Mémoires de Fin d’Etudes
Etablissement
Université de Biskra - Mohamed Khider
Affiliation
Département de Mathématique
Auteur
ABDALLAH, Sayah
Directeur de thèse
Abdelhakim NECIR (Professeur)
Co-directeur
Brahim MEZERDI (Professeur)
Filière
Mathématiques
Diplôme
Doctorat
Titre
Kernel quantile estimation for heavy-tailed distributions
Mots clés
Kernel quantile estimation -(AMSE) -(EQM)
Résumé
Des problèmes de biais ou d’inefficacité peut se produire dans l’estimation à noyau classique des quantiles en considérant les seuils de probabilité élevée dans le cas des distributions à queue lourde. Dans cette thèse, nous proposons un nouvel estimateur de la fonction des quantiles, basé sur la transformation de Champernowne modifiée et nous obtenons une expression pour la valeur du paramètre de lissage qui minimise l’erreur quadratique moyenne asymptotique (AMSE) de l’estimateur transformé ainsi que l’erreur quadratique moyenne asymptotique associée à cette fenêtre optimale. Notre objectif en utilisant cette nouvelle approche qui est basée sur la distribution de Champernowne modifiée qui se comporte comme la distribution de Pareto est pour la réduction de l’erreur quadratique moyenne (EQM) de l’estimateur à noyau des quantiles pour les niveaux de probabilité élevée. Cette approche montre la performance de l’estimateur à noyau transformé sur l’estimateur à noyau classique des quantiles extrêmes pour les distributions à queue lourde.
Date de soutenance
2011/2012
Cote
Thé/1462
Pagination
01
Illusatration
74
Format
4
Notes
Des problèmes de biais ou d’inefficacité peut se produire dans l’estimation à noyau classique des quantiles en considérant les seuils de probabilité élevée dans le cas des distributions à queue lourde. Dans cette thèse, nous proposons un nouvel estimateur
Statut
Soutenue