Nous nous intéressons ici à l'estimation de paramètres dans des modèles linéaires généralisés mixtes (GL2M). Gilmour, Anderson et Rae en 1985 ont proposé une méthode d'estimation dans un modèle avec lien probit pour des données binomiales. En 1993, Foulley et Im ont adapté la méthode GAR au cas de données poissoniennes. Pour ces deux modélisations, nous proposons une nouvelle lecture de la méthode en levant l'hypothèse d'homogénéité des variances des variables sous-jacentes. Ensuite, nous présentons une adaptation à des données exponentielles et donnons, pour finir, une formalisation qui permet d'envisager le cas de données binomiales dans un modèle avec lien logit
International audienceL'usage des modèles linéaires généralisés est universel en tarification automo...
© P. Opic Les modèles linéaires généralisés (GLIM) sont une généralisation bien connue de modèle de ...
International audienceRésumé. De nombreuses extensions du modèle logit ont été introduites dans le c...
En statistique, les problèmes et méthodes sont séparés en 2 catégories : les problèmes de prédiction...
Dans les années 60, les travaux de Mandelbrot sur les fluctuations boursières montrent que le modèle...
Dans une étude transversale, pour quantifier l'association entre l'exposition à un facteur F et un é...
Document de travail de l'IME, n°20, avril 1977en ligne sur http://lara.inist.fr/bitstream/handle/233...
International audienceUne forte redondance des variables explicatives cause de gros problèmes d'iden...
International audienceCette communication s'inscrit dans le cadre général de l'estimation de densité...
Le modèle gaussien est souvent utilisé dans de nombreuses applications. Cependant l'hypothèse de nor...
Cette thèse présente une nouvelle technique de représentation et d'analyse de traces d'exécution de ...
Le but visé par cette thèse est d'étendre la méthodologie développée pour obtenir des estimateurs am...
International audienceNous disposons de m échantillons pour lesquels les rapports des m-1 premières ...
Cet article présente le modèle linéaire généralisé englobant les techniques de modélisation telles...
National audienceLes processus à longue mémoire peuvent sérieusement compromettre l'estimation des p...
International audienceL'usage des modèles linéaires généralisés est universel en tarification automo...
© P. Opic Les modèles linéaires généralisés (GLIM) sont une généralisation bien connue de modèle de ...
International audienceRésumé. De nombreuses extensions du modèle logit ont été introduites dans le c...
En statistique, les problèmes et méthodes sont séparés en 2 catégories : les problèmes de prédiction...
Dans les années 60, les travaux de Mandelbrot sur les fluctuations boursières montrent que le modèle...
Dans une étude transversale, pour quantifier l'association entre l'exposition à un facteur F et un é...
Document de travail de l'IME, n°20, avril 1977en ligne sur http://lara.inist.fr/bitstream/handle/233...
International audienceUne forte redondance des variables explicatives cause de gros problèmes d'iden...
International audienceCette communication s'inscrit dans le cadre général de l'estimation de densité...
Le modèle gaussien est souvent utilisé dans de nombreuses applications. Cependant l'hypothèse de nor...
Cette thèse présente une nouvelle technique de représentation et d'analyse de traces d'exécution de ...
Le but visé par cette thèse est d'étendre la méthodologie développée pour obtenir des estimateurs am...
International audienceNous disposons de m échantillons pour lesquels les rapports des m-1 premières ...
Cet article présente le modèle linéaire généralisé englobant les techniques de modélisation telles...
National audienceLes processus à longue mémoire peuvent sérieusement compromettre l'estimation des p...
International audienceL'usage des modèles linéaires généralisés est universel en tarification automo...
© P. Opic Les modèles linéaires généralisés (GLIM) sont une généralisation bien connue de modèle de ...
International audienceRésumé. De nombreuses extensions du modèle logit ont été introduites dans le c...