Séance Séminaire

Séminaire de Probabilités et Statistique

Estimation bayésienne de suites sparses : convergence de la mesure a posteriori

Dans cette exposé, je présenterai une approche bayésienne pour l'estimation dans le modèle de suite gaussienne. On dispose d'observations indépendantes sous la forme "signal plus bruit". Le signal est supposé sparse au sens où seul un petit nombre de ses coordonnées sont significatives. Nous définissons une famille d'a priori sur les vecteurs sparses et étudions la convergence de la mesure a posteriori associée. Nous proposons également un algorithme pratique d'estimation du signal basé sur la loi a posteriori. Ce travail est en collaboration avec Aad van der Vaart (Amsterdam)