S'abonner

New Kernel-type estimator of Shanonn?s entropy - 16/01/14

Doi : 10.1016/j.crma.2013.11.011 
Salim Bouzebda a , Issam Elhattab b
a Laboratoire de mathématiques appliquées de Compiègne, Université de technologie de Compiègne, BP 529, 60205 Compiègne cedex, France 
b ENCG–Casablanca, Université Hassan-II Mohammedia, Morocco 

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

pages 6
Iconographies 0
Vidéos 0
Autres 0

Abstract

In the present Note, we propose an estimator of Shanonnʼs entropy based on smooth estimators of quantile density. The consistency and asymptotic normality of the proposed estimates are obtained.

Le texte complet de cet article est disponible en PDF.

Résumé

Dans cette Note, nous proposons un nouvel estimateur de lʼentropie de Shanonn basé sur lʼestimateur à noyau de la densité de quantile. Nous obtenons la consistance et la normalité de lʼestimateur proposé.

Le texte complet de cet article est disponible en PDF.

Plan


© 2013  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

Vol 352 - N° 1

P. 75-80 - janvier 2014 Retour au numéro
Article précédent Article précédent
  • Isometry group of Sasaki–Einstein metric
  • Weiyong He
| Article suivant Article suivant
  • Comportement asymptotique de l?estimateur non paramétrique de la fonction de renouvellement associée à des variables aléatoires positives stationnaires ?-mélangeantes
  • Michel Harel, Fy Mamenosoa Ravelomanantsoa

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.