Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
Estimation de la fonction de dépendance de Pickands
Univ Europeenne - EAN : 9786139529865
Édition papier
EAN : 9786139529865
Paru le : 25 janv. 2022
61,90 €
58,67 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9786139529865
- Réf. éditeur : 4780587
- Editeur : Univ Europeenne
- Date Parution : 25 janv. 2022
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 148
- Poids : 228gr
- Interdit de retour : Retour interdit
- Résumé : Dans ce livre, on a insisté sur le fait d'enlever l'hypothèse d'indépendance des observations. Dans une première partie, on a supposé que les observations sont identiquements distribuées mais dépendantes. Elles forment par exemple un processus stationnaire absolument régulier, mais les deux vecteurs sont indépendants entre eux.On a réussi à démontrer la consistance et la normalité asymptotique de l'estimateur de CFG pour un processus stationnaire absolument régulier, mais dans le cas fortement mélangeant, ceci reste impossible suite a une constante qui n'est pas explicite.Dans une deuxième partie, on a simulé un modèle d'extrême bivariée qui puisse vérifier la dépendance inter et intra séries. La fonction de dépendance de Pickands a été calculée dans le cas k-dépendant, pour k supérieur ou égal à 1. On a proposé un test, puis on a étudié sa performance dans le cas des v.a. bivariés 1-dépendantes.On peut conclure selon les simulations que le niveau empirique de notre test parait bien tant que la taille de l'échantillon est grande, et sa puissance est bien tant que le degré de dépendance r tend vers 0.