Sélection d'histogrammes modifiés itérés

 Access to full text

 Full (PDF)

1. [1] BARRON A. R. (1988). The convergence in information of probability density estimators. Dans Proceedings of the International Symposium of IEEE on Information Theory, Kobe : Japan, 19-24 Juin. 
2. [2] BARRON A. R., GYÖRFI L. et van der MEULEN E. C. (1992). Distribution estimation consistent in total variation and in two types of information divergence. IEEE Transactions on Information Theory, 38 :1437-1454. Zbl0765.62007MR1178189
3. [3] BERLINET A. et BIAU G. (2004). Iterated modified histograms as dynamical systems. Journal of Nonparametric Statistics, 16 :385-401. Zbl1098.62036MR2073032
4. [4] BERLINET A., BIAU G. et ROUVIÈRE L. (2005). Parameter selection in modified histogram estimates. Statistics, 39 :91-105. Zbl1067.62033MR2145473
5. [5] BERLINET A. et BRUNEL E. (2003). Cross-validated density estimates based on Kullback-Leibler information. Journal of Nonparametric Statistics, 16 :493-513. Zbl1076.62036MR2073038
6. [6] BERLINET A. et DEVROYE L. (1994). A comparison of kernel density estimates. Publications de l'Institut de Statistique de l'Université de Paris, 38 :3-59. Zbl0804.62039MR1743393
7. [7] BERLINET A., VAJDA I. et van der MEULEN E.C. (1998). About the asymptotic accuracy of Barron density estimates. IEEE Transactions on Information Theory, 44 :999-1009. Zbl0952.62029MR1616679
8. [8] BIAU G. (1999). Estimateurs à noyau itérés : synthèse bibliographique. Journal de la Société Française de Statistique, 1 :41-67. 
9. [9] BOSQ D. et LECOUTRE J.P. (1987). Théorie de l'Estimation Fonctionnelle. Economica, Paris. 
10. [10] BRUNEL E. (1999). Sur l'estimation de la densité et de la fonction de hasard : Estimateurs à noyaux et de Barron, critère de Kullback, applications. Thèse de Doctorat, Université Montpellier II. 
11. [11] DEHEUVELS P. (1974). Conditions nécessaires et suffisantes de convergence ponctuelle presque sûre et uniforme presque sûre des estimateurs de la densité. Comptes Rendus Mathématiques de l'Académie des Sciences de Paris, 278 :1217-1220. Zbl0281.62041MR345296
12. [12] DEHEUVELS P. (1977). Estimation non paramétrique de la densité par histogrammes généralisés. Revue de Statistique Appliquée, 25 :5-42. Zbl0375.62038MR501555
13. [13] DEHEUVELS P. et HOMINAL P. (1980). Estimation automatique de la densité. Revue de Statistique Appliquée, 28 :25-55. Zbl0503.62032MR575109
14. [14] DEVROYE L. et LUGOSI G. (2001). Combinatorial Methods in Density Estimation. Springer-Verlag, New York. Zbl0964.62025MR1843146
15. [15] KULLBACK S. (1967). A lower bound for discrimination in terms of variation. IEEE Transactions on Information Theory, 13 :126-127. 
16. [16] MARRON J.S. (1988). Automatic smoothing parameter selection : a survey. Empirical Economics, 13 :187-208. 
17. [17] NADARAYA E.A. (1974). On the integral mean square error of some nonparametric estimates for the density function. Theory of Probability and its Applications, 19 :133-141. Zbl0309.62025
18. [18] SCHEFFÉ H. (1947). A useful convergence theorem for probability distributions. Annals of Mathematical Statistics, 18 :434-458. Zbl0032.29002MR21585
19. [19] SHEATER S.J. et JONES M.C. (1991). A reliable data-based bandwidth selection method for kernel density estimation. Journal ofthe Royal Statistical Society, B53 :683-690. Zbl0800.62219MR1125725
20. [20] SIMONOFF J. (1996). Smoothing Methods in Statistics. Springer, New-York. Zbl0859.62035MR1391963
21. [21] TSYBAKOV A.B. (2004). Introduction à l'estimation non-paramétrique. Springer. Zbl1029.62034MR2013911
22. [22] VAPNIK V.N. et CHERVONENKIS A.Ya. (1971). On the uniform convergence of relative frequencies of events to their probabilities. Theory of Probability and its Applications, 16 :264-280. Zbl0247.60005
23. [23] YATRACOS Y.G. (1985). Rates of convergence of minimun distance estimators and Kolmogorov's entropy. The Annals of Statistics, 13 :768-774. Zbl0576.62057MR790571