Finite mixture models for exponential repeated data - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Reports (Research Report) Year : 2007

Finite mixture models for exponential repeated data

Abstract

Nous nous intéressons à un modèle de mélange pour des données répétées de loi exponentielle. Les composants du mélange traduisent différents états possibles des individus. Pour chacun de ces composants, on modélise la dépendance et l'extra-variabilité dues à la répétition des données par l'introduction d'effets aléatoires. Dans ce modèle de mélange exponentiel mixte, la distribution marginale n'étant pas accessible, l'utilisation de l'algorithme EM n'est pas directement envisageable. Nous proposons alors une première méthode d'estimation des paramètres basée sur une linéarisation spécifique à la loi exponentielle. Nous proposons ensuite une méthode plus générale puisque s'appuyant sur une étape de Metropolis Hastings pour construire un algorithme de type MCEM. Cet algorithme est applicable pour un mélange de modèle linéaires généralisés mixtes quelconques.
Vignette du fichier
ImgSophia.jpg (6.59 Ko) Télécharger le fichier Fichier principal
Vignette du fichier
RR-6119.pdf (199.04 Ko) Télécharger le fichier
Format : Figure, Image
Origin : Files produced by the author(s)
Loading...

Dates and versions

inria-00129777 , version 1 (08-02-2007)
inria-00129777 , version 2 (08-02-2007)

Identifiers

  • HAL Id : inria-00129777 , version 2

Cite

Christian Lavergne, Marie-José Martinez, Catherine Trottier. Finite mixture models for exponential repeated data. [Research Report] RR-6119, INRIA. 2007. ⟨inria-00129777v2⟩
209 View
368 Download

Share

Gmail Facebook Twitter LinkedIn More