Cette Note porte sur l'estimation d'une fonction de régression régulière par les splines cubiques de lissage. Un ordre de convergence est établi pour les erreurs quadratiques moyennes discrétisée et intégrée (MDSE et MISE) de l'estimateur, quand le bruit dans les données est un processus aléatoire.
This Note deals with the estimation of a smooth regression function by natural cubic splines. A convergence rate is obtained for the estimate's mean discretized and integrated squared error (MDSE and MISE) with random process noise in the data.
Accepté le :
Publié le :
@article{CRMATH_2005__340_11_851_0,
author = {David Degras and Roxane Jallet},
title = {Convergence de l'estimateur spline cubique de lissage dans un mod\`ele de r\'egression longitudinale avec erreur de type processus},
journal = {Comptes Rendus. Math\'ematique},
pages = {851--854},
publisher = {Elsevier},
volume = {340},
number = {11},
year = {2005},
doi = {10.1016/j.crma.2005.04.011},
language = {fr},
}
TY - JOUR AU - David Degras AU - Roxane Jallet TI - Convergence de l'estimateur spline cubique de lissage dans un modèle de régression longitudinale avec erreur de type processus JO - Comptes Rendus. Mathématique PY - 2005 SP - 851 EP - 854 VL - 340 IS - 11 PB - Elsevier DO - 10.1016/j.crma.2005.04.011 LA - fr ID - CRMATH_2005__340_11_851_0 ER -
%0 Journal Article %A David Degras %A Roxane Jallet %T Convergence de l'estimateur spline cubique de lissage dans un modèle de régression longitudinale avec erreur de type processus %J Comptes Rendus. Mathématique %D 2005 %P 851-854 %V 340 %N 11 %I Elsevier %R 10.1016/j.crma.2005.04.011 %G fr %F CRMATH_2005__340_11_851_0
David Degras; Roxane Jallet. Convergence de l'estimateur spline cubique de lissage dans un modèle de régression longitudinale avec erreur de type processus. Comptes Rendus. Mathématique, Volume 340 (2005) no. 11, pp. 851-854. doi : 10.1016/j.crma.2005.04.011. https://comptes-rendus.academie-sciences.fr/mathematique/articles/10.1016/j.crma.2005.04.011/
[1] A nonparametric model for unbalanced longitudinal data, with application to geophysical data, Comput. Statist., Volume 10 (1995), pp. 285-298
[2] Nonparametric estimation of smoothed principal components analysis of sampled noisy functions, J. Nonparametr. Statist., Volume 12 (2000) no. 4, pp. 503-538
[3] Convergence en moyenne quadratique de l'estimateur de la régression par splines hybrides, C. R. Acad. Sci. Paris, Ser. I, Volume 326 (1998), pp. 615-618
[4] Optimal smoothing of noisy data with spline functions, Numer. Math., Volume 31 (1979), pp. 316-356
[5] Nonparametric Regression and Generalized Linear Models, Chapman and Hall, London, 1994
[6] Longitudinal data with nonstationnary errors: a nonparametric three-stages approach, Test, Volume 8 (1999), pp. 201-231
[7] Error bounds for derivatives estimates based on spline smoothing of exact or noisy data, J. Approx. Theory, Volume 27 (1983), pp. 335-355
[8] Smoothing by spline functions, Numer. Math., Volume 140 (1967), pp. 177-183
[9] Spline functions and the problem of graduation, Proc. Nat. Acad. Sci. USA, Volume 52 (1964) no. 4, pp. 947-950
[10] Spline smoothing and optimal rates of convergence in nonparametric regression models, Ann. Statist., Volume 13 (1985) no. 3, pp. 970-983
[11] Natural spline functions, their associated eigenvalue problem, Numer. Math., Volume 42 (1983), pp. 107-117
Cité par Sources :
Commentaires - Politique
Nonparametric estimation of a trend based upon sampled continuous processes
David Degras
C. R. Math (2009)
Mustapha Rachdi; Philippe Vieu
C. R. Math (2005)
Estimation spline de quantiles conditionnels pour variables explicatives fonctionnelles
Hervé Cardot; Christophe Crambes; Pascal Sarda
C. R. Math (2004)