Application de la Quantification Optimale à la méthode SIR

Romain Azaïs 1, 2 Anne Gégout-Petit 1, 2 Jérôme Saracco 1, 2
2 CQFD - Quality control and dynamic reliability
IMB - Institut de Mathématiques de Bordeaux, Inria Bordeaux - Sud-Ouest
Résumé : On considère un modèle de régression semi-paramétrique dans lequel la variable explicative $X$ est de dimension $d$ et intervient seulement via sa projection $\beta'X$. Pour ce modèle, le problème majeur est l'estimation du paramètre vectoriel $\beta$ et la prédiction de la variable réponse réelle $Y$ conditionnellement a $X$. Notre approche est fondée sur la méthode SIR (pour Sliced Inverse Regression) et la quantification optimale en norme $\mathbb{L}^p$. Nous démontrons la convergence des estimateurs propos es de $\beta$ et de la loi conditionnelle. Des simulations montrent le bon comportement numérique des estimateurs.
Type de document :
Communication dans un congrès
43èmes Journées de Statistique, May 2011, Gammarth, Tunisie. 2011
Liste complète des métadonnées

Littérature citée [12 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-00643820
Contributeur : Romain Azaïs <>
Soumis le : mardi 22 novembre 2011 - 19:29:19
Dernière modification le : jeudi 18 octobre 2018 - 11:24:09
Document(s) archivé(s) le : lundi 5 décembre 2016 - 09:54:45

Fichier

azais_sfds.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00643820, version 1

Collections

Citation

Romain Azaïs, Anne Gégout-Petit, Jérôme Saracco. Application de la Quantification Optimale à la méthode SIR. 43èmes Journées de Statistique, May 2011, Gammarth, Tunisie. 2011. 〈hal-00643820〉

Partager

Métriques

Consultations de la notice

233

Téléchargements de fichiers

225