| Université Paul Sabatier | Toulouse | |
| CNRS U.M.R. C5583 | ||
| Laboratoire de Statistique et Probabilités | ||
Auteur(s):Suparman SUPARMAN et Michel DOISY
Résumé:Nous proposons dans cet article une méthode bayésienne pour l'estimation des paramètres de processus ARMA. Cette méthode s'appuie sur une simulation de type Monte Carlo par chaîne de Markov à sauts réversibles (12) pour une estimation conjointe de l'ensemble des paramètres à savoir : ordres p et q du processus ARMA et paramètres du modèle. Quatre jeux de données sont analysés et les résultats sont comparés à ceux obtenus par Brockwell et Davis grâce à leur logiciel PEST. Cette comparaison atteste la validité de notre approche qui travaille en aveugle, puisque les hyperparamètres introduits artificiellement dans toute méthode bayésienne sont actualisés au cours de l'algorithme.
Mots Clés: Processus ARMA, simulation de Monte Carlo par chaînes de Markov à sauts réversibles, recuit simulé
Date: 2000-11-17
Prépublication numéro:
LSP-2002-13