Colloque

Estimation d'une matrice de covariance qui est près de la matrice identité

François Perron

Membre a labase

François Perron

Résumé du colloque

Le problème consiste à estimer une matrice de covariance Σ : p × p à partir de la matrice de covariance échantillonnale S qui est distribuée selon une loi de distribution Wishart (W_p (Σ, n)) de paramètres Σ et n (n étant donné). Il est bien connu que lorsque Σ est près de l'identité, la solution proposée par Stein est très performante. Par contre, l'estimateur de Stein ne se comporte pas aussi bien lorsque Σ s'éloigne de l'identité de façon appréciable. Je vais présenter d'autres estimateurs qui ont un meilleur comportement lorsque Σ est loin de l'identité mais dont la performance, quand Σ est près de l'identité, est proche de celle de l'estimateur de Stein.

Contexte

Section :

Méthodes et applications de la statistique

Thème du colloque :

Méthodes et applications de la statistique

Hôte : Université de Montréal

Découvrez d'autres communications scientifiques

Dans le même colloque
Du même congressiste

Titre du colloque :

Méthodes et applications de la statistique

Remaniement de l'enquête pour la Loi sur les déclarations des corporations et des syndicats ouvriers

Laurent Roy

Utilisation de l'analyse par composantes principales (ACP) pour la sélection de variables permettan…

Claude Delisle

L'utilisation de la technologie de pointe pour la collecte des données

Gilles Laverdìère

Voir tous les contenus de ce colloque

Autres communications du même congressiste :

Thème du colloque :

Méthodes et applications de la statistique

Module de culture en serres sur deux niveaux: automatisation

François Perron

Estimation d'une matrice de covariance qui est près de la matrice identité

François Perron

Module de culture en serres sur deux niveaux: automatisation

François Perron