Modèle de mélange et modèles linéaires généralisés, application aux données de co-infection (arbovirus & paludisme)

Nous nous intéressons, dans cette thèse, à l'étude des modèles de mélange et des modèles linéaires généralisés, avec une application aux données de co-infection entre les arbovirus et les parasites du paludisme. Après une première partie consacrée à l'étude de la co-infection par un modèle...

Full description

Bibliographic Details
Main Author: Loum, Mor Absa
Other Authors: Université Paris-Saclay (ComUE)
Language:fr
Published: 2018
Subjects:
Online Access:http://www.theses.fr/2018SACLS299/document
id ndltd-theses.fr-2018SACLS299
record_format oai_dc
spelling ndltd-theses.fr-2018SACLS2992020-02-03T15:28:11Z Modèle de mélange et modèles linéaires généralisés, application aux données de co-infection (arbovirus & paludisme) Mixture model and generalized linear models, application to co-infection data (arbovirus & malaria) Modèle de mélange Modèles linéaires généralisés Méthode spectrale Co-Infection Méthode des moments Théorie des valeurs extrêmes Mixture model Generalized linear mode Spectral method Co-Infection Moments method Extreme value theory Nous nous intéressons, dans cette thèse, à l'étude des modèles de mélange et des modèles linéaires généralisés, avec une application aux données de co-infection entre les arbovirus et les parasites du paludisme. Après une première partie consacrée à l'étude de la co-infection par un modèle logistique multinomial, nous proposons dans une deuxième partie l'étude des mélanges de modèles linéaires généralisés. La méthode proposée pour estimer les paramètres du mélange est une combinaison d'une méthode des moments et d'une méthode spectrale. Nous proposons à la fin une dernière partie consacrée aux mélanges de valeurs extrêmes en présence de censure. La méthode d'estimation proposée dans cette partie se fait en deux étapes basées sur la maximisation d'une vraisemblance. We are interested, in this thesis, to the study of mixture models and generalized linear models, with an application to co-infection data between arboviruses and malaria parasites. After a first part dedicated to the study of co-infection using a multinomial logistic model, we propose in a second part to study the mixtures of generalized linear models. The proposed method to estimate the parameters of the mixture is a combination of a moment method and a spectral method. Finally, we propose a final section for studing extreme value mixtures under random censoring. The estimation method proposed in this section is done in two steps based on the maximization of a likelihood. Electronic Thesis or Dissertation Text fr http://www.theses.fr/2018SACLS299/document Loum, Mor Absa 2018-08-28 Université Paris-Saclay (ComUE) Université de Saint-Louis (Sénégal) Gassiat, Elisabeth Diop, Aliou
collection NDLTD
language fr
sources NDLTD
topic Modèle de mélange
Modèles linéaires généralisés
Méthode spectrale
Co-Infection
Méthode des moments
Théorie des valeurs extrêmes
Mixture model
Generalized linear mode
Spectral method
Co-Infection
Moments method
Extreme value theory

spellingShingle Modèle de mélange
Modèles linéaires généralisés
Méthode spectrale
Co-Infection
Méthode des moments
Théorie des valeurs extrêmes
Mixture model
Generalized linear mode
Spectral method
Co-Infection
Moments method
Extreme value theory

Loum, Mor Absa
Modèle de mélange et modèles linéaires généralisés, application aux données de co-infection (arbovirus & paludisme)
description Nous nous intéressons, dans cette thèse, à l'étude des modèles de mélange et des modèles linéaires généralisés, avec une application aux données de co-infection entre les arbovirus et les parasites du paludisme. Après une première partie consacrée à l'étude de la co-infection par un modèle logistique multinomial, nous proposons dans une deuxième partie l'étude des mélanges de modèles linéaires généralisés. La méthode proposée pour estimer les paramètres du mélange est une combinaison d'une méthode des moments et d'une méthode spectrale. Nous proposons à la fin une dernière partie consacrée aux mélanges de valeurs extrêmes en présence de censure. La méthode d'estimation proposée dans cette partie se fait en deux étapes basées sur la maximisation d'une vraisemblance. === We are interested, in this thesis, to the study of mixture models and generalized linear models, with an application to co-infection data between arboviruses and malaria parasites. After a first part dedicated to the study of co-infection using a multinomial logistic model, we propose in a second part to study the mixtures of generalized linear models. The proposed method to estimate the parameters of the mixture is a combination of a moment method and a spectral method. Finally, we propose a final section for studing extreme value mixtures under random censoring. The estimation method proposed in this section is done in two steps based on the maximization of a likelihood.
author2 Université Paris-Saclay (ComUE)
author_facet Université Paris-Saclay (ComUE)
Loum, Mor Absa
author Loum, Mor Absa
author_sort Loum, Mor Absa
title Modèle de mélange et modèles linéaires généralisés, application aux données de co-infection (arbovirus & paludisme)
title_short Modèle de mélange et modèles linéaires généralisés, application aux données de co-infection (arbovirus & paludisme)
title_full Modèle de mélange et modèles linéaires généralisés, application aux données de co-infection (arbovirus & paludisme)
title_fullStr Modèle de mélange et modèles linéaires généralisés, application aux données de co-infection (arbovirus & paludisme)
title_full_unstemmed Modèle de mélange et modèles linéaires généralisés, application aux données de co-infection (arbovirus & paludisme)
title_sort modèle de mélange et modèles linéaires généralisés, application aux données de co-infection (arbovirus & paludisme)
publishDate 2018
url http://www.theses.fr/2018SACLS299/document
work_keys_str_mv AT loummorabsa modeledemelangeetmodeleslineairesgeneralisesapplicationauxdonneesdecoinfectionarboviruspaludisme
AT loummorabsa mixturemodelandgeneralizedlinearmodelsapplicationtocoinfectiondataarbovirusmalaria
_version_ 1719311946780508160