Convergence de l'estimateur à noyau des <i>k</i> plus proches voisins en régression fonctionnelle non-paramétrique

Florent Burba; Frédéric Ferraty; Philippe Vieu

doi:10.1016/j.crma.2008.01.022

Statistique

Convergence de l'estimateur à noyau des k plus proches voisins en régression fonctionnelle non-paramétrique

Présenté par : Paul Deheuvels

Florent Burba ¹ ; Frédéric Ferraty ¹ ; Philippe Vieu ¹

¹ I.M.T., UMR 5219, Université Paul-Sabatier, 31062 Toulouse, France

Comptes Rendus. Mathématique, Volume 346 (2008) no. 5-6, pp. 339-342.

Résumé
Abstract

Cet article s'intéresse à la méthode des k plus proches voisins lorsqu'on régresse une variable réelle sur une variable fonctionnelle (i.e. à valeurs dans un espace de dimension infinie). Plus précisément, on considère un estimateur à noyau de la régression construit à partir d'une fenêtre locale permettant de prendre en compte exactement les k plus proches voisins. Bien que couramment utilisée en pratique pour le traitement de données fonctionnelles, cette méthode n'a aucun résultat théorique à ce jour. Cette Note a donc pour objectif de montrer la convergence presque-complète ponctuelle de cet estimateur non-paramétrique fonctionnel.

This note focuses on the k nearest neighbor method when one regresses a real random variable on a functional random variable (i.e. valued in an infinite-dimensional space). More precisely, we consider a kernel estimator of the regression based on a local bandwidth using exactly the k nearest neighbors. Although it is frequently used in functional data analysis, this method has not given any theoretical result so far. The aim of this Note is to show the pointwise almost-complete convergence of the k nearest neighbor kernel estimator in nonparametric functional regression.

Reçu le : 2007-10-26
Accepté le : 2008-01-29
Publié le : 2008-02-20

DOI : 10.1016/j.crma.2008.01.022

Affiliations des auteurs :

Florent Burba ¹ ; Frédéric Ferraty ¹ ; Philippe Vieu ¹

¹ I.M.T., UMR 5219, Université Paul-Sabatier, 31062 Toulouse, France

@article{CRMATH_2008__346_5-6_339_0,
     author = {Florent Burba and Fr\'ed\'eric Ferraty and Philippe Vieu},
     title = {Convergence de l'estimateur \`a noyau des \protect\emph{k} plus proches voisins en r\'egression fonctionnelle non-param\'etrique},
     journal = {Comptes Rendus. Math\'ematique},
     pages = {339--342},
     publisher = {Elsevier},
     volume = {346},
     number = {5-6},
     year = {2008},
     doi = {10.1016/j.crma.2008.01.022},
     language = {fr},
}

TY  - JOUR
AU  - Florent Burba
AU  - Frédéric Ferraty
AU  - Philippe Vieu
TI  - Convergence de l'estimateur à noyau des k plus proches voisins en régression fonctionnelle non-paramétrique
JO  - Comptes Rendus. Mathématique
PY  - 2008
SP  - 339
EP  - 342
VL  - 346
IS  - 5-6
PB  - Elsevier
DO  - 10.1016/j.crma.2008.01.022
LA  - fr
ID  - CRMATH_2008__346_5-6_339_0
ER  -

%0 Journal Article
%A Florent Burba
%A Frédéric Ferraty
%A Philippe Vieu
%T Convergence de l'estimateur à noyau des k plus proches voisins en régression fonctionnelle non-paramétrique
%J Comptes Rendus. Mathématique
%D 2008
%P 339-342
%V 346
%N 5-6
%I Elsevier
%R 10.1016/j.crma.2008.01.022
%G fr
%F CRMATH_2008__346_5-6_339_0

Florent Burba; Frédéric Ferraty; Philippe Vieu. Convergence de l'estimateur à noyau des k plus proches voisins en régression fonctionnelle non-paramétrique. Comptes Rendus. Mathématique, Volume 346 (2008) no. 5-6, pp. 339-342. doi : 10.1016/j.crma.2008.01.022. https://comptes-rendus.academie-sciences.fr/mathematique/articles/10.1016/j.crma.2008.01.022/

Bibliographie
Cité par

[1] P.K. Bhattacharya; Y.P. Mack Weak convergence of k-NN density and regression estimators with varying k and applications, Ann. Statist., Volume 15 (1987), pp. 976-994

[2] G. Biau; F. Bunea; M.H. Wegkamp Functional classification in Hilbert spaces, IEEE Trans. Inform. Theory, Volume 51 (2005), pp. 2163-2172

[3] L. Breiman; W. Meisel; E. Purcell Variable kernel estimates of multivariate densities, Technometrics, Volume 19 (1977), pp. 135-144

[4] F. Cérou; A. Gudayer Nearest neighbor classification in infinite dimension, ESAIM P&S, Volume 10 (2006), pp. 340-355

[5] H. Chernoff A measure of asymptotic efficiency for tests of a hypothesis based on the sum of observations, Ann. Math. Stat., Volume 23 (1952), pp. 493-507

[6] G. Collomb Estimation de la régression par la méthode des k points les plus proches avec noyau : quelques propriétés de convergence ponctuelle, Nonparametric Asymptotic Statistics, Lecture Notes in Mathematics, vol. 821, Springer-Verlag, 1980, pp. 159-175

[7] S. Dabo-Niang, Sur l'estimation de la densité en dimension infinie : applications aux diffusions, Thèse de Doctorat, Université Paris 6, 2002

[8] L. Devroye; T.J. Wagner Nearest neighbor methods in discrimination, Classification, Pattern Recognition and Reduction of Dimensionnality, Handbook of Statistics, vol. 2, North-Holland, Amsterdam, 1982, pp. 193-197

[9] F. Ferraty; P. Vieu Nonparametric Functional Data Analysis: Theory and Practice, Springer Series in Statistics, Springer, New York, 2006

[10] L. Györfi The rate of convergence of kNN-regression estimation and classification, IEEE Trans. Inform. Theory, Volume 27 (1981), pp. 500-509

[11] L. Györfi; M. Kohler; A. Krzyzak; H. Walk A Distribution-Free Theory of Nonparametric Regression, Springer Series in Statistics, Springer-Verlag, New York, 2002

[12] Y.P. Mack Local properties of kNN-regression estimates, J. Alg. Disc. Meth., Volume 2 (1981), pp. 311-323

Cité par Sources :

Commentaires - Politique