scientific article; zbMATH DE number 1072472
Il est usuel en analyse des données de disposer d'un jeu de données constitué de \(n\) nombres réels \(x_1,\dots, x_n\), que l'on décrit par la détermination de diverses quantités statistiques telles que la moyenne, la variance et les quantiles. Pour pouvoir traiter correctement ces diverses quantités d'un point de vue mathématique, on suppose généralement que \(x_1,\dots,x_n\) sont des réalisations indépendantes d'un échantillon de taille \(n\) issu d'une loi de probabilité \(P\) sur les boréliens \(\mathbb{R}\). Nous supposerons que la loi de probabilité \(P\) est absolument continue par rapport à la mesure de Lebesgue et nous noterons \(f\) sa densité. La densité \(f\) est rarement connue en pratique, mais on peut l'estimer au vu des observations. Nous nous présentons une méthode d'estimation non paramétrique de la densité \(f\), basée sur les ondelettes à support compact de \textit{I. Daubechies} [Commun. Pure Appl. Math. 41, 909-996 (1988; Zbl 0644.42026)]. La méthodologie résultante est illustrée par des simulations. For the entire collection see [Zbl 0841.00017].
- Estimating the square root of a density via compactly supported wavelets
- Nonparametric density estimation for functional data via wavelets
- Probability density estimation from dependent observations using wavelets orthonormal bases
- On non-negative wavelet-based density estimators
- scientific article; zbMATH DE number 1048012
This page was built for publication:
Report a bug (only for logged in users!)Click here to report a bug for this page (MaRDI item Q4359376)
