A new spatial regression estimator in the multivariate context - 03/06/15
, Camille Ternynck a , Anne-Francoise Yao b Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.
| pages | 5 |
| Iconographies | 0 |
| Vidéos | 0 |
| Autres | 0 |
Abstract |
In this note, we propose a nonparametric spatial estimator of the regression function 
, of a stationary 
-dimensional spatial process 
, at a point located at some station j. The proposed estimator depends on two kernels in order to control both the distance between observations and the spatial locations. Almost complete convergence and consistency in 
norm 
of the kernel estimate are obtained when the sample considered is an α-mixing sequence.
Résumé |
Dans cette note, nous proposons un estimateur non paramétrique spatial de la fonction de régression 
, d'un champ stationnaire 
de dimension 
, à un point localisé à un site donné j. L'estimateur proposé est composé de deux noyaux permettant de contrôler à la fois la distance entre les observations et entre les sites. La convergence presque complète ainsi que la convergence en moyenne d'ordre q (norme ) de l'estimateur à noyaux sont obtenus en considérant des processus α-mélangeants.
Plan
Vol 353 - N° 7
P. 635-639 - juillet 2015 Retour au numéro
Article précédent
- The reverse Hlawka inequality in a Minkowski space
- Denis Serre
- A Petrov–Galerkin reduced basis approximation of the Stokes equation in parameterized geometries
- Assyr Abdulle, Ondrej Budá?
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 ?