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.
Application des algorithmes stochastique A l'estimation fonctionnelles
Academiques - EAN : 9786202360265
Édition papier
EAN : 9786202360265
Paru le : 1 oct. 2018
67,90 €
64,36 €
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 : 9786202360265
- Réf. éditeur : 2303951
- Editeur : Academiques
- Date Parution : 1 oct. 2018
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 156
- Format : H:229 mm L:152 mm E:9 mm
- Poids : 239gr
- Interdit de retour : Retour interdit
- Résumé : L'objectif de cette thèse est d'appliquer les méthodes d'approximations stochastiques a l'estimation de la densité et de la régression. Dans le premier chapitre, nous construisons un algorithme stochastique a pas simple qui définit toute une famille d'estimateurs récursifs a noyau d'une densité de probabilité. Nous étudions les différentes propriétés de cet algorithme. En particulier, nous identifions deux classes d'estimateurs ; la première correspond a un choix de pas qui permet d'obtenir un risque minimal, la seconde une variance minimale. Dans le second chapitre, nous nous intéressons a l'estimateur proposé par Révész pour estimer une fonction de régression. Son estimateur, construit à l'aide d'un algorithme stochastique à pas simple, a un gros inconvénient : les hypothèses sur la densité marginale de X nécessaires pour établir la vitesse de convergence sont plus fortes que celles habituellement requises pour étudier le comportement asymptotique. Nous montrons comment l'application du principe de moyennisation des algorithmes stochastiques permet, de construire un estimateur récursif qui possède de bonne propriétés asymptotiques.
