Veuillez utiliser cette adresse pour citer ce document : http://dspace.univ-bouira.dz:8080/jspui/handle/123456789/14475
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorBAAZIZ, Leila-
dc.contributor.authorSAIDI, Naima-
dc.date.accessioned2023-03-15T08:35:32Z-
dc.date.available2023-03-15T08:35:32Z-
dc.date.issued2020-
dc.identifier.urihttp://dspace.univ-bouira.dz:8080/jspui/handle/123456789/14475-
dc.description.abstractCe travail consiste à présenter l’approche bayésien qui complète la démarche inférentielle classique. Alors que la statistique classique repose sur la loi des observations, la statistique bayésienne repose sur la loi à posteriori. La loi à posteriori peut s’interpréter comme un résumé (en un sens probabiliste) de l’information disponible sur , une fois x observé. L’approche bayésienne réalise en quelque sorte l’actualisation de l’information à priori par l’observation x, au travers de ( jx). On distingue deux approches, l’une paramétriqe où le nombre des paramétre est finis, et l’autre non paramétrique définissant de ce fait une distribution de probabilité sur des espaces fonctionnels (de dimension infinie). Dans ce travail, on s’est focalisé sur l’estimation de f, une fonction de densité de probabilité par l’approche bayésienne non paramétrique. Dans ce contexte, on a utilisé le processus de Dirichlet en tant que loi à priori de ce modéle.en_US
dc.language.isofren_US
dc.publisherUniversité Akli Mohand Oulhadj - Bouiraen_US
dc.subjectinférence bayésienne, statistique inférentielle, Processus de Dirichlet, loi a priori, loi a postériori.en_US
dc.titleEstimation fonctionnelle par l’approche bayèsienne non paramétriqueen_US
dc.typeThesisen_US
Collection(s) :Mémoires Master

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
Mémoire de Master.pdf673,66 kBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.