S'abonner

Large deviations theorems in nonparametric regression on functional data - 20/05/11

Doi : 10.1016/j.crma.2011.04.011 
Mohamed Cherfi
Laboratoire de statistique théorique et appliquée (LSTA), équipe dʼAccueil 3124, université Pierre et Marie Curie – Paris 6, tour 15-25, 2ème étage, 4, place Jussieu, 75252 Paris cedex 05, France 

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

pages 3
Iconographies 0
Vidéos 0
Autres 0

Abstract

In this Note we prove large deviations principles for the Nadaraya–Watson estimator of the regression of a real-valued variable with a functional covariate. Under suitable conditions, we show pointwise and uniform large deviations theorems.

Le texte complet de cet article est disponible en PDF.

Résumé

Lʼobjet de cette Note est dʼétablir un principe de grandes déviations ponctuel et un principe de grandes déviations uniforme pour lʼestimateur à noyau de la régression sur des données fonctionnelles.

Le texte complet de cet article est disponible en PDF.

Plan

Plan indisponible

© 2011  Publié par Elsevier Masson SAS de la part de Académie des sciences.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 349 - N° 9-10

P. 583-585 - mai 2011 Retour au numéro
Article précédent Article précédent
  • A deletion-invariance property for random measures satisfying the Ghirlanda–Guerra identities
  • Dmitry Panchenko
| Article suivant Article suivant
  • Exact filtering in conditionally Markov switching hidden linear models
  • Wojciech Pieczynski

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

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

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.