Normalité asymptotique de l’estimateur du maximum de vraisemblance dans le modèle de blocs latents - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Conference Papers Year : 2016

Normalité asymptotique de l’estimateur du maximum de vraisemblance dans le modèle de blocs latents

Abstract

Le modèle de blocs latents est une méthode non supervisée de classification simultanée des n lignes et d colonnes d’une matrice basée sur un modèle probabiliste de mélange. Si les méthodes d’estimation sont maintenant bien maîtrisées, les résultats concernant l’asymptotique de l’estimateur du maximum de vraisemblance restent encore parcellaires. Sous certaines conditions de bornes sur les paramètres, et pour un régime asymptotique tel que log(d)/n et log(n)/d tendent vers 0 avec n et d, nous montrons l’équivalence asymptotique du rapport de vraisemblance observée avec celui de la vraisemblance complète. Cette équivalence permet de transférer les propriétés de normalité asymptotique de l’estimateur du maximum de vraisemblance du modèle complet à l’estimateur du maximum de vraisemblance.
Fichier principal
Vignette du fichier
submission_140-1.pdf (189.7 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

hal-01440084 , version 1 (27-01-2017)

Identifiers

  • HAL Id : hal-01440084 , version 1

Cite

Mahendra Mariadassou, Vincent Brault, Christine Keribin. Normalité asymptotique de l’estimateur du maximum de vraisemblance dans le modèle de blocs latents. 48èmes Journées de Statistique de la SFdS, May 2016, Montpellier, France. ⟨hal-01440084⟩
494 View
514 Download

Share

Gmail Facebook X LinkedIn More