Read more
Cet ouvrage porte sur la régression non paramétrique en présence de données corrélées. Nous déterminons d'abord la vitesse de convergence de l'estimateur spline de lissage sous différentes hypothèses de corrélation. Dans le cadre de données fonctionnelles, nous établissons ensuite des résultats de consistance, de convergence et de normalité asymptotique que nous appliquons à la construction d intervalles de confiance simultanés. Enfin, en vue d un échantillon fini et corrélé, nous comparons les performances d'estimateurs des moindres carrés ordinaires et généralisés ; nous développons également deux méthodes de sélection de paramètre de lissage, l'une globale et l'autre locale pour l estimation adaptative.
About the author
Titulaire d'un Doctorat en Statistique de l'Université Paris 6, David Degras a enseigné à l'Université de Chicago avant de devenir Professeur Assistant à DePaul University (Chicago, Illinois). Ses recherches portent sur l'analyse de données fonctionnelles, les méthodes de sondage, la neuroimagerie, et les biostatistiques.
