Résultat de la recherche
1 recherche sur le tag
'Estimateurs à noyau de la densité et de la régression' 
Visionner les documents numériques
Affiner la recherche Générer le flux rss de la recherche
Partager le résultat de cette recherche Interroger des sources externes
Titre : Inférence statistique dans les modèles de régression non paramétriques Type de document : texte imprimé Auteurs : Kenza Assia Mezhoud, Auteur ; Zaher Mohdeb, Directeur de thèse Editeur : constantine [Algérie] : Université Constantine 1 Année de publication : 2014 Importance : 119 f. Format : 30 cm. Note générale : 2 copies imprimées disponibles
Langues : Français (fre) Catégories : Français - Anglais
MathématiquesTags : Regression non paramétrique Estimateurs à noyau de la densité et de la régression Indépendance dépendance faible convergence normalité non parametric regression kernel densities and regression estimators Independence weak dependence normality إنحدار غير وسيطي مقدرات ذات نواة لدالة الكثافة و الإنحدار الإستقلالية الإرتباط الضعيف التقارب الطبيعية Index. décimale : 510 Mathématiques Résumé : We have choosen to investigate the statistic inference in nonpara- metric regression models by studying kernel densities and regres- sion estimators under different assumptions .
This work is organised in two parts :
The asymptotic properties of density and regression estimators are studied first under independence assumption, particulary, conver- gence, normality and the choice of the smoothing window.
In the second part, we go the generalized notion of weak depen- dence established by Doukhan and Louhichi (1999) to extend conver- gence and normality properties. This allows to deal with time se-
ries, we show after, our result on a recursive kernel estimator under weak dependence, convergence in mean square error, and normality are obtained. Simulation study is done on weak dependent models.
Diplôme : Doctorat en sciences En ligne : ../theses/math/MEZ6637.pdf Format de la ressource électronique : Permalink : https://bu.umc.edu.dz/md/index.php?lvl=notice_display&id=9771 Inférence statistique dans les modèles de régression non paramétriques [texte imprimé] / Kenza Assia Mezhoud, Auteur ; Zaher Mohdeb, Directeur de thèse . - constantine [Algérie] : Université Constantine 1, 2014 . - 119 f. ; 30 cm.
2 copies imprimées disponibles
Langues : Français (fre)
Catégories : Français - Anglais
MathématiquesTags : Regression non paramétrique Estimateurs à noyau de la densité et de la régression Indépendance dépendance faible convergence normalité non parametric regression kernel densities and regression estimators Independence weak dependence normality إنحدار غير وسيطي مقدرات ذات نواة لدالة الكثافة و الإنحدار الإستقلالية الإرتباط الضعيف التقارب الطبيعية Index. décimale : 510 Mathématiques Résumé : We have choosen to investigate the statistic inference in nonpara- metric regression models by studying kernel densities and regres- sion estimators under different assumptions .
This work is organised in two parts :
The asymptotic properties of density and regression estimators are studied first under independence assumption, particulary, conver- gence, normality and the choice of the smoothing window.
In the second part, we go the generalized notion of weak depen- dence established by Doukhan and Louhichi (1999) to extend conver- gence and normality properties. This allows to deal with time se-
ries, we show after, our result on a recursive kernel estimator under weak dependence, convergence in mean square error, and normality are obtained. Simulation study is done on weak dependent models.
Diplôme : Doctorat en sciences En ligne : ../theses/math/MEZ6637.pdf Format de la ressource électronique : Permalink : https://bu.umc.edu.dz/md/index.php?lvl=notice_display&id=9771 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MEZ/6637 MEZ/6637 Thèse Bibliothèque principale Thèses Disponible Documents numériques
texte intégreAdobe Acrobat PDF
