Geodesic
Investigations particulaires pour l'inférence statistique et l'optimisation de plan d'expériences
Journal de la société française de statistique, Tome 149 (2008) no. 1, pp. 27-51

Voir la notice de l'article provenant de la source Numdam

Les algorithmes particulaires sont des techniques de Monte-Carlo qui associent des étapes d'échantillonnage pondéré, de rééchantillonnage bootstrap, de régénérescence markovienne et de recuit simulé. Grâce à trois exemples de complexité croissante, nous décrivons leurs implémentations pour l'estimation du maximum de vraisemblance, l'évaluation de la distribution a posteriori pour un modèle à variables latentes et la recherche du plan d'expérience optimal. Les solutions de ces exemples pédagogiques illustrent les performances et les limites de ces algorithmes, promis à une place de choix dans la trousse à outils du statisticien.

Particle algorithms are Monte Carlo techniques that put together steps of importance sampling, bootstrap resampling, markovian rejuvenating and simulated annealing. We develop three examples of increasing complexity and explain how to implement such algorithms for maximum likelihood search, for inference of a model with latent variables and for optimal design. Since we believe that particle algorithms will soon become tools of choice for statistical practitioners, their results are compared with the known solutions of these rather common examples so as to test the algorithms' performances and to show their limits.

Mots-clés : algorithmes particulaires, simulation de Monte-Carlo, plan d'expérience optimal, inférence bayésienne
Keywords: particle algorithms, Monte Carlo simulation, optimal experimental design, bayesian inference 
@article{JSFS_2008__149_1_27_0,
     author = {Parent, \'Eric and Amzal, Billy and Girard, Philippe},
     title = {Investigations particulaires pour l'inf\'erence statistique et l'optimisation de plan d'exp\'eriences},
     journal = {Journal de la soci\'et\'e fran\c{c}aise de statistique},
     pages = {27--51},
     publisher = {Soci\'et\'e fran\c{c}aise de statistique},
     volume = {149},
     number = {1},
     year = {2008},
     language = {fr},
     url = {http://geodesic.mathdoc.fr/item/JSFS_2008__149_1_27_0/}
}
TY  - JOUR
AU  - Parent, Éric
AU  - Amzal, Billy
AU  - Girard, Philippe
TI  - Investigations particulaires pour l'inférence statistique et l'optimisation de plan d'expériences
JO  - Journal de la société française de statistique
PY  - 2008
SP  - 27
EP  - 51
VL  - 149
IS  - 1
PB  - Société française de statistique
UR  - http://geodesic.mathdoc.fr/item/JSFS_2008__149_1_27_0/
LA  - fr
ID  - JSFS_2008__149_1_27_0
ER  - 
%0 Journal Article
%A Parent, Éric
%A Amzal, Billy
%A Girard, Philippe
%T Investigations particulaires pour l'inférence statistique et l'optimisation de plan d'expériences
%J Journal de la société française de statistique
%D 2008
%P 27-51
%V 149
%N 1
%I Société française de statistique
%U http://geodesic.mathdoc.fr/item/JSFS_2008__149_1_27_0/
%G fr
%F JSFS_2008__149_1_27_0
Parent, Éric; Amzal, Billy; Girard, Philippe. Investigations particulaires pour l'inférence statistique et l'optimisation de plan d'expériences. Journal de la société française de statistique, Tome 149 (2008) no. 1, pp. 27-51. http://geodesic.mathdoc.fr/item/JSFS_2008__149_1_27_0/