Résumé
Soient X un vecteur aléatoire de ℝp, Y une v.a.r., (Xi,Yi), i=1,n, une suite de n réalisations indépendantes du couple (X,Y) et x un point fixé dans ℝp. On considère l’estimateur de E(Y/X=x) défini comme la moyenne des Yi, i=1,n, telles que Xi appartienne à l’ensemble des kn points Xj, j=1,n, les plus proches de x au sens de la distance euclidienne de ℝp, (kn)ℕ étant une suite entière.
On étudie les propriétés de convergence en probabilité et presque complète de cet estimateur en fonction du comportement asymptotique de la suite (kn)ℕ, à l’aide d’un résultat général qui permet (en particulier) de déduire les propriétés de cet estimateur de celles, déjà connues, d’un autre estimateur non paramétrique de la régression (estimateur à noyau).
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Références
Bleuez, J. et Bosq D. (1978). Etude d’une classe d’estimateurs non paramétriques de la densité. Annales de l’Institut Henri Poincaré. Vol.14, pp. 479–498.
Bosq, D. (1970). Contriubtion à la théorie de l’estimation fonctionnelle. Publications de l’Institut de Statistique de l’Université de Paris, vol. 19 fasc. 2 et 3.
Collomb, G. (1976). Estimation non paramétrique de la régression par la méthode du noyau. Thèse, Université Paul Sabatier, Toulouse.
Collomb, G. (1977 a). Quelques propriétés de la méthode du noyau pour l’estimation non paramétrique de la régression en un point fixé. Comptes Rendus à l’Académie des Sciences de Paris, t.285, Série A, pp.289–292.
Collomb, G. (1977 b). Estimation non paramétrique de la régression par la méthode du noyau: propriété de convergence asymptotiquement normale indépendante. Annales Scientifiques de l’Université de Clermont, 1977, pp. 24–46.
Collomb, G. (1978 a). Estimation non paramétrique de la régression: régresso-gramme et méthode du noyau. Publications du Laboratoire de Statistique et probabilités de l’Université de Toulouse, no07-78, pp. 1–59.
Collomb, G. (1978 b). Conditions nécessaires et suffisantes de convergence uniforme d’un estimateur de la régression, estimation des dérivées de la régression. Comptes rendus à l’Académie des Sciences de Paris, t.288, Série A, pp.161–164.
Collomb, G. (1979). Estimation non paramétrique de la régression: revue bibliographique. à paraītre.
Devroye, L.P. (1978). The uniform convergence of nearest neighbor regression function estimators and their application in optimization IEE Transactions on Information Theory, vol. IT-24, pp.142–151.
Devroye, L.P. (1979). The uniform convergence of the Nadaraya-Watson regression function estimate, Canadian Journal of Statistics, Vol.6, no 2, pp. 179–191.
Devroye, L.P. et Wagner T.J. (1978). On the L1 convergence of kernel regression function estimators with applications in discrimination. à paraītre.
Devroye, L.P. et Wagner, T.J. (1979). Distribution-free consistency results in non parametric discrimination and regression function estimation. A paraītre.
Konakov, V.D. (1977). On a global measure of deviation for an estimate of the regression line. Theory of Probability and its Applications, vol.22, pp. 858–868.
Loftsgaarden, D.O. et Quesenberry, C.D. (1965). A non parametric estimate of a multivariate density function. Annals of Mathematical Statistics, vol.36, pp. 1049–1051.
Nadaraya, E.A. (1964). On estimating regression. Theory of Probability and its Applications, vol.9, pp. 141–142.
Nadaraya, E.A. (1970). Remarks on nonparametric estimates for density functions and regression curves. Theory of Probability and its Applications, vol.15 pp. 134–137.
Noda, K.(1976). Estimation of a regression function by the Parzen kerneltype density estimators. Annals of the Institute of Mathematical Statistics, vol. 28, pp. 221–234.
Rosenblatt, M. (1956). Remarks on some nonparametric estimates of a density function. Annals of Mathematical Statistics, vol.27, pp. 642–669.
Rosenblatt, M. (1969). Conditional probability density and regression estimators. Maltivariate Analysis II, pp.25–31, Academic Press, New York.
Schuster, E.F. (1972). Joint asymptotic distribution of the estimated regression function at a finite number of distinct points. Annals of Mathematical Statistics, vol.43, pp. 84–88.
Schuster, E.F. et Yakowitz S. (1979). Contributions to the theory of non-parametric regression, with application to system identification. Annales of Statistics, vol.7, pp. 139–149.
Stone, C.J. (1977). Consistent nonparametric regression. Annals of Statistics, vol.5, pp.595–645
Wagner, T.J. (1973). Strong consistency of a non parametric estimate of a density function. I.E.E.E. Transactions on Systems Man and Cybernetics, Vol.3, p.p. 289–290.
Watson, G.S. (1964). Smooth regression analysis. Sankhya, Ser.A, vol. 26, pp.359–372.
Author information
Authors and Affiliations
Editor information
Rights and permissions
Copyright information
© 1980 Springer-Verlag
About this paper
Cite this paper
Collomb, G. (1980). Estimation de la regression par la methode des k points les plus proches avec noyau : quelques propriétés de convergence ponctuelle. In: Raoult, JP. (eds) Statistique non Paramétrique Asymptotique. Lecture Notes in Mathematics, vol 821. Springer, Berlin, Heidelberg. https://doi.org/10.1007/BFb0097428
Download citation
DOI: https://doi.org/10.1007/BFb0097428
Published:
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-10239-7
Online ISBN: 978-3-540-38318-5
eBook Packages: Springer Book Archive