Régression et prédiction non-paramétrique spatiale
Résumé
Nous nous intéressons à l'estimation de la fonction de régression $r(x)=E\left(Y_{\mathbfu}|X_{\mathbfu}=x\right)$ à partir d'observations d'un processus $\left\{ Z_{\mathbfi}=\left(X_{\mathbfi},\ Y_{\mathbfi}\right),\,\mathbfi\in\mathbbZ^N\right\}. On suppose que les variables $Z_{\mathbfi}$ sont de même distribution que $Z=(X,Y)$, où $Y$ est une variable réelle, intégrable et $X$ un vecteur aléatoire à valeurs dans un espace séparable $\mathcalE$ muni (éventuellement de dimension infinie). Dans ce travail, la convergence nos estimateurs est étudiée sous conditions de mélange à partir d'observations dans une région rectangulaire de $\mathbbZ^N$. Nous illustrerons nos résultats par des simulations. L'application de nos méthodes à la prédiction spatiale sera également abordée.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...