Échantillonnage d'une loi a posteriori
Niveau du stage : Bac+5 (DEA ou fin d'étude d'ingénieur)
Localisation : IRISA Rennes
Equipe : Sigma2 (Signaux,
Modèles et Algorithmes)
Responsable :
François LeGland
(tél. : 02 99 84 73 62, e-mail : legland@irisa.fr)
Sujet. Pour générer une variable aléatoire selon une loi
a posteriori donnée, combinant grâce à la formule
de Bayes une loi a priori et une fonction de vraisemblance, la méthode la plus directe consiste à générer d'abord
une variable aléatoire selon la loi a priori, puis à y évaluer la
fonction de vraisemblance, et à recourir ensuite soit à une méthode
d'acceptation / rejet, soit à une méthode d'échantillonage
préférentiel. Dans certains cas cependant, où la loi a priori
et la fonction de vraisemblance chargent significativement des
régions trop différentes de l'espace d'état, cette approche peut
donner des résultats désastreux.
L'objectif du stage consiste à étudier la méthode proposée
par Radford Neal (Statistics and Computing, 2001)
sous le nom Annealed Importance Sampling,
qui consiste à construire une suite de lois intermédiaires entre
la loi a priori et la loi a posteriori, et à générer une suite de
variables aléatoires selon la suite de noyaux markoviens
associés, par exemple à l'aide d'un algorithme de Metropolis-Hastings.
L'effet escompté est d'attirer progressivement les variables
aléatoires simulées vers la région d'intérêt.
Dans le cadre séquentiel du filtrage particulaire, cette méthode a été
utilisée par Tim Clapp sous le nom de Bridging Densities,
et une méthode voisine a été proposée par Nadia Oudjane
sous le nom de Progressive Correction.
Il s'agira aussi de comparer ces différentes méthodes
d'un point de vue théorique et numérique, sur des exemples simples.
|