Denis BOSQ est Professeur à l'Université Paris 6. Il a publié une centaine de travaux sur la Statistique non paramétrique et la Statistique des processus, et a écrit cinq livres. Il est éditeur en chef de " Statistical inférence for stochastic processes " et des " Annales de l'ISUP ".
Inférence et prévision en grandes dimensions
Par :Formats :
- Paiement en ligne :
- Livraison à domicile ou en point Mondial Relay estimée à partir du 9 octobreCet article sera commandé chez un fournisseur et vous sera envoyé 22 jours après la date de votre commande.
- Retrait Click and Collect en magasin gratuit
- Réservation en ligne avec paiement en magasin :
- Indisponible pour réserver et payer en magasin
- Nombre de pages194
- PrésentationBroché
- Poids0.35 kg
- Dimensions15,5 cm × 24,0 cm × 1,2 cm
- ISBN2-7178-5009-0
- EAN9782717850093
- Date de parution05/04/2005
- CollectionEconomie statistiques avancées
- ÉditeurEconomica
Résumé
Cet ouvrage a pour but d'étudier l'inférence et la prévision statistique lorsque les données et (ou) le paramètre sont en grande dimension, éventuellement infinie ; en particulier quand les données sont des courbes et (ou) le paramètre est une fonction. Les deux premiers chapitres sont consacrés à la Théorie générale de la prévision statistique, considérée comme une extension de la Théorie de l'estimation. On s'intéresse ensuite à l'estimation fonctionnelle et aux tests fonctionnels en mettant l'accent sur les méthodes de projection, éventuellement adaptative. Les estimateurs obtenus permettent de construire des prédicteurs non paramétriques pour des processus à temps discret ou continu. Enfin on étudie les processus linéaires en dimension infinie et leur application à la prévision des processus à temps continu. Les méthodes de prévision présentées ici ont donné lieu à de nombreuses applications pratiques.
