Accueil
 

Multivariate divergences with application in multisample density ratio models

28/10/2015
Auteurs : Amor Keziou
Publication GSI2015
OAI : oai:www.see.asso.fr:11784:14347
contenu protégé  Document accessible sous conditions - vous devez vous connecter ou vous enregistrer pour accéder à ou acquérir ce document.
- Accès libre pour les ayants-droit
 
banniere5_800.png

GSI2015

Résumé

We introduce what we will call multivariate divergences between K, K ≥ 1, signed finite measures (Q1, . . . , Q K ) and a given reference probability measure P on a σ-field (X,B), extending the well known divergences between two measures, a signed finite measure Q1 and a given probability distribution P. We investigate the Fenchel duality theory for the introduced multivariate divergences viewed as convex functionals on well chosen topological vector spaces of signed finite measures. We obtain new dual representations of these criteria, which we will use to define new family of estimates and test statistics with multiple samples under multiple semiparametric density ratio models. This family contains the estimate and test statistic obtained through empirical likelihood. Moreover, the present approach allows obtaining the asymptotic properties of the estimates and test statistics both under the model and under misspecification. This leads to accurate approximations of the power function for any used criterion, including the empirical likelihood one, which is of its own interest. Moreover, the proposed multivariate divergences can be used, in the context of multiple samples in density ratio models, to define new criteria for model selection and multi-group classification.

Multivariate divergences with application in multisample density ratio models

Collection

application/pdf Multivariate divergences with application in multisample density ratio models Amor Keziou
Détails de l'article
contenu protégé  Document accessible sous conditions - vous devez vous connecter ou vous enregistrer pour accéder à ou acquérir ce document.
- Accès libre pour les ayants-droit
We introduce what we will call multivariate divergences between K, K ≥ 1, signed finite measures (Q1, . . . , Q K ) and a given reference probability measure P on a σ-field (X,B), extending the well known divergences between two measures, a signed finite measure Q1 and a given probability distribution P. We investigate the Fenchel duality theory for the introduced multivariate divergences viewed as convex functionals on well chosen topological vector spaces of signed finite measures. We obtain new dual representations of these criteria, which we will use to define new family of estimates and test statistics with multiple samples under multiple semiparametric density ratio models. This family contains the estimate and test statistic obtained through empirical likelihood. Moreover, the present approach allows obtaining the asymptotic properties of the estimates and test statistics both under the model and under misspecification. This leads to accurate approximations of the power function for any used criterion, including the empirical likelihood one, which is of its own interest. Moreover, the proposed multivariate divergences can be used, in the context of multiple samples in density ratio models, to define new criteria for model selection and multi-group classification.
Multivariate divergences with application in multisample density ratio models

Média

Voir la vidéo

Métriques

13
8
2.89 Mo
 application/pdf
bitcache://aba30d054021ff807f151eb4270ec9e1f409d410

Licence

Creative Commons Attribution-ShareAlike 4.0 International

La SEE (Société de l’Electricité, de l’Electronique et des Technologies de l’Information et de la Communication – Association reconnue d’utilité publique, régie par la loi du 1er juillet 1901) met à la disposition  de ses adhérents et des abonnés à ses publications, un ensemble de documents numériques accessibles à partir de son portail des publications. Ces documents incluent notamment les articles des revues REE, 3 EI et e-STA disponibles sous forme numérique ainsi que des publications additionnelles regroupées dans l’espace eREE. Les présentes conditions précisent les conditions de diffusion et  d’utilisation de ces documents et des informations qu’ils contiennent.  L’accès à ces documents, qu’il se fasse de façon gratuite ou dans le cadre d’abonnements ou d’achats faits à titre onéreux, implique l’acceptation sans restriction de ces dispositions.

Droits de propriété et de diffusion des contenus téléchargés sur le portail des publications

Les contenus rendus accessibles sur le portail des publications sont, en règle générale, protégés par le droit d’auteur. En tant que producteur, et le cas échant d’auteur, des informations rassemblées dans les contenus accessibles par ce portail, SEE se réserve l'exclusivité des droits de copie et de diffusion de tout ou partie de ces contenus.

Les contenus sont rendus accessibles à titre individuel, pour les besoins de la personne en détenant des droits d’accès en cours de validité. Aussi, la modification, la reproduction et/ou la diffusion via Internet ou le Web, intranet, extranet ou toute autre forme numérique ou imprimée, de tout ou partie des contenus téléchargés sont interdites. Une tolérance est consentie quant à la reproduction d’extraits limités de ces contenus, dans le cadre de travaux ou d’activités auxquels ils sont utiles, à la condition que l’origine de ces reproductions partielles soit mentionnée de façon lisible et sans ambigüité. Figureront en particulier : la REE (ou toute autre revue accessible sur le portail) en tant que la source, la référence de la publication et le nom de l’auteur (s’il figure dans la revue).
Ces dispositions s’appliquent également aux figures, illustrations, logos ou images.

Publication externe des contenus du portail des publications

Tout extrait des contenus du portail destiné à être utilisé dans des publicités, des communiqués de presse ou du matériel de promotion nécessite un accord préalable écrit de la SEE. Une version préliminaire du document proposé contenant ces extraits doit accompagner chacune de ces demandes. SEE se réserve le droit de refuser un tel usage externe pour quelque raison que ce soit.

Responsabilités

La SEE apporte tout le soin possible à la préparation des informations délivrées dans les contenus produits. Cependant elle ne peut être tenue pour responsable d’aucune perte ou frais qui pourrait résulter d'imprécisions, d'inexactitudes, d'erreurs ou de possibles omissions portant sur des informations publiées, ni des résultats obtenus par l'utilisation et la pratique des informations délivrées.

Utilisation des informations recueillies lors du téléchargement de contenu

Le portail des publications est susceptible d'utiliser des « cookies » afin notamment de permettre l’utilisation de paniers d'achat et de personnaliser les parcours sur le site. SEE se réserve la possibilité d’utiliser les informations recueillies lors des téléchargements pour ses besoins internes et notamment pour l’amélioration de ses services, sans qu’elles puissent être cédées à des partenaires commerciaux. Conformément à la loi "informatique et libertés" du 6 janvier 1978, chaque utilisateur du portail dispose d’un droit d’accès et de rectification aux informations qui le concernent. Pour exercer ce droit, les utilisateurs doivent s’adresser à SEE – 17 rue de l’amiral Hamelin – 75783 Paris Cedex 16, par simple lettre ou en utilisant le formulaire de contact disponible sur son site.

Paris, le 28 avril 2013

Sponsors

Organisateurs

logo_see.gif
logocampusparissaclay.png

Sponsors

entropy1-01.png
springer-logo.png
lncs_logo.png
Séminaire Léon Brillouin Logo
logothales.jpg
smai.png
logo_cnrs_2.jpg
gdr-isis.png
gdrmia_logo.png
logo_x.jpeg
logo-lix.png
logorioniledefrance.jpg
isc-pif_logo.png
logo_telecom_paristech.png
csdcunitwinlogo.jpg 
<resource  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
                xmlns="http://datacite.org/schema/kernel-4"
                xsi:schemaLocation="http://datacite.org/schema/kernel-4 http://schema.datacite.org/meta/kernel-4/metadata.xsd">
        <identifier identifierType="DOI">10.23723/11784/14347</identifier><creators><creator><creatorName>Amor Keziou</creatorName></creator></creators><titles>
            <title>Multivariate divergences with application in multisample density ratio models</title></titles>
        <publisher>SEE</publisher>
        <publicationYear>2015</publicationYear>
        <resourceType resourceTypeGeneral="Text">Text</resourceType><dates>
	    <date dateType="Created">Sun 8 Nov 2015</date>
	    <date dateType="Updated">Wed 31 Aug 2016</date>
            <date dateType="Submitted">Sun 9 Dec 2018</date>
	</dates>
        <alternateIdentifiers>
	    <alternateIdentifier alternateIdentifierType="bitstream">aba30d054021ff807f151eb4270ec9e1f409d410</alternateIdentifier>
	</alternateIdentifiers>
        <formats>
	    <format>application/pdf</format>
	</formats>
	<version>24741</version>
        <descriptions>
            <description descriptionType="Abstract">
We introduce what we will call multivariate divergences between K, K ≥ 1, signed finite measures (Q1, . . . , Q K ) and a given reference probability measure P on a σ-field (X,B), extending the well known divergences between two measures, a signed finite measure Q1 and a given probability distribution P. We investigate the Fenchel duality theory for the introduced multivariate divergences viewed as convex functionals on well chosen topological vector spaces of signed finite measures. We obtain new dual representations of these criteria, which we will use to define new family of estimates and test statistics with multiple samples under multiple semiparametric density ratio models. This family contains the estimate and test statistic obtained through empirical likelihood. Moreover, the present approach allows obtaining the asymptotic properties of the estimates and test statistics both under the model and under misspecification. This leads to accurate approximations of the power function for any used criterion, including the empirical likelihood one, which is of its own interest. Moreover, the proposed multivariate divergences can be used, in the context of multiple samples in density ratio models, to define new criteria for model selection and multi-group classification.

</description>
        </descriptions>
    </resource>
.

The MDR model Examples : LRM, comparaison of exponential distributions Mulivariate divergences : Application in inference for multiple samples under density ratio models Amor Keziou Laboratoire de Math´ematiques de Reims France GSI2015 2015, 30 October Ecole Polytechnique, Paris-Saclay (France) 1/41 The MDR model Examples : LRM, comparaison of exponential distributions Contents • The MDR model • The LR model • Inference and classification in LR and two-sample DRM : parametric conditional likelihood (binomial model), Empirical likelihood and its irregularity • Adjustement of the EL • Duality of Multivariate divergences • Inference in MDRM through dual representation of ψ-divergences • Simulation results 2/41 The MDR model Examples : LRM, comparaison of exponential distributions The MDR model We dispose of 1 + K random samples, (X0,1, . . . , X0,n0 ) , (X1,1, . . . , X1,n1 ) , . . . , (XK,1, . . . , XK,nK ) , of 1 + K random variables (or vectors in Rm) X0, X1, . . . , XK , with distributions P, Q1, . . . , QK . The MDRM postulates that dQk dP (x) = exp θk b(x) =: rk(x, θk), ∀k = 1, . . . , K, for some vector-valued known function b(x) := b0(x), b(x) = (1, b1(x), . . . , bd (x)) , x ∈ Rm , with values in R1+d , and corresponding unknown vector-valued parameters θk := (αk, βk ) ∈ Θk ⊂ R1+d , k = 1, . . . , K. 3/41 The MDR model Examples : LRM, comparaison of exponential distributions We require, for all k = 1, . . . , K, the identifiability of the parameter θk, in the sense that if θk b(x) = θk b(x) ∀x − P-a.s., then θk = θk. We will denote then by θT := θ1T , . . . , θKT ∈ R(1+d)K the (unique) true value of the parameter θ := θ1 , . . . , θK . We aim to • estimate the vector parameter θT ; • testing the null hypothesis H0 : Q1 = . . .