Show simple item record

Frequentist properties of Bayesian semiparametric and nonparametric procedures

dc.contributor.advisorRousseau, Judith
dc.contributor.advisorRivoirard, Vincent
hal.structure.identifier
dc.contributor.authorSalomond, Jean-Bernard
HAL ID: 10173
*
dc.date.accessioned2014-12-01T13:54:39Z
dc.date.available2014-12-01T13:54:39Z
dc.date.issued2014-09
dc.identifierhttp://basepub.dauphine.fr/theses/2014PA090034
dc.identifier
dc.identifierhttps://tel.archives-ouvertes.fr/tel-01087106
dc.identifierhttps://tel.archives-ouvertes.fr/tel-01087106
dc.identifierhttp://www.theses.fr/2014PA090034
dc.identifier2014PA090034
dc.identifier.urihttps://basepub.dauphine.fr/handle/123456789/14331
dc.description.abstractfrLa recherche sur les méthodes bayésiennes non-paramétriques connaît un essor considérable depuis les vingt dernières années notamment depuis le développement d'algorithmes de simulation permettant leur mise en pratique. Il est donc nécessaire de comprendre, d'un point de vue théorique, le comportement de ces méthodes. Cette thèse présente différentes contributions à l'analyse des propriétés fréquentistes des méthodes bayésiennes non-paramétriques. Si se placer dans un cadre asymptotique peut paraître restrictif de prime abord, cela permet néanmoins d'appréhender le fonctionnement des procédures bayésiennes dans des modèles extrêmement complexes. Cela permet notamment de détecter les aspects de l'a priori particulièrement influents sur l’inférence. De nombreux résultats généraux ont été obtenus dans ce cadre, cependant au fur et à mesure que les modèles deviennent de plus en plus complexes, de plus en plus réalistes, ces derniers s'écartent des hypothèses classiques et ne sont plus couverts par la théorie existante. Outre l'intérêt intrinsèque de l'étude d'un modèle spécifique ne satisfaisant pas les hypothèses classiques, cela permet aussi de mieux comprendre les mécanismes qui gouvernent le fonctionnement des méthodes bayésiennes non-paramétriques.en
dc.languagefr
dc.language.isoenen
dc.subjectMéthodes Bayesiennesen
dc.subjectEstimation non-paramétriquesen
dc.subjectEstimation Semi-paramétriqueen
dc.subjectTest Bayésiensen
dc.subjectProblèmes Inversesen
dc.subjectEstimation adaptativeen
dc.subjectBayesian Statisticsen
dc.subjectNonparametric Statisticsen
dc.subjectSemiparametric Statisticsen
dc.subjectBayesian testingen
dc.subjectInverse problemsen
dc.subjectAdaptationen
dc.subject.ddc519en
dc.subject.classificationjelC14en
dc.subject.classificationjelC11en
dc.titlePropriétés fréquentistes des méthodes Bayésiennes semi-paramétriques et non paramétriquesfr
dc.titleFrequentist properties of Bayesian semiparametric and nonparametric proceduresen
dc.typeThèseen
dc.subject.classificationrameauStatistique bayésienne
dc.subject.classificationrameauStatistique non paramétrique
dc.subject.classificationrameauStatistique semi-paramétrique
dc.subject.classificationrameauProblèmes inverses
dc.contributor.editoruniversityUniversité Paris Dauphine
dc.description.abstractenResearch on Bayesian nonparametric methods has received a growing interest for the past twenty years, especially since the development of powerful simulation algorithms which makes the implementation of complex Bayesian methods possible. From that point it is necessary to understand from a theoretical point of view the behaviour of Bayesian nonparametric methods. This thesis presents various contributions to the study of frequentist properties of Bayesian nonparametric procedures. Although studying these methods from an asymptotic angle may seems restrictive, it allows to grasp the operation of the Bayesian machinery in extremely complex models. Furthermore, this approach is particularly useful to detect the characteristics of the prior that are strongly influential in the inference. Many general results have been proposed in the literature in this setting, however the more complex and realistic the models the further they get from the usual assumptions. Thus many models that are of great interest in practice are not covered by the general theory. If the study of a model that does not fall under the general theory has an interest on its owns, it also allows for a better understanding of the behaviour of Bayesian nonparametric methods in a general setting.en
dc.identifier.citationpages109en
dc.identifier.theseid2014PA090034en
dc.subject.ddclabelProbabilités et mathématiques appliquéesen
dc.rights.intranetnonen
hal.author.functionaut


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record