logo inria

RR-5534 - Iterated importance sampling in missing data problems

-----------------------
Celeux, Gilles - Marin, Jean-Michel - Robert, Christian P.
Rapport de recherche de l'INRIA - Futurs , Equipe : SELECT
16 pages - Mars 2005 - Document en anglais
Titre français : Échantillonnage préférentiel itéré pour modèles à données manquantes
-----------------------
Abstract :

Missing variable models are typical benchmarks for new computational techniques in that the ill-posed nature of missing variable models offer a challenging testing ground for these techniques. This was the case for the EM algorithm and the Gibbs sampler, and this is also true for importance sampling schemes. A population Monte Carlo scheme taking avantage of the latent structure of the problem is proposed. The potential of this approach and its specifics in missing data problems are illustrated in settings of increasing difficulty, in comparison with existing approaches. The improvement brought by a general Rao-Blackwellisation technique is also discussed.


Résumé :

Les modèles à données manquantes constituent un défi difficile et sont très souvent utilisés pour illustrer les performances d'algorithmes de calcul. C'est le cas de l'algorithme EM et de l'échantillonage de Gibbs. C'est aussi vrai pour les schémas d'échantillonnage préférentiel. Nous proposons un schéma population Monte Carlo particulier pour les modèles à données manquantes. Le potentiel de cette approche et ses spécificités pour les modèles à données manquantes sont illustrés dans différents contextes et comparés à des approches classiques. Nous mettons également en évidence l'intérêt de la rao-blackwellisation dans ce contexte.

-----------------------
Key-Words : ADAPTATIVE ALGORITHMS / BAYESIAN INFERENCE / LATENT VARIABLE MODELS / POPULATION MONTE CARLO / RAO-BLACKWELLISATION / STOCHASTIC VOLATILITY MODEL.
Mots-clés : ALGORITHMES ADAPTATIFS / INFÉRENCE BAYÉSIENNE / MODÈLES À DONNÉES MANQUANTES / SCHÉMA POPULATION MONTE CARLO / RAO-BLACKWELLISATION / MODÈLE À VOLATILITÉ STOCHASTIQUE.
-----------------------