Non-parametric recursive density estimation for spatial data

Aboubacar Amiri 1 Sophie Dabo-Niang 1, 2 Mohamed Yahaya 3, 1
2 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
Abstract : This paper deals with non-parametric density estimation for spatial data. We study the asymptotic properties of a new recursive version of the Parzen–Rozenblatt estimator. The mean square error and an almost sure convergence result with rate of such estimator are derived.
Type de document :
Article dans une revue
Comptes Rendus Mathématique, Elsevier Masson, 2016, 〈10.1016/j.crma.2015.10.010〉
Liste complète des métadonnées

https://hal.inria.fr/hal-01425935
Contributeur : Sophie Dabo-Niang <>
Soumis le : mercredi 4 janvier 2017 - 08:31:36
Dernière modification le : mercredi 14 novembre 2018 - 14:40:11

Lien texte intégral

Identifiants

Collections

Citation

Aboubacar Amiri, Sophie Dabo-Niang, Mohamed Yahaya. Non-parametric recursive density estimation for spatial data. Comptes Rendus Mathématique, Elsevier Masson, 2016, 〈10.1016/j.crma.2015.10.010〉. 〈hal-01425935〉

Partager

Métriques

Consultations de la notice

291