ProblÃ¨mes de rÃ©duction de dimension pour la rÃ©gression en ... - Isped

More documents

Recommendations

Info

Les conditions d’identifiabilité Modèle non linéaire Nouvel estimateur de F (x, y) Modèle de régression single-indexRégression en présence de données censuréesModèle semiparamétrique de Cox (ou Proportional HazardRegression Model) :h(t|x) = h 0 (t)e θ′ 0 x ,où h(t|z) taux de hasard conditionnel, h 0 fonctioninconnue, θ 0 ∈ R d inconnu.Autres modèles de régression : modèles portant surE[Y |X], modèles de régression quantile...But de cet exposé : Modèle de régression single-index enprésence de censureE[Y |X = x] = E[Y |θ ′ 0 X = θ′ 0 x] = m θ 0(θ ′ 0 x).
Les conditions d’identifiabilité Modèle non linéaire Nouvel estimateur de F (x, y) Modèle de régression single-indexObjectifs et difficultés rencontrées"Fléau de la dimension" frappant les estimateurs nonparamétriques de E[Y |X]Impossibilité d’utiliser la fonction de répartition empirique(remplacée par l’estimateur de Kaplan-Meier ou d’autresestimateurs)Sous certaines conditions d’identifiabilité, un nouveaufléau de la dimension frappe même les approches oùE[Y |X = x] appartient à un modèle paramétrique
Page 2 and 3: Les conditions d’identifiabilité
Page 60 and 61:
Les conditions d’identifiabilité
Page 62 and 63:
Page 64 and 65:
Page 66 and 67:
Page 68 and 69:
Page 70 and 71:
Page 72 and 73:
Page 74 and 75:
Page 76 and 77:
Page 78 and 79:
Page 80 and 81:
Page 82 and 83:
Page 84 and 85:
Page 86 and 87:
Page 88 and 89:
Page 90 and 91:
Page 92 and 93:
Page 94 and 95:
Page 96 and 97:
Page 98 and 99:
Page 100 and 101:
Page 102 and 103:
Page 104 and 105:
Page 106 and 107:
Page 108 and 109:
Page 110 and 111:
Page 112 and 113:
Page 114 and 115:
Page 116 and 117:
Page 118 and 119:
Page 120 and 121:
Page 122 and 123:
Page 124 and 125:
show all

ProblÃ¨mes de rÃ©duction de dimension pour la rÃ©gression en ... - Isped

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?