Bayesian numerical inference for hidden Markov models

Campillo Fabien, Rakotozafy Rivo, Rossi Vivien. 2007. Bayesian numerical inference for hidden Markov models. In : Colloque international de Statistique Appliquée pour le Développement en Afrique - SADA'07, 26 février - 02 mars 2007, Cotonou , Bénin. s.l. : s.n., 6 p. Colloque Internationale de Statistique Appliquée pour le Développement en Afrique (SADA'07), Cotonou, Bénin, 26 Février 2007/2 Mars 2007.

Résumé : In many situations it is important to be able to propose N independent realizations of a given distribution law. We propose a strategy for making N parallel Monte Carlo Markov Chains (MCMC) interact in order to get an approximation of an independent N-sample of a given target law. In this method each individual chain proposes candidates for all other chains. We prove that the set of interacting chains is itself a MCMC method for the product of N target measures. Compared to independent parallel chains this method is more time consuming, but we show through examples that it possesses many advantages. This approach is applied to a biomass evolution model.

Mots-clés Agrovoc : méthode statistique, modèle mathématique, modèle de simulation

Classification Agris : U10 - Informatique, mathématiques et statistiques

Auteurs et affiliations

• Campillo Fabien, IRISA (FRA)
• Rakotozafy Rivo, Université de Fianarantsoa (MDG)
• Rossi Vivien, CIRAD-ES-UPR Dynamique forestière (FRA) ORCID: 0000-0001-5458-1523

Source : Cirad - Agritrop (https://agritrop.cirad.fr/543535/)

Métriques

[ Page générée et mise en cache le 2024-04-02 ]