ABC methods for model choice in Gibbs random fields

We consider the problem of model selection within the class of Gibbs random fields. In a Bayesian framework, this choice relies on the evaluation of the posterior probabilities of all models. We define an extended parameter setting, including the model index and show the existence of a corresponding sufficient statistic made of the conjunction of the sufficient statistics of all models. We use this statistic to derive an ABC algorithm. To cite this article: A. Grelaud et al., C. R. Acad. Sci. Paris, Ser. I 347 (2009).

RésuméOn s'intéresse au problème du choix bayésien de modèles de champs de Gibbs. Ce choix repose sur l'évaluation des probabilités a posteriori des modèles. Nous montrons l'existence d'une statistique exhaustive pour l'ensemble des paramètres, incluant l'indice du modèle, constituée de la concaténation de statistiques exhaustives de chacun des modèles. Nous utilisons cette statistique pour construire un algorithme ABC. Pour citer cet article : A. Grelaud et al., C. R. Acad. Sci. Paris, Ser. I 347 (2009).