scientific article; zbMATH DE number 3932263

From MaRDI portal
Publication:3704787





Un mémoire de plus de 300 pages comportant plus de 200 références. Après un bref rappel des caractéristiques de la statistique bayésienne (caractère aléatoire des paramètres, choix des distributions a priori) est présenté le modèle linéaire à états qui sera étudie selon ce point de vue: \[ (1)\quad A_ n(a)z_ n=C_ n(a)x_{n-1}+D_ n(a)u_ n+w_ n \] \(z_ n:\) v. endogènes; \(x_ n:\) v. d'état; \(u_ n:\) v. exogènes;w\({}_ n:\) perturbations; a: paramètre (aléatoire dans le cas bayésien); modèle statique ou dynamique selon que \(C_ n(a)\) est nul ou non; \(y_ n=H_ n(a)x_ n+v_ n\); \(y_ n\) désignent les observations. Sur ce modèle (et un autre modèle linéaire associé) sont étudiés: - la distribution de la prévision (obtenue par méthode de Monte-Carlo et par filtrage de Kalman); - l'identifiabilité (aptitude à déterminer une seule distribution de a à partir des observations); - les comportements asymptotiques (en particulier convergences d'estimateurs). Dans le cas non linéaire où (1) et (2) deviennent plus généralement: \[ B_ n(z_ n,x_{n-1},u_ n,w_ n,a)=0\quad et\quad y_ n=H_ n(x_ n,a)+v_ n \] sont fournis un théorème d'existence et des méthodes constructives (par filtrage). Ce texte a le mérite de regrouper et de comparer méthodes analytiques [un logiciel de prévision -BAYKAL- utilisant différentes méthodes d'optimisation (gradient, gradient conjugué) est mentionné] et méthodes de Monte-Carlo [sans négliger les problèmes de réduction de variance], de fournir de surcroît résultats numériques expérimentaux et rappels mathématiques.












This page was built for publication:

Report a bug (only for logged in users!)Click here to report a bug for this page (MaRDI item Q3704787)