Méthode de σ-clipping par point fixe pour l'estimation de la distribution sous H0 dans le cadre de tests multiples (original) (raw)

Dans le cadre des procédures de type tests multiples (imagerie médicale, astronomie, données génétiques, etc), il est nécessaire de modéliser l'hypothèse nulle H0 qui représente le cas où "le phénomène d'intérêt est absent", i.e. il n'y a que du bruit. De nombreux travaux [3, 4, 5] ont mis en évidence le fait que, même sous H0, les données traitées ne sont pas exactement distribuées selon le modèle théorique utilisé. Il s'avère alors nécessaire d'estimer la distribution sous H0 à partir des données elles-même afin de corriger le modèle et d'obtenir des procédures de test plus fiables et plus puissantes. Une telle estimation doit être robuste face à la présence potentielle du phénomène/signal d'intérêt (hypothèse alternative H1) parmi les multiples observations. Nous proposons dans ce papier une nouvelle méthode d'estimation des paramètres de moyenne et de variance sous l'hypothèse nulle H0. Nous montrons une comparaison des performances par rapport à des méthodes issues de la littérature dans le cas de champs aléatoires gaussiens dont la moyenne et la variance sont a priori inconnues.