Le rôle pivot des variables latentes pourle raisonnement statistique conditionnel. Exemples d'applications environnementales des processus ponctuels marqués.
Parent, E.; Bernier, J.; Boreux, Jean-Jacques
2006 • In Revue de Statistique Appliquée, 54 (4), p. 85-111
modélisation bayésienne en environnement; méthodes de Monte Carlo par chaînes de Markov; variables latentes; modélisation graphique
Abstract :
[fr] En statistique bayésienne, le raisonnement conditionnel probabiliste fonde la solidarité
étroite entre modélisation et inférence. Dans le cadre de ce raisonnement, un rôle pivot est joué
par les variables latentes. Ce mode de raisonnement peut s’avérer utile aussi en statistique
fréquentiste. On présente trois séries hydrométéorologiques décrites par des modèles de
processus ponctuels marqués de complexité croissante. Sur ces exemples, on montre comment
récolter les fruits de la souplesse de modélisation et des facilités de calcul apportées par les
variables latentes. Ces variables améliorent la conceptualisation de variables de structure dans
les modèles statistiques et permettent aux calculs d’inférence de bénéficier des algorithmes
MCMC en relation avec les techniques «d’augmentation de données».
Disciplines :
Mathematics
Author, co-author :
Parent, E.
Bernier, J.
Boreux, Jean-Jacques ; Université de Liège - ULiège > Département des sciences et gestion de l'environnement > Surveillance de l'environnement
Language :
French
Title :
Le rôle pivot des variables latentes pourle raisonnement statistique conditionnel. Exemples d'applications environnementales des processus ponctuels marqués.