Estimation non paramétrique de quelques modèles statistique pour des données de type surrogate .

Abstract

الملخص)بالعربية( : في هذه الأطروحة نحن مهتمون بالتقدير اللامعلمي لوظيفة التوزيع الشرطي لمتغير توضيحي وظيفي ومتغير استجابة حقيقي غير مكتمل (لكن مع وجود قيم بديلة (بيانات بديلة)) لقد بدأنا في بناء مقدر لعامل الانحدار من خلال استبدال الإجابات المفقودة بالبيانات البديلة. ثم أنشأنا الخصائص المقاربة للمقدر المركب ، ثم طبقنا النتائج التي تم الحصول عليها على البيانات المحاكاة الكلماتالمفتاحية

Résumé (Français): Dans cette thèse on s’intéresse à l’estimation non paramétrique de la fonction répartition conditionnelle pour une variable explicative fonctionnelle et variable réponse réelle incomplète (mais ayant des valeurs de substitution (surrogate data)).Nous avons commencé à construire un estimateur de l’opérateur de régression en remplaçant les réponses manquantes par les données de substitution. Nous avons établi ensuite des propriétés asymptotiques de l’estimateur construit, Puis, nous avons appliquées résultats obtenus sur des données simulées

Résumé (Anglais) : In this thesis, we are interested in the nonparametric estimation of the conditional distributionfunctionforafunctionalexplanatoryvariableandanincompleterealresponsevariable(butwith surrogate data).we started to construct an estimator of the regression operator by replacingthe missing responses by the surrogate data. We then established asymptotic properties of theconstructedestimator,andappliedtheresultsobtainedonsimulateddata. Keywords:Functional Data Analysis (FDA); Conditional distribution function; Nonparametric kernel estimation; the conditional expectile ;Surrogate data .