Nous présentons des estimateurs à noyau de type Nadaraya–Watson des dérivées de la régression dans un cadre multidimensionnel. En s'inspirant d'une méthode originale basée sur la théorie moderne des processus empiriques [Deheuvels et Mason, Stat. Inference Stoch. Process. 7 (2004)], nous établissons des lois limites concernant la déviation maximale de ces estimateurs.
We establish uniform consistency rates for Nadaraya–Watson kernel-type estimators of the regression derivatives in a multidimensional framework. Our methods are based upon modern empirical process theory in the spirit of Deheuvels and Mason [Stat. Inference Stoch. Process. 7 (2004)] with respect to uniform deviations of nonparametric estimators.
Accepté le :
Publié le :
@article{CRMATH_2004__339_10_713_0,
author = {Blondin, David},
title = {Estimation nonparam\'etrique multidimensionnelle des d\'eriv\'ees de la r\'egression},
journal = {Comptes Rendus. Math\'ematique},
pages = {713--716},
publisher = {Elsevier},
volume = {339},
number = {10},
year = {2004},
doi = {10.1016/j.crma.2004.09.024},
language = {fr},
url = {http://www.numdam.org/articles/10.1016/j.crma.2004.09.024/}
}
TY - JOUR AU - Blondin, David TI - Estimation nonparamétrique multidimensionnelle des dérivées de la régression JO - Comptes Rendus. Mathématique PY - 2004 SP - 713 EP - 716 VL - 339 IS - 10 PB - Elsevier UR - http://www.numdam.org/articles/10.1016/j.crma.2004.09.024/ DO - 10.1016/j.crma.2004.09.024 LA - fr ID - CRMATH_2004__339_10_713_0 ER -
%0 Journal Article %A Blondin, David %T Estimation nonparamétrique multidimensionnelle des dérivées de la régression %J Comptes Rendus. Mathématique %D 2004 %P 713-716 %V 339 %N 10 %I Elsevier %U http://www.numdam.org/articles/10.1016/j.crma.2004.09.024/ %R 10.1016/j.crma.2004.09.024 %G fr %F CRMATH_2004__339_10_713_0
Blondin, David. Estimation nonparamétrique multidimensionnelle des dérivées de la régression. Comptes Rendus. Mathématique, Tome 339 (2004) no. 10, pp. 713-716. doi : 10.1016/j.crma.2004.09.024. http://www.numdam.org/articles/10.1016/j.crma.2004.09.024/
[1] Théorie de l'Estimation Fonctionnelle, Economica, Paris, 1987
[2] Conditions nécessaires et suffisantes de convergence uniforme d'un estimateur de la régression, estimation des dérivées de la regression, C. R. Acad. Sci. Paris, Ser. I, Volume 288 (1979), pp. 161-163
[3] Functional laws of the iterated logarithm for the increments of empirical and quantile processes, Ann. Probab., Volume 20 (1992), pp. 1248-1287
[4] General asymptotic confidence bands based on kernel-type function estimators, Stat. Inference Stoch. Process., Volume 7 (2004) (in press)
[5] The law of the iterated logarithm for empirical distributions, Ann. Math. Statist., Volume 42 (1971), pp. 607-615
[6] Estimating regression functions and their derivatives by the kernel method, Scand. J. Statist., Volume 11 (1984), pp. 171-185
[7] The Theory of Functions of a Real Variable and the Theory of Fourier Series, vol. 1, Cambridge University Press, 1927
[8] On estimating regression, Theory Probab. Appl., Volume 9 (1964), pp. 141-142
[9] Contributions to the theory of nonparametric regression with application to system identification, Ann. Statist., Volume 7 (1979), pp. 139-149
[10] Weak Convergence and Empirical Processes with Applications to Statistics, Springer-Verlag, New York, 1996
[11] Smooth regression analysis, Sankhyà Ser. A, Volume 26 (1964), pp. 359-372
Cité par Sources :
