Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Résumé du colloque
Objectif Général: Déterminer des valeurs de références neurologiques afin de pouvoir identifier les patients atypiques.
Objectif Spécifique: Évaluation de différentes méthodes pour l'estimation de quantiles extrêmes, plus particulièrement, une méthode basée sur les fonctions B-splines.
Méthodologie: Le modèle logspline est utilisé afin d'estimer les quantiles (extrêmes) d'une distribution. Ce modèle représente, par une combinaison linéaire de fonctions B-splines, le logarithme de la fonction de densité où les paramètres (c.-à-d. les coefficients associés à la combinaison linéaire) sont estimés par la méthode du maximum de vraisemblance. Une procédure adaptative et automatique est utilisée pour la sélection des noeuds. Les quantiles sont obtenus de façon naturelle à partir de l'estimé (fonctionnel) de la fonction de densité (c.-à-d. en utilisant la définition statistique d'un quantile). Ce modèle sera brièvement décrit lors de la présentation.
Démarche: À l'aide de simulations, la méthode logspline sera comparée à d'autres estimateurs, notamment, les modèles pour ailes exponentielles et quadratiques pour l'estimation de quantiles extrêmes. On examinera plus particulièrement le cas où la taille d'échantillon est petite (20-50), le quantile à estimer est relativement élevé (95 et 99 ième), et la distribution à estimer est asymétrique.
Résultats et conclusion: Le modèle logspline s'avère être un bon compétiteur et une bonne alternative comparativement à d'autres estimateurs non-paramétriques. De plus, il permet d'obtenir un estimé fonctionnel de la distribution ce qui le rend utile pour une variété de problèmes statistiques autre que celui de l'estimation de quantile.
Vous devez être connecté pour ajouter un élément à vos favoris.
Veuillez vous connecter ou créer un compte pour continuer.
Outils de citation
Citer cet article :
MLA
APA
Chicago
Ajouter un dossier
Vous pouvez ajouter vos contenus préférés à des dossiers organisés. Une fois le dossier créé,
vous pouvez ajouter un article ou un contenu de la liste ou de la vue détaillée au dossier sélectionné dans la liste.