Estimation récursive en régression inverse par tranche (sliced inverse regression)
SARACCO, Jérôme
Institut de Mathématiques de Bordeaux [IMB]
Quality control and dynamic reliability [CQFD]
Institut de Mathématiques de Bordeaux [IMB]
Quality control and dynamic reliability [CQFD]
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 nous intéressons à la méthode SIR (Sliced Inverse Regression, que l'on peut traduire par régression inverse par tranches) qui permet d'estimer le paramètre $\theta$ dans un modèle semi-paramétrique ...Leer más >
Dans cette communication, nous nous intéressons à la méthode SIR (Sliced Inverse Regression, que l'on peut traduire par régression inverse par tranches) qui permet d'estimer le paramètre $\theta$ dans un modèle semi-paramétrique de régression du type $y=f(x'\theta,\varepsilon)$ sans avoir à estimer le paramètre fonctionnel $f$ ni à spécifier la loi de l'erreur $\varepsilon$. Nous proposons un estimateur récursif de la direction de $\theta$ dans le cas particulier où l'on considère $H=2$ tranches. Nous donnons des propriétés asymptotiques de cet estimateur (convergence et normalité asymptotique). Nous illustrons aussi sur des simulations le bon comportement numérique de la méthode proposée.< Leer menos
Orígen
Importado de HalCentros de investigación