ParisTech se présente
 Evénements
 
 Etudier à ParisTech
 La coopération internationale
 Ressources documentaires
 Vivre à ParisTech
 ParisTech et les entreprises
 ParisTech Libres Savoirs
 
 

Réduction de dimension en présence de données censurées.

Accueil || Parcours || Recherche || S'enregistrer || Mon Compte || Contacts || Aide || Langues

Lopez, Olivier (2007) Réduction de dimension en présence de données censurées. Doctorat Mathématiques, ENSAE p.252.

Plein texte disponible en tant que :

- these_final.pdf ( 1264 Kb )
Licence: Copyright

Autres Localisations: http://tel.archives-ouvertes.fr/docs/00/19/52/61/PDF/These_Olivier_Lopez.pdf

Résumé

Nous considérons des modèles de régression où la variable expliquée est censurée à droite aléatoirement. Nous proposons de nouveaux estimateurs de la fonction de régression dans des modèles paramétriques, et nous proposons une procédure de test non paramétrique d'adéquation à ces modèles. Nous prolongeons ces méthodes à l'étude du modèle semi-paramétrique "single-index", généralisant des techniques de réduction de dimension utilisées en l'absence de censure. Nous nous penchons tout d'abord sur des modèles reposant sur des hypothèses d'identifiabilité plus fortes, avant de travailler

dans un cadre où la variable expliquée et la censure sont indépendantes conditionnellement aux variables explicatives. Une difficulté spécifique à ce type de modèle tient en l'impossibilité des techniques actuelles à proposer des modèles de régression avec plusieurs variables explicatives. Nous développons une nouvelle approche de réduction de la dimension pour ce type de problème.

Type d'EPrint:Thèse (Doctorat)
Directeur de Thèse:Delecroix, Michel
Date:12 Décembre 2007
Jury de Thèse:Bertail, Patrice et Stute, Winfried et Picard, Dominique et Delyon, Bernard et Delecroix, Michel et Patilea, Valentin
Ecole Doctorale:ED 359 MATHEMATIQUES, INFORMATIQUE, SIGNAL, ELECTRONIQUE ET TELECOMMUNICATIONS
Discipline:Mathématiques
Fonds:ENSAE ParisTech
Institution:ENSAE
Sujets:1. Mathématiques et leurs applications
Mots-clés libres:Statistique non et semi paramétrique, Analyse de survie, Modèles de régression, Tests non paramétriques, Censure aléatoire
Code ID:3932
Déposé par :Olivier Lopez
Déposé le :02 Juillet 2008

Statistiques de consultation

Administrateurs de l'archive uniquement : éditer cet enregistrement

 
ParisTech
 
droits de reproduction et de diffusion réservés © ParisTech 2007