Non-parametric level set estimation for spatial data

Sophie Dabo-Niang 1 Guy-Martial Nkiet 2 Stéphane Bouka 3
1 MODAL - MOdel for Data Analysis and Learning
Inria Lille - Nord Europe, LPP - Laboratoire Paul Painlevé - UMR 8524, CERIM - Santé publique : épidémiologie et qualité des soins-EA 2694, Polytech Lille - École polytechnique universitaire de Lille, Université de Lille, Sciences et Technologies
2 Ecole polytechnique de Masuku (EPM)
3 Faculté des Sciences
Abstract : A non-parametric level set estimator of the density of a stationary d-dimensional spatial process is proposed. The estimator is deduced from a non-parametric kernel density estimator. Berry-Esseen bounds are established and used to give consistency results of the kernel level set estimation, derived from that of the kernel density estimate under some mild conditions.
Type de document :
Article dans une revue
Advances and Applications in Statistics, 2015, 46 (2), pp.119 - 158. 〈10.17654/ADASAug2015_119_158〉
Liste complète des métadonnées
https://hal.inria.fr/hal-01206787
Contributeur : Sophie Dabo-Niang <>
Soumis le : mardi 29 septembre 2015 - 15:57:53
Dernière modification le : mercredi 14 novembre 2018 - 14:40:11

Identifiants

Collections

INRIA | INSMI | LEM_LILLE

Citation

Sophie Dabo-Niang, Guy-Martial Nkiet, Stéphane Bouka. Non-parametric level set estimation for spatial data. Advances and Applications in Statistics, 2015, 46 (2), pp.119 - 158. 〈10.17654/ADASAug2015_119_158〉. 〈hal-01206787〉

Exporter

BibTeX TEI DC DCterms EndNote

Partager

Métriques

Consultations de la notice

259

Contact


archive-ouverte@inria.fr