Non-parametric recursive density estimation for spatial data

Aboubacar Amiri 1 Sophie Dabo-Niang 1, 2 Mohamed Yahaya 3, 1
1 LEM - Lille - Economie et Management
2 MODAL - MOdel for Data Analysis and Learning
LPP - Laboratoire Paul Painlevé - UMR 8524, Inria Lille - Nord Europe, CERIM - Santé publique : épidémiologie et qualité des soins-EA 2694, Polytech Lille, Université de Lille 1, IUT’A
3 Université des Comores
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 : mardi 3 juillet 2018 - 11:45:27

Lien texte intégral

openaccess

Identifiants

Collections

INSMI | INRIA | LEM_LILLE

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〉

Exporter

BibTeX TEI DC DCterms EndNote

Partager

Métriques

Consultations de la notice

286

Contact


archive-ouverte@inria.fr