URA 1378 Publication 9606
Auteur : DECOUX Claire

Titre : Estimation de modèles de semi-chaînes de Markov cachées par échantillonnage de Gibbs.

Année : 1996

Référence : soumis

Mots-clefs : Markovian dependency, Missing data, Gibbs sampling, Ergodic theorem.

Classification AMS : 60J10, 62F15, 62M05

Résumé :
Robert et al. (1993) ont proposé une méthode d'approximation des estimateurs de Bayes dans le cas de modèles de Markov cachés. Nous étendons ce travail au cas des modèles de semi-chaînes de Markov cachées, nous exhibons les approximations bayésiennes obtenues par échantillonnage de Gibbs dans le cas de mélanges de lois normales et nous évaluons les performances de ces estimations. Nous illustrons notre méthode sur des données de sommeil des nourrissons.

Abstract :
Robert and al. (1993) proposed a method which approximates Bayes estimators in hidden Markov chains models. We extend this method to the case of hidden semi-Markov chains. We give Bayesian approximations obtained via Gibbs sampling for mixtures of Gaussian distributions. We evaluate the performances of these estimations and illustrate our method with newborn sleep records.

Format : PostScript, A4, 16 pages.

Pour obtenir le fichier pub9606.ps.gz.