S'abonner

Sur la convergence de l’estimation conditionnelle itérative - 22/04/08

Doi : 10.1016/j.crma.2008.02.023 
Wojciech Pieczynski
Institut TELECOM ; TELECOM et Management SudParis ; Dépt. CITI ; CNRS UMR 5157, 9, rue Charles-Fourier, 91000 Evry, France 

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 4
Iconographies 0
Vidéos 0
Autres 0

Résumé

L’estimation conditionnelle itérative (ECI) est une méthode d’estimation itérative des paramètres dans le cas des données incomplètes. Sa mise en œuvre demande des hypothèses relativement faibles et peut être effectuée dans des situations relativement complexes, comme les modèles de Markov triplets. L’objet de cette Note est d’énoncer un théorème général de convergence de l’ECI, et de montrer son applicabilité dans le problème de l’estimation des proportions dans un mélange de lois multi-variées. Pour citer cet article : W. Pieczynski, C. R. Acad. Sci. Paris, Ser. I 346 (2008).

Le texte complet de cet article est disponible en PDF.

Abstract

The iterative conditional estimation (ICE) is an iterative estimation method of the parameters in the case of incomplete data. Its use asks for relatively weak hypotheses and it can be performed in relatively complex situations, as in triplet Markov models. The aim of this Note is to express a general theorem of convergence of ICE, and to show its applicability in the problem of the estimation of the proportions in a mixture of multivariate distributions. To cite this article: W. Pieczynski, C. R. Acad. Sci. Paris, Ser. I 346 (2008).

Le texte complet de cet article est disponible en PDF.

Plan

Plan indisponible

© 2008  Académie des sciences. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 346 - N° 7-8

P. 457-460 - avril 2008 Retour au numéro
Article précédent Article précédent
  • The marked empirical process to test a general AR-ARCH against an other general AR-ARCH when the random vectors are nonstationary and absolutely regular
  • Michel Harel, Echarif Elharfaoui
| Article suivant Article suivant
  • Nonparametric estimation of the density of the regression noise
  • Sandra Plancade

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.