Search
Now showing items 11-20 of 22
Étude d’algorithmes de simulation par chaînes de Markov non réversibles
(2020-12-16)
Les méthodes de Monte Carlo par chaînes de Markov (MCMC) utilisent généralement des
chaînes de Markov réversibles. Jusqu’à récemment, une grande partie de la recherche théorique
sur les chaînes de Markov concernait ce ...
Biais écologique de la méta-analyse avec modificateur d'effet sous le paradigme de l'inférence causale
(2018-05-10)
Dans la méta-analyse agrégée d'études cliniques randomisées, on peut tenter de déterminer des effets de traitement dans une population générale en utilisant uniquement de l'information agrégée (moyennes, variances, ...
Estimation simplifiée de la variance pour des plans complexes
(2017-07-12)
En présence de plans de sondage complexes, les méthodes classiques d’estimation de la variance présentent certains défis. En effet, les estimateurs de variance usuels requièrent les probabilités d’inclusion d’ordre deux ...
Partition adaptative de l’espace dans un algorithme MCMC avec adaptation régionale
(2018-10-18)
La simulation de variables aléatoires provenant de lois multimodales par des méthodes MCMC présente des défis particuliers. Les algorithmes adaptatifs utilisés pour faire face à ces distributions cherchent à faire le bon ...
Efficacité de l’algorithme EM en ligne pour des modèles statistiques complexes dans le contexte des données massives
(2021-07-14)
L’algorithme EM (Dempster et al., 1977) permet de construire une séquence d’estimateurs qui converge vers l’estimateur de vraisemblance maximale pour des modèles à données manquantes pour lesquels l’estimateur du maximum ...
Recyclage des candidats dans l'algorithme Metropolis à essais multiples
(2014-05-20)
Les méthodes de Monte Carlo par chaînes de Markov (MCCM) sont des méthodes
servant à échantillonner à partir de distributions de probabilité. Ces techniques
se basent sur le parcours de chaînes de Markov ayant pour lois ...
Méthode de simulation avec les variables antithétiques
(2013-09-03)
Dans ce mémoire, nous travaillons sur une méthode de simulation de Monte-Carlo qui utilise des variables antithétiques pour estimer un intégrale de la fonction f(x) sur un intervalle (0,1] où f peut être une fonction ...
MCMC adaptatifs à essais multiples
(2019-10-30)
Ce mémoire a pour but d'intégrer une composante adaptative au sein des algorithmes Metropolis à essais multiples (MTM) qui sont un cas particulier des méthodes de Monte Carlo par chaîne de Markov (MCMC). Les méthodes MCMC ...
Efficacité des distributions instrumentales en équilibre dans un algorithme de type Metropolis-Hastings
(2020-03-25)
Dans ce mémoire, nous nous intéressons à une nouvelle classe de distributions instrumentales informatives dans le cadre de l'algorithme Metropolis-Hastings. Ces distributions instrumentales, dites en équilibre, sont obtenues ...
Comparaison d'estimateurs de la variance du TMLE
(2019-06-19)
Dans un contexte d'inférence causale où l'on cherche à estimer l'effet causal moyen d'une exposition dichotomique sur une variable issue, le TMLE de M. Van der Laan et D. Rubin est une technique qui applique à une estimation ...