Nous étudions la régression bayésienne avec B-splines sous contraintes de régularité et de forme. Nous démontrons que la forme d'une spline engendrée par une base de B-spline est contrôlée par un ensemble de points de contrôle qui ne sont pas situés sur la courbe de la spline. On propose différents types de contraintes de forme (monotonie, unimodalité, convexité, etc). Nous démontrons également que lorsque le nombres de noeuds tend vers l'infini, l'adhérence des contraintes de monotonie, de l'unimodalité et de l'unimodalité concave approche respectivement les fonctions monotone, unimodale et unimodale concave. Ces contraintes sont prises en compte grâce à la loi a priori. Nous estimons la fonction de régression par le mode a posteriori. Un algorithme de type recuit simulé a permis de calculer le mode a posteriori. La convergence des algorithmes de simulations et du calcul de l'estimateur est prouvée. En particulier, quand les noeuds des B-splines sont variables, l'analyse bayésienne de la régression sous contrainte devient complexe. On propose des schémas de simulations originaux permettant de générer suivant la loi a posteriori lorsque le posterior est de dimensions variables.
Il n'y a pas encore de discussion sur ce livre
Soyez le premier à en lancer une !
Ce road-movie intimiste est l'une des BD à ne pas manquer en cette rentrée
Découvrez 5 romans en format poche et tentez de les gagner...
Lovecraft comme vous ne l'avez jamais lu, à travers une sélection de lettres qui rend son univers encore plus complexe et fascinant
Des conseils de lecture qui sentent bon la rentrée !
