Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Résumé du colloque
Un ensemble de données (t_i, x_i), i = 1,...,n, suit le modèle de régression non paramétrique E(y_i | t_i) = g(t_i), où la fonction g est inconnue et la variance conditionnelle est constante. On estime la fonction g définie sur l'intervalle (0,r) en l'approxîmant à l'aide de séries de Fourier de cosinus et les coefficients de Fourier minimisent une fonction de pénalité quadratique pénalisée. Le paramètre de lissage de la courbe estimée est déterminé par validation croisée de F sous-groupes de données à l'aide de formules de mise à jour de matrices. Ce lisseur de courbes dans le plan est utilisé par la suite comme composante de l'algorithme de régression par sélection itérative (RPS) pour ajuster un modèle additif généralisé. Les degrés de liberté "quasi-optimaux" sont obtenus en appliquant la validation croisée de F sous-groupes dans les premiers itérations de l'algorithme de RPS jusqu'à ce que les degrés de liberté se stabilisent. On fixe ensuite les degrés de liberté correspondant à chaque prédicteur et on continue l'algorithme de RPS jusqu'à la convergence des fonctions de régression individuelles. Le lisseur de courbes proposé étant linéaire, symétrique et à rétrécissement, il s'ensuit que l'algorithme de RPS converge toujours lorsque les degrés de liberté sont fixes.
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.