You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Le nombre de nœuds était fixé à 8, pour l’ensemb<strong>le</strong> des simulations.Nous avons illustré graphiquement <strong>le</strong>s résultats des estimations des fonctions de risquethéoriques et estimées, margina<strong>le</strong>s ou conditionnel<strong>le</strong>s.– La fonction de risque de base λ 0h (t) théorique est une fonction constante éga<strong>le</strong> à1. El<strong>le</strong> peut s’interpréter comme la fonction de risque conditionnel<strong>le</strong> pour un effetaléatoire moyen (pour Z = E[Z] = 1).Nous avons estimé la fonction de risque de base correspondante sur une base desplines ̂λ 0h (t) et <strong>le</strong>s bandes de confiance de cette fonction par la variance ( ̂ H−1 IH −1 ).– La fonction de risque margina<strong>le</strong> théorique est éga<strong>le</strong> à :λ(t) =∫ ∞0λ 0h (t)zg(z)dz =1(1 + θt)La fonction de risque margina<strong>le</strong> peut être estimée par deux estimateurs :oûλ(t) =1(1 + ˆθt)̂λ(t) ∗ = λ ∗ 0h(t)où λ ∗ 0h (t) est la fonction de risque de base obtenue dans un modè<strong>le</strong> à risques proportionnels(sans effets aléatoires), par maximisation d’une vraisemblance pénalisée.4.1.2 ProgrammeLes simulations ont été réalisées à partir d’un programme Fortran implémentant laméthode. Les estimateurs des paramètres ont été obtenus par l’algorithme de Marquardt[63], qui est une combinaison entre l’algorithme de Newton-Raphson et l’algorithme à pasdescendant. Cet algorithme a l’avantage d’accélérer la procédure de convergence par rapportà l’algorithme de Newton-Raphson. Nous nous sommes fixé trois critères de convergencepour une itération k donnée : sur la variation des coefficients ||η k − η k−1 || 2 < ɛ 1 , surla variation de la log-vraisemblance |logV k −logV k−1 | < ɛ 2 et sur <strong>le</strong> gradient || ∂logV∂η i(ˆη k )|| 2