Liens entre discrépance et estimation non-paramétrique, méthodologie de sélection de points selon les données disponibles

Vincent Feuillard

Journal de la société française de statistique (2008)

  • Volume: 149, Issue: 1, page 53-80
  • ISSN: 1962-5197

Abstract

top
This article aims at evaluating the quality of a data base by checking that the data, with respect to our objectives, “ best fill ” the space. This work provides some algorithmic and mathematical tools to achieve such a purpose. Extraction and importation techniques to improve the global quality of the data are proposed. An illustration of its application is exposed in the context of functional estimation with orthogonal functions.

How to cite

top

Feuillard, Vincent. "Liens entre discrépance et estimation non-paramétrique, méthodologie de sélection de points selon les données disponibles." Journal de la société française de statistique 149.1 (2008): 53-80. <http://eudml.org/doc/93475>.

@article{Feuillard2008,
abstract = {L’objectif de cet article est d’évaluer la qualité d’une base de données représentant la manière dont celle-ci occupe au mieux son domaine de variation. Le travail réalisé ici propose des outils mathématiques et algorithmiques permettant de réaliser une telle opération. Des techniques d’extraction et d’importation de nouvelles observations sont étudiées. Leurs applications seront illustrées dans le cadre de l’évaluation de paramètres fonctionnels dans un contexte d’estimation par fonctions orthogonales.},
author = {Feuillard, Vincent},
journal = {Journal de la société française de statistique},
keywords = {space filling design; discrepancy; functional estimation},
language = {fre},
number = {1},
pages = {53-80},
publisher = {Société française de statistique},
title = {Liens entre discrépance et estimation non-paramétrique, méthodologie de sélection de points selon les données disponibles},
url = {http://eudml.org/doc/93475},
volume = {149},
year = {2008},
}

TY - JOUR
AU - Feuillard, Vincent
TI - Liens entre discrépance et estimation non-paramétrique, méthodologie de sélection de points selon les données disponibles
JO - Journal de la société française de statistique
PY - 2008
PB - Société française de statistique
VL - 149
IS - 1
SP - 53
EP - 80
AB - L’objectif de cet article est d’évaluer la qualité d’une base de données représentant la manière dont celle-ci occupe au mieux son domaine de variation. Le travail réalisé ici propose des outils mathématiques et algorithmiques permettant de réaliser une telle opération. Des techniques d’extraction et d’importation de nouvelles observations sont étudiées. Leurs applications seront illustrées dans le cadre de l’évaluation de paramètres fonctionnels dans un contexte d’estimation par fonctions orthogonales.
LA - fre
KW - space filling design; discrepancy; functional estimation
UR - http://eudml.org/doc/93475
ER -

References

top
  1. [1] J. B. Aubin. Estimation fonctionnelle par projection adaptative et applications. Thèse de doctorat, Université Pierre et Marie Curie, Paris VI, 2005. 
  2. [2] D. Bosq. Sur l’estimation d’une densité multivariée par une série de fonctions orthogonales. Comptes Rendus de l’Académie des Sciences de Paris, 268 : 555-557, 1969. Zbl0184.42504MR247700
  3. [3] D. Bosq et J. Bluez. Etude d’une classe d’estimateurs non-paramétriques de la densité. Annales de l’institut Henri Poincaré, 14 : 479-498, 1978. Zbl0392.62029MR523224
  4. [4] D. Bosq et J. Lecoutre. Théorie de l’estimation fonctionnelle. Economica, 1987. 
  5. [5] M. Cencov. Evaluation of an unknown distribution density from observations. Soviet Mathematics, 3 : 1559-1562, 1962. Zbl0133.11801
  6. [6] C. Cervellera et M. Muselli. Deterministic design for neural network learning : An approach based on discrepancy. IEEE Transactions on Neural Networks, 15 : 533-544, 2004. 
  7. [7] L. Devroye et L. Győrfi. Nonparametric Density Estimation The L 1 view. John Wiley & Sons, Inc., 1985. Zbl0546.62015MR780746
  8. [8] J. Droesbeke, J. Fine et G. Saporta. Plans d’expériences, Applications à l’entreprise. Technip, 1997. Zbl0947.62504
  9. [9] A. Dvoretzky, J. Kiefer et J. Wolfowitz. Asymptotic minimax character of the sample distribution function and of a classical multinomial estimator. Annals of Mathematical Statistics, 33 : 642-669, 1956. Zbl0073.14603MR83864
  10. [10] V. Feuillard, N. Devictor et R. Phan-Tan-Luu. Liens entre discrépance et estimation non-paramétrique, méthodologie de sélection de points selon les données disponibles. 38e journées de Statistiques, 2006. 
  11. [11] F. Hickernell. The mean square discrepancy of randomized nets. Modeling and Computer Simulation, 6(4) : 274-296, 1996. Zbl0887.65030
  12. [12] F. Hickernell. A generalized discrepancy and quadrature error bound. Mathematics of computation, 67(221) : 299-322, 1998. Zbl0889.41025MR1433265
  13. [13] F. Hickernell. Goodness-of-fit statistics, discrepancies and robust designs. Statistics and Probability Letters, 44 : 73-78, 1999. Zbl0940.62067MR1706366
  14. [14] E. Hlwaka. Funktionen von beschränkter Variation in der Theorie der Gleichverteilung. Annali di Matematica Pura ed Applicata, 54 : 325-333, 1961. Zbl0103.27604MR139597
  15. [15] W. Härdle. Applied nonparametric regression. Cambridge University Press, 1989. Zbl0714.62030MR1161622
  16. [16] J. Marry. Étude de l’Apprentissage Actif : Application à la conduite d’experience. Thèse de doctorat, Université Paris Sud, 2005. 
  17. [17] C. Lemieux et P. L’Ecuyer. On selection criteria for lattice rules and other quasi-monte carlo point sets. Mathematics and Computers in Simulation, 55 : 139-148, 2001. Zbl0981.65007MR1823111
  18. [18] P. Massart. The tight constant in the dvoretzky-kiefer-wolfowitz inequality. Annals of Probability, 18(3) : 1269-1283, 1990. Zbl0713.62021MR1062069
  19. [19] H. Niederreiter. Monte Carlo and Quasi-Monte Carlo Methods. Springer, 1998. Zbl0603.65043MR1644508
  20. [20] B. L. S. Prakasa Rao. Nonparametric functional estimation. Probability and Mathematical Statistics. Academic Press Inc.[Harcourt Brace Jovanovich Publishers], 1983. Zbl0542.62025MR740865
  21. [21] E. Rafajlowicz et R. Schwabe. Halton and Hammersley sequences in multivariate nonparametric regression. Statistics and probability letters, 76(8) : 803-812, 2006. Zbl1089.62045MR2266094
  22. [22] F. Riesz et B. S. Nagy. Functional Analysis. Ungar Publishing Co., 1955. Zbl0070.10902MR71727
  23. [23] G. Sansone. Orthogonal Functions. Krieger, 1977. Zbl0341.42010MR422943
  24. [24] C. Stone. Optimal global rate of convergence for nonparametric regression. Annals of Statistics, 10 : 1040-1053, 1982. Zbl0511.62048MR673642
  25. [25] E. Thiémard. Sur le calcul et la majoration de la discrépance à l’origine. Thèse de doctorat, Ecole Polytechnique Fédérale de Lausanne, 2000. 

NotesEmbed ?

top

You must be logged in to post comments.

To embed these notes on your page include the following JavaScript code on your page where you want the notes to appear.

Only the controls for the widget will be shown in your chosen language. Notes will be shown in their authored language.

Tells the widget how many notes to show per page. You can cycle through additional notes using the next and previous controls.

    
                

                
Note: Best practice suggests putting the JavaScript code just before the closing </body> tag.