Groupe de Travail de Statistique du
MAP5, Année 2006-2007.
Exposé de Janvier 2007.
"
Estimation paramétrique dans des modèles à
données non-observées définis par équations
différentielles stochastiques"
Sophie Donnet
Résumé
"Nous considérons
des modèles définis par équations
différentielles stochastiques
dépendant de paramètres aléatoires non
observés. Une méthode d'estimation par
maximum de vraisemblance est développée, utilisant
une version stochastique de l'algorithme EM. Elle
repose sur une approximation de la diffusion par la méthode
d'Euler-Maruyama, approximation obtenue en introduisant des temps
intermédiaires entre les instants de mesure. La convergence de
l'algorithme vers un maximum de la vraisemblance est
démontrée sous des
conditions générales. L'erreur induite par
l'approximation
d'Euler-Maruyama sur la vraisemblance est controlée par le
pas de la discrétisation. La précision de
la méthode d'estimation par maximum de vraisemblance est
illustrée par
une étude sur données simulées à partir
d'un modèle non-linéaire à
effets mixtes issu de la pharmacocinétique. En outre, l'analyse
du jeu
de données réelles Theophyllin illustre la pertinence de
l'approche par
SDE par rapport à l'approche déterministe (par ODE)."