Andere Kunden interessierten sich auch für
![Prise en compte d'un plan de sondage pour la précision des estimateurs]( "Prise en compte d'un plan de sondage pour la précision des estimateurs")
Prise en compte d'un plan de sondage pour la précision des estimateurs16,99 €![Lois non Paramétriques de Survie et leurs Applications]( "Lois non Paramétriques de Survie et leurs Applications")
Lois non Paramétriques de Survie et leurs Applications36,99 €![Classification et prévision avec les algorithmes d''auto-organisation]( "Classification et prévision avec les algorithmes d''auto-organisation")
Classification et prévision avec les algorithmes d''auto-organisation38,99 €![Méthodes d'optimisation et de prévision du trafic d'un site web]( "Méthodes d'optimisation et de prévision du trafic d'un site web")
Méthodes d'optimisation et de prévision du trafic d'un site web36,99 €![Prévision de l'offre de noix de coco à la vente aux enchères de Colombo Coconut : Modélisation ARIMA]( "Prévision de l'offre de noix de coco à la vente aux enchères de Colombo Coconut : Modélisation ARIMA")
Prévision de l'offre de noix de coco à la vente aux enchères de Colombo Coconut : Modélisation ARIMA23,99 €![Prévision des prix de vente des produits agricoles]( "Prévision des prix de vente des produits agricoles")
Prévision des prix de vente des produits agricoles32,99 €![Modélisation et prévision des taux de change]( "Modélisation et prévision des taux de change")
Modélisation et prévision des taux de change29,99 €
Nous nous intéressons aux méthodes d'estimation non paramétriques par noyaux récursifs ainsi qu'à leurs applications à la prévision. Nous introduisons dans un premier chapitre une famille d'estimateurs récursifs de la densité indexée par un paramètre [0, 1]. Leur comportement asymptotique en fonction de va nous amener à introduire des critères de comparaison basés sur les biais, variance et erreur quadratique asymptotiques. Pour ces critères, nous comparons les estimateurs entre eux et aussi comparons notre famille à l'estimateur non récursif de la densité de Parzen-Rosenblatt. Ensuite, nous définissons à partir de notre famille d'estimateurs de la densité, une famille d'estimateurs récursifs à noyau de la fonction de régression. Nous étudions ses propriétés asymptotiques en fonction du paramètre . Nous utilisons enfin les résultats obtenus sur l'estimation de la régression pour construire un prédicteur non paramétrique par noyau. Nous obtenons ainsi une famille de prédicteurs non paramétriques qui permettent de réduire considérablement le temps de calcul. Des exemples d'application sont donnés pour valider la performance de nos estimateurs.