Les modèles de Markov cachés à effets mixtes

Résumé : Les modèles de Markov cachés à effets mixtes sont des modèles très récents. Ils se définissent comme l'extension des modèles de Markov cachés classiques aux études de population. Dans les cas où l'on peut dissocier plusieurs états dans une maladie, ces nouveaux modèles sont particulièrement adaptés à l'analyse de données longitudinales recueillies lors d'essais cliniques. Toutefois, l'estimation pour ces modèles est une problématique complexe. En particulier, les modèles de Markov cachés à effets mixtes présentent une structure hautement non linéaire et certaines données ne sont pas observées, ce qui complique grandement l'expression de la vraisemblance et sa maximisation. Nous proposons une méthodologie complète d'apprentissage de ces modèles en trois étapes. Un algorithme EM stochastique combiné à l'algorithme de Baum-Welch permettra d'abord d'estimer les paramètres de population de nos modèles. Ensuite, nous estimons les paramètres des modèles de Markov cachés individuels par maximisation de leur distribution a posteriori. Enfin, les séquences d'états les plus probables au vu des données sont obtenues par l'algorithme de Viterbi. Des études de Monte Carlo ainsi qu'une première application à des données d'épilepsie renvoient des résultats encourageants du point de vue de la qualité des estimateurs obtenus.
Type de document :
Communication dans un congrès
42èmes Journées de Statistique, 2010, Marseille, France, France. 2010
Liste complète des métadonnées

Littérature citée [6 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00494812
Contributeur : Conférence Sfds-Hal <>
Soumis le : jeudi 24 juin 2010 - 08:59:08
Dernière modification le : mardi 26 septembre 2017 - 09:54:04
Document(s) archivé(s) le : lundi 27 septembre 2010 - 11:42:20

Fichier

p176.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00494812, version 1

Collections

Citation

Maud Delattre. Les modèles de Markov cachés à effets mixtes. 42èmes Journées de Statistique, 2010, Marseille, France, France. 2010. 〈inria-00494812〉

Partager

Métriques

Consultations de la notice

122

Téléchargements de fichiers

113