Résumé:

Nous développons un modèle flexible pour l'analyse et la classification de données longitudinales balancées ou non balancées. Le modèle combine l'analyse fonctionnelle en composantes principales et le regroupement en classes. La modélisation fonctionnelle est basée sur les splines et les groupes principaux sont issus de l'espace des coefficients dans la base des splines. Le regroupement en classes repose sur un modèle de mélange de distributions t de Student de degrés de liberté inconnus. Nous utilisons une approche bayésienne où les estimateurs sont obtenus par l'algorithme EM. Nos applications principales concernent les données d'expression génétique et les essais cliniques.