EXEMPLE
Sur Les Mod Les Autor Gressifs
- nouveau livreISBN: 9786131534447
Cette thèse se consacre à l'estimation non paramétrique pour les modèles autorégressifs. Nous considérons le problème de l'estimation d'un… Plus…
Cette thèse se consacre à l'estimation non paramétrique pour les modèles autorégressifs. Nous considérons le problème de l'estimation d'une fonction inconnue en un point fixe à l'aide de données régies par des modèles autorégressifs. Pour définir le risque associé à l'emploi d'un estimateur et ainsi mesurer la qualité de celui-ci, nous utilisons la fonction de perte liée à l'erreur absolue. Le travail de cette thèse suit l'approche minimax dont l'objectif est de trouver une borne inférieure asymptotique du risque minimax puis de construire un estimateur, dit asymptotiquement efficace, dont le risque maximal atteint asymptotiquement cette borne. Pour un modèle autorégressif non paramétrique où la fonction autorégressive est supposée appartenir à une classe Höldérienne faible de régularité connue, nous montrons qu'un estimateur à noyau est asymptotiquement efficace. Lorsque la régularité de la fonction autorégressive est inconnue, nous obtenons la vitesse de convergence minimax adaptative des estimateurs sur une famille de classes Höldériennes. Textbooks New Books ~~ Mathematics~~ Probability & Statistics ~~ General Sur-Les-Mod-Les-Autor-Gressifs~~Ouerdia-Arkoun AV Akademikerverlag GmbH & Co. KG. Cette thèse se consacre à l'estimation non paramétrique pour les modèles autorégressifs. Nous considérons le problème de l'estimation d'une fonction inconnue en un point fixe à l'aide de données régies par des modèles autorégressifs. Pour définir le risque associé à l'emploi d'un estimateur et ainsi mesurer la qualité de celui-ci, nous utilisons la fonction de perte liée à l'erreur absolue. Le travail de cette thèse suit l'approche minimax dont l'objectif est de trouver une borne inférieure asymptotique du risque minimax puis de construire un estimateur, dit asymptotiquement efficace, dont le risque maximal atteint asymptotiquement cette borne. Pour un modèle autorégressif non paramétrique où la fonction autorégressive est supposée appartenir à une classe Höldérienne faible de régularité connue, nous montrons qu'un estimateur à noyau est asymptotiquement efficace. Lorsque la régularité de la fonction autorégressive est inconnue, nous obtenons la vitesse de convergence minimax adaptative des estimateurs sur une famille de classes Höldériennes.<
| | BarnesandNoble.comFree Shipping on eligible orders over $25 Frais d'envoiLivraison non-comprise Details... |
(*) Livre non disponible signifie que le livre est actuellement pas disponible à l'une des plates-formes associées nous recherche.
EXEMPLE
Sur Les Mod Les Autor Gressifs
- nouveau livreISBN: 9786131534447
Cette thèse se consacre à l'estimation non paramétrique pour les modèles autorégressifs. Nous considérons le problème de l'estimation d'un… Plus…
Cette thèse se consacre à l'estimation non paramétrique pour les modèles autorégressifs. Nous considérons le problème de l'estimation d'une fonction inconnue en un point fixe à l'aide de données régies par des modèles autorégressifs. Pour définir le risque associé à l'emploi d'un estimateur et ainsi mesurer la qualité de celui-ci, nous utilisons la fonction de perte liée Cette thèse se consacre à l'estimation non paramétrique pour les modèles autorégressifs. Nous considérons le problème de l'estimation d'une fonction inconnue en un point fixe à l'aide de données régies par des modèles autorégressifs. Pour définir le risque associé à l'emploi d'un estimateur et ainsi mesurer la qualité de celui-ci, nous utilisons la fonction de perte liée à l'erreur absolue. Le travail de cette thèse suit l'approche minimax dont l'objectif est de trouver une borne inférieure asymptotique du risque minimax puis de construire un estimateur, dit asymptotiquement efficace, dont le risque maximal atteint asymptotiquement cette borne. Pour un modèle autorégressif non paramétrique où la fonction autorégressive est supposée appartenir à une classe Höldérienne faible de régularité connue, nous montrons qu'un estimateur à noyau est asymptotiquement efficace. Lorsque la régularité de la fonction autorégressive est inconnue, nous obtenons la vitesse de convergence minimax adaptative des estimateurs sur une famille de classes Höldériennes. Textbooks New, Books~~Mathematics~~Probability & Statistics~~General, Sur-Les-Mod-Les-Autor-Gressifs~~Ouerdia-Arkoun, , , , , , , , , , AV Akademikerverlag GmbH & Co. KG.<
| | BarnesandNoble.comMPN: , SKU 9786131534447 Frais d'envoizzgl. Versandkosten, Livraison non-comprise Details... |
(*) Livre non disponible signifie que le livre est actuellement pas disponible à l'une des plates-formes associées nous recherche.
EXEMPLE
Arkoun, Ouerdia:Sur les modèles autorégressifs - Estimation non paramétrique pour les modèles autorégressifs
- Livres de poche 2010, ISBN: 9786131534447
[ED: Taschenbuch / Paperback], [PU: Éditions universitaires européennes], Cette thèse se consacre à l'estimation non paramétrique pour les modèles autorégressifs. Nous considérons le prob… Plus…
[ED: Taschenbuch / Paperback], [PU: Éditions universitaires européennes], Cette thèse se consacre à l'estimation non paramétrique pour les modèles autorégressifs. Nous considérons le problème de l'estimation d'une fonction inconnue en un point fixe à l'aide de données régies par des modèles autorégressifs. Pour définir le risque associé à l'emploi d'un estimateur et ainsi mesurer la qualité de celui-ci, nous utilisons la fonction de perte liée à l'erreur absolue. Le travail de cette thèse suit l'approche minimax dont l'objectif est de trouver une borne inférieure asymptotique du risque minimax puis de construire un estimateur, dit asymptotiquement efficace, dont le risque maximal atteint asymptotiquement cette borne. Pour un modèle autorégressif non paramétrique où la fonction autorégressive est supposée appartenir à une classe Höldérienne faible de régularité connue, nous montrons qu'un estimateur à noyau est asymptotiquement efficace. Lorsque la régularité de la fonction autorégressive est inconnue, nous obtenons la vitesse de convergence minimax adaptative des estimateurs sur une famille de classes Höldériennes., DE, [SC: 0.00], Neuware, gewerbliches Angebot, 220 mm, 84, Selbstabholung und Barzahlung, PayPal, offene Rechnung, Banküberweisung, Internationaler Versand<
| | booklooker.deSyndikat Buchdienst Frais d'envoiVersandkostenfrei, Versand nach Deutschland. (EUR 0.00) Details... |
(*) Livre non disponible signifie que le livre est actuellement pas disponible à l'une des plates-formes associées nous recherche.
Ouerdia ARKOUN:Sur les modèles autorégressifs
- Livres de poche ISBN: 9786131534447
[ED: Taschenbuch], [PU: Editions universitaires europeennes EUE], Neuware - Cette thèse se consacre à l'estimation non paramétrique pour les modèles autorégressifs. Nous considérons le pr… Plus…
[ED: Taschenbuch], [PU: Editions universitaires europeennes EUE], Neuware - Cette thèse se consacre à l'estimation non paramétrique pour les modèles autorégressifs. Nous considérons le problème de l'estimation d'une fonction inconnue en un point fixe à l'aide de données régies par des modèles autorégressifs. Pour définir le risque associé à l'emploi d'un estimateur et ainsi mesurer la qualité de celui-ci, nous utilisons la fonction de perte liée à l'erreur absolue. Le travail de cette thèse suit l'approche minimax dont l'objectif est de trouver une borne inférieure asymptotique du risque minimax puis de construire un estimateur, dit asymptotiquement efficace, dont le risque maximal atteint asymptotiquement cette borne. Pour un modèle autorégressif non paramétrique où la fonction autorégressive est supposée appartenir à une classe Höldérienne faible de régularité connue, nous montrons qu'un estimateur à noyau est asymptotiquement efficace. Lorsque la régularité de la fonction autorégressive est inconnue, nous obtenons la vitesse de convergence minimax adaptative des estimateurs sur une famille de classes Höldériennes., DE, [SC: 0.00], Neuware, gewerbliches Angebot, 220x150x5 mm, 84, [GW: 142g], PayPal, Banküberweisung, Internationaler Versand<
| | booklooker.deSellonnet GmbH Frais d'envoiVersandkostenfrei, Versand nach Deutschland. (EUR 0.00) Details... |
(*) Livre non disponible signifie que le livre est actuellement pas disponible à l'une des plates-formes associées nous recherche.
EXEMPLE
ARKOUN, Ouerdia:Sur les modèles autorégressifs
- Livres de poche ISBN: 6131534446
Edition reliée
Estimation non paramétrique pour les modèles autorégressifs - Buch, gebundene Ausgabe, 84 S., Beilagen: Paperback, Erschienen: 2010 Editions universitaires europeennes EUE Cette thèse se … Plus…
Estimation non paramétrique pour les modèles autorégressifs - Buch, gebundene Ausgabe, 84 S., Beilagen: Paperback, Erschienen: 2010 Editions universitaires europeennes EUE Cette thèse se consacre à l'estimation non paramétrique pour les modèles autorégressifs. Nous considérons le problème de l'estimation d'une fonction inconnue en un point fixe à l'aide de données régies par des modèles autorégressifs. Pour définir le risque associé à l'emploi d'un estimateur et ainsi mesurer la qualité de celui-ci, nous utilisons la fonction de perte liée à l'erreur absolue. Le travail de cette thèse suit l'approche minimax dont l'objectif est de trouver une borne inférieure asymptotique du risque minimax puis de construire un estimateur, dit asymptotiquement efficace, dont le risque maximal atteint asymptotiquement cette borne. Pour un modèle autorégressif non paramétrique où la fonction autorégressive est supposée appartenir à une classe Höldérienne faible de régularité connue, nous montrons qu'un estimateur à noyau est asymptotiquement efficace. Lorsque la régularité de la fonction autorégressive est inconnue, nous obtenons la vitesse de convergence minimax adaptative des estimateurs sur une famille de classes Höldériennes.<
| | Buch24.deFrais d'envoiVersandkostenfrei innerhalb der BRD, Livraison non-comprise Details... |
(*) Livre non disponible signifie que le livre est actuellement pas disponible à l'une des plates-formes associées nous recherche.