Dspace de universite Djillali Liabes de SBA >
Thèse de Doctorat en Sciences >
Mathématiques >
Veuillez utiliser cette adresse pour citer ce document :
http://hdl.handle.net/123456789/2245
|
Titre: | Sur l’estimation récursive de la fonction densité conditionnelle pour des variables censurées |
Auteur(s): | SEMMAR, Sihem Encadreur: LAKSACI, Ali |
Mots-clés: | α-mélange convergence forte données censurées estimateurs de Kaplan-Meier estimateur à noyau estimateurs récursifs densité conditionnelle normalité asymptotique |
Date de publication: | 30-nov-2016 |
Résumé: | Dans cette thèse, nous nous intéressons à la prévision non paramétriques récursifs dans les
modèles de censure données incomplètes (censurées). Plus précisément, nous nous intéressons
à la fonction densité conditionnelle pour lesquelles nous construisons des estimateurs
et étudions le comportement asymptotique.
Dans la première partie, nous considérons une suite de v.a.(Ti,i>=1). indépendante et identiquement distribuée (i.i.d), de densité g, censurée à droite par une suite aléatoire (Ci,i>=1).
supposée (i .i.d) et indépendante de (Ti,i>=1) . Nous établissons la convergence et la normalité
asymptotique d’un estimateur à noyau récursif de la densité conditionnelle, et on va démontrer
que cette propriété asymptotique est très utile dans des nombreuses analyses statistiques
telle la prévision des intervalles de confiance. Une étude sur des données simulées de taille
finie à été réalisée.
Dans la deuxième partie, nous traitons le cas où la suite (Ti,i>=1) est supposée fortement
mélangeant, alors que les (Ci,i>=1) sont (i .i.d). Nous construisons un estimateur à noyau
récursif de la densité conditionnelle dont nous établissons la convergence presque sûre et la
normalité asymptotique. |
Description: | Doctorat en sciences |
URI/URL: | http://hdl.handle.net/123456789/2245 |
Collection(s) : | Mathématiques
|
Fichier(s) constituant ce document :
|
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.
|