Chapitre 7 Modèle à variables latentes classique

Des variables latentes permettent de modéliser des structures sous-jacentes et de la dépendance entre des observations. Ainsi les modèles à variables latentes définissent de nouvelles familles de distributions, plus riches que les familles de lois usuelles.

Au Chapitre 6.3 nous avons déjà vu le modèle de graphe aléatoire à positions latentes. Afin d’introduire un autre modèle de graphe aléatoire à variables latentes (Chapitre 8), le chapitre présent fait des rappels sur les modèles à variables latentes classiques, comme le modèle de mélange fini, et sur l’algorithme EM qui est une méthode numérique pour approcher l’estimateur du maximum de vraisemblance. Enfin, nous introduisons les modèles graphiques qui permet d’analyser la loi conditionnelle dans des modèles à plusieurs variables aléatoires.