On convergence of the iterative conditional estimation
Sur la convergence de l'estimation conditionnelle itérative
Résumé
The iterative conditional estimation (ICE) is an iterative estimation method of the parameters in the case of incomplete data. Its use asks for relatively weak hypotheses and it can be performed in relatively complex situations, as in triplet Markov models. The aim of this Note is to express a general theorem of convergence of ICE, and to show its applicability in the problem of the estimation of the proportions in a mixture of multivariate distributions.
L'estimation conditionnelle itérative (ECI) est une méthode d'estimation itérative des paramètres dans le cas des données incomplètes. Sa mise en oeuvre demande des hypothèses relativement faibles et peut être effectuée dans des situations relativement complexes, comme les champs de Markov cachés à états mixtes. Proposée il y a une quinzaine d'années, l'ECI a été appliquée avec succès aux différents problèmes de segmentation bayésienne non supervisée d'images et des signaux ; cependant, aucun résultat théorique n'est venu étayer ce bon comportement. L'objet de cette note est d'énoncer un théorème général de convergence de l'ECI, et de montrer son applicabilité dans le problème de l'estimation de la proportion dans un mélange de lois multi-variées