La méthode de Maximum Likelihood
La méthode de Maximum Likelihood
La méthode de Maximum Likelihood
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>La</strong> métho<strong>de</strong> <strong>de</strong> <strong>Maximum</strong> <strong>Likelihood</strong><br />
Cycle complet d’un analyse ML :<br />
(1) estimation <strong>de</strong>s paramètres du modèle à partir d’un<br />
arbre choisi au hasard (exemple : arbre NJ)<br />
(2) optimisation <strong>de</strong>s longueurs <strong>de</strong> branches pour chaque<br />
topologie possible, en fonction <strong>de</strong>s paramètres estimés<br />
(3) si la meilleure topologie est différente <strong>de</strong> l’arbre <strong>de</strong><br />
départ, réestimation <strong>de</strong>s paramètres<br />
(4) nouvelle optimisation <strong>de</strong>s longueurs <strong>de</strong> branches pour<br />
chaque topologie possible<br />
Tant qu’une amélioration du score <strong>de</strong> likelihood est<br />
possible, il faut continuer ce cycle…