S'abonner

Estimation locale linéaire de la régression non paramétrique fonctionnelle par la méthode des k plus proches voisins - 14/06/17

Local linear estimate of the regression operator by the kNN method

Doi : 10.1016/j.crma.2017.05.007 
Mohammed Attouch , Ali Laksaci , Fatima Rafaa
 Laboratoire de Statistique et Processus Stochastiques, Université Djillali Liabes, Sidi Bel Abbes, Algérie 

Sous presse. Épreuves corrigées par l'auteur. Disponible en ligne depuis le Wednesday 14 June 2017
Cet article a été publié dans un numéro de la revue, cliquez ici pour y accéder

Résumé

Nous étudions l'estimation locale linéaire de l'opérateur de régression lorsque la variable explicative prend ses valeurs dans un espace semi-métrique. Nous construisons un estimateur par la méthode des k plus proches voisins. Deux propriétés asymptotiques de cet estimateur seront établies. Dans la première partie, nous prouvons la convergence presque complète ponctuelle, tandis que, dans la deuxième, nous montrons la convergence presque complète uniforme sur le nombre de voisins.

Le texte complet de cet article est disponible en PDF.

Abstract

We consider the problem of the local linear estimation of the regression operator when the regressor is functional. We construct an estimator by the kNN method and we study its asymptotic properties. Precisely, we establish the almost complete consistency of this estimator with rate both pointwise and uniform on the number of neighbor cases.

Le texte complet de cet article est disponible en PDF.

Plan


© 2017  Académie des sciences. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.