Estimation des quantiles conditionnels par quantification optimale : nouveaux résultats

Résumé : Résumé. Nous construisons un estimateur non-paramétrique des quantiles conditionnels de Y sachant X en utilisant la quantification optimale. Les quantiles conditionnels sont particulièrement intéressants lorsqu'il apparat que la moyenne conditionnelle seule ne permet pas de représenter convenablement l'impact de la covariable X sur la variable dépendante Y . La quantification optimale en norme L p est une méthode de discrétisation utilisée depuis les années 1950 en ingénierie. Elle permet d'obtenir la meilleure approximation d'une distribution continue par une distribution discrète de support de taille N. Le but de ce travail est donc d'appliquer la quantification optimale à l'estimation de quantiles conditionnels. Nous étudions la convergence de l'approximation ainsi définie (N → ∞) et de l'estimateur en découlant (n → ∞). Celui-ci a été implémenté dans R afin d'en évaluer le comportement numérique et de réaliser une étude de simulations. Nous l'avons ensuite comparé aux méthodes existantes.
Type de document :
Communication dans un congrès
46èmes Journées de Statistique, Jun 2014, Rennes, France
Liste complète des métadonnées

Littérature citée [6 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01109003
Contributeur : Isabelle Charlier <>
Soumis le : vendredi 23 janvier 2015 - 19:42:13
Dernière modification le : jeudi 11 janvier 2018 - 06:22:11
Document(s) archivé(s) le : samedi 12 septembre 2015 - 06:34:39

Fichier

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

Identifiants

  • HAL Id : hal-01109003, version 1

Collections

Citation

Isabelle Charlier, Davy Paindaveine, Jérôme Saracco. Estimation des quantiles conditionnels par quantification optimale : nouveaux résultats. 46èmes Journées de Statistique, Jun 2014, Rennes, France. 〈hal-01109003〉

Partager

Métriques

Consultations de la notice

273

Téléchargements de fichiers

163