On Reparameterisations of the Poisson Process Model for Extremes in a Bayesian Framework - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Communication Dans Un Congrès Année : 2021

On Reparameterisations of the Poisson Process Model for Extremes in a Bayesian Framework

Résumé

Combining extreme value analysis with Bayesian methods has several advantages, such as the consideration of prior information or the ability to study irregular cases for frequentist statistics. We focus here on a model of extremes by Poisson process, and propose an alternative of a recent study on a parameterisation of the model which orthogonalizes the parameters to improve posterior sampling by Markov chain Monte-Carlo method (MCMC).
Combiner l'analyse des valeurs extrêmes avec des méthodes bayésiennes a plusieurs avantages, comme la prise en compte d'information a priori ou encore la possibilité d'étudier des cas irréguliers en statistique fréquentiste. Nous nous attardons ici sur un modèle d'extrêmes par processus de Poisson, et proposons une approche alternative à une étude récente sur une reparamétrisation du modèle qui orthogonalise les paramètres pour améliorer l'échantillonnage a posteriori par méthode de Monte-Carlo par chaînes de Markov (MCMC).
Fichier principal
Vignette du fichier
JDS___Processus_poisson_Bayes(1).pdf (286.77 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03264261 , version 1 (18-06-2021)

Identifiants

  • HAL Id : hal-03264261 , version 1

Citer

Théo Moins, Julyan Arbel, Anne Dutfoy, Stéphane Girard. On Reparameterisations of the Poisson Process Model for Extremes in a Bayesian Framework. JDS 2021 - 52èmes Journées de Statistique de la Société Française de Statistique (SFdS), Jun 2021, Nice / Virtual, France. pp.1-6. ⟨hal-03264261⟩
56 Consultations
70 Téléchargements

Partager

Gmail Facebook X LinkedIn More