Nonparametric estimation of a trend based upon sampled continuous processes

David Degras

doi:10.1016/j.crma.2008.12.016

Statistics

Nonparametric estimation of a trend based upon sampled continuous processes
[Estimation non paramétrique d'une tendance à partir de réalisations d'un processus à temps continu]

Présenté par : Paul Deheuvels

David Degras ¹

¹ Laboratoire de statistique théorique et appliquée, Université Paris 6, boîte 158, 175, rue du Chevaleret, 75013 Paris, France

Comptes Rendus. Mathématique, Volume 347 (2009) no. 3-4, pp. 191-194.

Résumé
Abstract

Soit X= ${X (t), t \in [0, T]}$ un processus aléatoire du second ordre dont on observe n réalisations indépendantes sur une grille de p points déterministes. Sous de faibles conditions de régularité sur les trajectoires de X, nous prouvons la normalité asymptotique d'estimateurs non paramétriques de la tendance $μ = E X$ dans l'espace $C ([0, T])$ lorsque $n, p \to \infty$ , puis nous obtenons des bandes de confiance simultanées approchées pour μ à l'aide de la théorie des processus Gaussiens.

Let $X = {X (t), t \in [0, T]}$ be a second order random process of which n independent realizations are observed on a fixed grid of p time points. Under mild regularity assumptions on the sample paths of X, we show the asymptotic normality of suitable nonparametric estimators of the trend function $μ = E X$ in the space $C ([0, T])$ as $n, p \to \infty$ and, using Gaussian process theory, we derive approximate simultaneous confidence bands for μ.

Reçu le : 2008-07-19
Accepté le : 2008-12-19
Publié le : 2009-01-29

DOI : 10.1016/j.crma.2008.12.016

Affiliations des auteurs :

David Degras ¹

¹ Laboratoire de statistique théorique et appliquée, Université Paris 6, boîte 158, 175, rue du Chevaleret, 75013 Paris, France

@article{CRMATH_2009__347_3-4_191_0,
     author = {David Degras},
     title = {Nonparametric estimation of a trend based upon sampled continuous processes},
     journal = {Comptes Rendus. Math\'ematique},
     pages = {191--194},
     publisher = {Elsevier},
     volume = {347},
     number = {3-4},
     year = {2009},
     doi = {10.1016/j.crma.2008.12.016},
     language = {en},
}

TY  - JOUR
AU  - David Degras
TI  - Nonparametric estimation of a trend based upon sampled continuous processes
JO  - Comptes Rendus. Mathématique
PY  - 2009
SP  - 191
EP  - 194
VL  - 347
IS  - 3-4
PB  - Elsevier
DO  - 10.1016/j.crma.2008.12.016
LA  - en
ID  - CRMATH_2009__347_3-4_191_0
ER  -

%0 Journal Article
%A David Degras
%T Nonparametric estimation of a trend based upon sampled continuous processes
%J Comptes Rendus. Mathématique
%D 2009
%P 191-194
%V 347
%N 3-4
%I Elsevier
%R 10.1016/j.crma.2008.12.016
%G en
%F CRMATH_2009__347_3-4_191_0

David Degras. Nonparametric estimation of a trend based upon sampled continuous processes. Comptes Rendus. Mathématique, Volume 347 (2009) no. 3-4, pp. 191-194. doi : 10.1016/j.crma.2008.12.016. https://comptes-rendus.academie-sciences.fr/mathematique/articles/10.1016/j.crma.2008.12.016/

Bibliographie
Cité par

[1] A. Azzalini; A.W. Bowman; W. Härdle On the use of nonparametric regression for model checking, Biometrika, Volume 76 (1989), pp. 1-11

[2] K. Benhenni; M. Rachdi Nonparametric estimation of the average growth curve with a general nonstationary error process, Comm. Statist. Theory Methods, Volume 36 (2007), pp. 1173-1186

[3] H. Cardot Nonparametric estimation of smoothed principal components analysis of sampled noisy functions, J. Nonparametr. Statist., Volume 12 (2000), pp. 503-538

[4] R.M. Clark Non-parametric estimation of a smooth regression function, J. Roy. Statist. Soc. B, Volume 39 (1977), pp. 107-113

[5] D. Degras Asymptotics for the nonparametric estimation of the mean function of a random process, Statist. Probab. Lett., Volume 78 (2008), pp. 2976-2980

[6] D. Degras; R. Jallet Convergence de l'estimateur spline cubique de lissage dans un modèle de régression longitudinale avec erreur de type processus, C. R. Math. Acad. Sci. Paris, Ser. I, Volume 340 (2005), pp. 851-854

[7] R.L. Eubank; P.L. Speckman Confidence bands in nonparametric regression, J. Amer. Statist. Assoc., Volume 88 (1993), pp. 1287-1301

[8] F. Ferraty; P. Vieu Nonparametric Functional Data Analysis, Springer, New York, 2006

[9] J.D. Hart; T.E. Wehrly Kernel regression estimation using repeated measurements data, J. Amer. Statist. Assoc., Volume 81 (1986), pp. 1080-1088

[10] H. Landau; L.A. Shepp On the supremum of a Gaussian process, Sankhyã, Volume 32 (1970), pp. 369-378

[11] G. Knafl; C. Spiegelman; J. Sacks; D. Ylvisaker Nonparametric calibration, Technometrics, Volume 26 (1984), pp. 233-241

[12] D. Pollard Empirical Processes: Theory and Applications, Regional Conference Series in Probability and Statistics, vol. 2, Institute of Mathematical Statistics, Hayward, CA, 1990

[13] J.O. Ramsay; B.W. Silverman Functional Data Analysis, Springer, New York, 2005

[14] Y. Xia Bias-corrected confidence bands in nonparametric regression, J. Roy. Statist. Soc. B, Volume 60 (1998), pp. 797-811

[15] F. Yao Asymptotic distributions of nonparametric regression estimators for longitudinal or functional data, J. Multivariate Anal., Volume 98 (2007), pp. 40-56

Cité par Sources :

Commentaires - Politique