Kernel quantile estimation for heavy-tailed distributions

SAYAH, ABDALLAH (2012) Kernel quantile estimation for heavy-tailed distributions. ["eprint_fieldopt_thesis_type_phd" not defined] thesis, Université Mohamed Khider - Biskra.

[img]
Preview
Text
Thèse.pdf

Download (462kB) | Preview

Abstract

Des problèmes de biais ou d'inefficacité peut se produire dans l'estimation à noyau classique des quantiles en considérant les seuils de probabilité élevée dans le cas des distributions à queue lourde. Dans cette thèse, nous proposons un nouvel estimateur de la fonction des quantiles, basé sur la transformation de Champernowne modifiée et nous obtenons une expression pour la valeur du paramètre de lissage qui minimise l'erreur quadratique moyenne asymptotique (AMSE) de l'estimateur transformé ainsi que l'erreur quadratique moyenne asymptotique associée à cette fenêtre optimale. Notre objectif en utilisant cette nouvelle approche qui est basée sur la distribution de Champernowne modifiée qui se comporte comme la distribution de Pareto est pour la réduction de l'erreur quadratique moyenne (EQM) de l'estimateur à noyau des quantiles pour les niveaux de probabilité élevée. Cette approche montre la performance de l'estimateur à noyau transformé sur l'estimateur à noyau classique des quantiles extrêmes pour les distributions à queue lourde

Item Type: Thesis (["eprint_fieldopt_thesis_type_phd" not defined])
Uncontrolled Keywords: Bandwidth; Champernowne distribution; Heavy tails; Kernel estimator; Quantile function.
Subjects: Q Science > QA Mathematics
Divisions: Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie > Département de Mathématiques
Depositing User: Admin01 TMLBiskra
Date Deposited: 14 Dec 2015 15:19
Last Modified: 14 Dec 2015 15:19
URI: http://thesis.univ-biskra.dz/id/eprint/1617

Actions (login required)

View Item View Item