BERCU, Bernard; FRAYSSE, Philippe

doi:10.1214/12-AOS969

Métadonnées

Afficher la notice complète

Licence d’utilisation du document

BERCU, Bernard
Institut de Mathématiques de Bordeaux [IMB]
Advanced Learning Evolutionary Algorithms [ALEA]

FRAYSSE, Philippe
Institut de Mathématiques de Bordeaux [IMB]
Advanced Learning Evolutionary Algorithms [ALEA]

Langue

Article de revue

Ce document a été publié dans

Annals of Statistics. 2012, vol. 40, n° 2, p. 666-693

Institute of Mathematical Statistics

Résumé en anglais

This paper is devoted to the parametric estimation of a shift together with the nonparametric estimation of a regression function in a semiparametric regression model. We implement a Robbins-Monro procedure very efficient and easy to handle. On the one hand, we propose a stochastic algorithm similar to that of Robbins-Monro in order to estimate the shift parameter. A preliminary evaluation of the regression function is not necessary for estimating the shift parameter. On the other hand, we make use of a recursive Nadaraya-Watson estimator for the estimation of the regression function. This kernel estimator takes in account the previous estimation of the shift parameter. We establish the almost sure convergence for both Robbins-Monro and Nadaraya-Watson estimators. The asymptotic normality of our estimates is also provided.< Réduire

Métadonnées

Licence d’utilisation du document

A Robbins-Monro procedure for estimation in semiparametric regression models

Langue

Ce document a été publié dans

Résumé en anglais

DOI

Origine

Unités de recherche