Estimation de la fonction de variance par agrégation de type sélection modèle
| Autor: | Zaoui, Ahmed |
|---|---|
| Přispěvatelé: | Laboratoire Analyse et Mathématiques Appliquées (LAMA), Université Paris-Est Créteil Val-de-Marne - Paris 12 (UPEC UP12)-Centre National de la Recherche Scientifique (CNRS)-Université Gustave Eiffel, ZAOUI, Ahmed |
| Jazyk: | francouzština |
| Rok vydání: | 2021 |
| Předmět: | |
| Zdroj: | JDS 2021 52èmes Journées de Statistique de la Société Française de Statistique (SFdS) JDS 2021 52èmes Journées de Statistique de la Société Française de Statistique (SFdS), Jun 2021, Nice, France |
| Popis: | International audience; Dans ce travail, nous nous intéressons à l'estimation de la fonction de variance en régression par agrégation de type sélection modèle (MS). Le but de la procédure MS est de sélectionner le meilleur estimateur parmi un ensemble de prédicteurs. Le prédicteur sélectionné est alors appelé MS-estimateur. La construction de MS-estimateur repose sur une procédure en deux étapes. Dans une première étape, à partir d'un premier échantillon, nous construisons des estimateurs de la fonction de variance par la méthode basée sur les erreurs résiduelles. Dans une deuxième étape, nous les agrégeons à l'aide d'un deuxième échantillon. Nous établissons la consistance de MS-estimateur vis-à-vis du risque L 2 et illustrons ses performances numériques sur simulations. Mots-clés. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|