Régression inverse par tranches pour une population stratifiée
CHAVENT, Marie
Institut de Mathématiques de Bordeaux [IMB]
Quality control and dynamic reliability [CQFD]
Institut de Mathématiques de Bordeaux [IMB]
Quality control and dynamic reliability [CQFD]
KUENTZ, Vanessa
Centre national du machinisme agricole, du génie rural, des eaux et forêts [CEMAGREF]
Leer más >
Centre national du machinisme agricole, du génie rural, des eaux et forêts [CEMAGREF]
CHAVENT, Marie
Institut de Mathématiques de Bordeaux [IMB]
Quality control and dynamic reliability [CQFD]
Institut de Mathématiques de Bordeaux [IMB]
Quality control and dynamic reliability [CQFD]
KUENTZ, Vanessa
Centre national du machinisme agricole, du génie rural, des eaux et forêts [CEMAGREF]
Centre national du machinisme agricole, du génie rural, des eaux et forêts [CEMAGREF]
SARACCO, Jérôme
Institut de Mathématiques de Bordeaux [IMB]
Quality control and dynamic reliability [CQFD]
< Leer menos
Institut de Mathématiques de Bordeaux [IMB]
Quality control and dynamic reliability [CQFD]
Idioma
fr
Communication dans un congrès
Este ítem está publicado en
42èmes Journées de Statistique, 2010, Marseille. 2010
Resumen
Dans cette communication, nous considérons un modèle semiparamétrique de régression dans lequel une variable à expliquer $Y$ dépend d'une covariable quantitative $X$ de dimension $p$ et d'une variable qualitative $Z$. Cette ...Leer más >
Dans cette communication, nous considérons un modèle semiparamétrique de régression dans lequel une variable à expliquer $Y$ dépend d'une covariable quantitative $X$ de dimension $p$ et d'une variable qualitative $Z$. Cette covariable $Z$ définit une stratification de la population. Ce modèle inclut une reduction de sa partie explicative via un indice $X'\beta$. Nous proposons une approche fondée sur la méthode SIR (Sliced Inverse Regression ou régression inverse par tranches en français) afin d'estimer la direction du vecteur de paramètre $\beta$. Nous avons obtenu des résultats asymptotiques pour l'estimateur proposé (convergence et normalité asymptotique). Des simulations ont montré le bon comportement numérique de l'estimateur dans les cas homoscédastique et hétéroscédastique.< Leer menos
Orígen
Importado de HalCentros de investigación