Estimation bayésienne des paramètres d'un modèle autorégressif par la méthode d'échantillonnage descriptif amélioré
Loading...
Date
2024
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
UNIVERSITÉ MOULOUD MAMMERI, TIZI-OUZOU
Abstract
Cette thèse porte sur la simulation de Monte Carlo dans un cadre bayésien. Elle montre la flexibilité de l'utilisation des expériences de Monte Carlo, à travers l'échantillonnage descriptif amélioré pour estimer les paramètres au sein d'un modèle autorégressif du premier ordre. Le modèle est donné par Xt = _Xt1 + Yt où 0 < p< 1et Yt représentent les erreurs qui sont des variables aléatoires indépendantes suivant une distribution exponentielle de paramètre v. Nous nous intéressons à l'estimation des paramètres p et v dans un cadre Bayésien. Cette estimation se fera en simulant la distribution a posteriori par des procédures d'échantillonnage de Monte Carlo et plus précisément l'échantillonnage descriptif amélioré, qui est basé sur un bloc de sous-échantillons de tailles de nombres premiers générés aléatoirement. Dans ce but, nous avons pu développer un algorithme d'échantillonnage descriptif amélioré adapté à l'approche Bayésienne pour estimer les paramètres de ce modèle..
Description
94 f. : ill. ; 30 cm. + CD Rom
Keywords
Estimation bayésienne, Monte Carlo : simulation, Antorégressif : modéle
Citation
Probabilités et statistiques