'utilisation de techniques plus avancées. Dans cette communication, nous nous focalisons sur l'estimation bayésienne des probabilités de transition. Premièrement, nous présentons différentes méthodes MCMC, en fonction de la structure des données manquantes. Ensuite, nous proposons une manière d'accélérer les calculs MCMC en tenant compte de la dépendance entre les lignes de la matrice de transition. Finalement, nous montrons les résultats d'essais simulés menés sur des matrices typiquement rencontrées dans les problèmes de fiabilité industrielle.
Fichier principal
Vignette du fichier
p27.pdf (91.29 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

inria-00494688 , version 1 (24-06-2010)

Identifiants

  • HAL Id : inria-00494688 , version 1

Citer

Alberto Pasanisi, Shuai Fu, Nicolas Bousquet. Estimation de modèles markoviens discrets dans un cadre industriel fiabiliste à données manquantes. 42èmes Journées de Statistique, 2010, Marseille, France, France. ⟨inria-00494688⟩
104 Consultations
79 Téléchargements

Partager

Gmail Facebook X LinkedIn More