Download or read book Estimation non param trique pour les processus markoviens d terministes par morceaux written by Romain Azaïs and published by . This book was released on 2013 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: M.H.A. Davis a introduit les processus markoviens déterministes par morceaux (PDMP) comme une classe générale de modèles stochastiques non diffusifs, donnant lieu à des trajectoires déterministes ponctuées, à des instants aléatoires, par des sauts aléatoires. Dans cette thèse, nous présentons et analysons des estimateurs non paramétriques des lois conditionnelles des deux aléas intervenant dans la dynamique de tels processus. Plus précisément, dans le cadre d'une observation en temps long de la trajectoire d'un PDMP, nous présentons des estimateurs de la densité conditionnelle des temps inter-sauts et du noyau de Markov qui gouverne la loi des sauts. Nous établissons des résultats de convergence pour nos estimateurs. Des simulations numériques pour différentes applications illustrent nos résultats. Nous proposons également un estimateur du taux de saut pour des processus de renouvellement, ainsi qu'une méthode d'approximation numérique pour un modèle de régression semi-paramétrique.

Download or read book Statistical Inference for Ergodic Diffusion Processes written by Yury A. Kutoyants and published by Springer Science & Business Media. This book was released on 2013-03-09 with total page 493 pages. Available in PDF, EPUB and Kindle. Book excerpt: The first book in inference for stochastic processes from a statistical, rather than a probabilistic, perspective. It provides a systematic exposition of theoretical results from over ten years of mathematical literature and presents, for the first time in book form, many new techniques and approaches.

Download or read book Semiparametric Theory and Missing Data written by Anastasios Tsiatis and published by Springer Science & Business Media. This book was released on 2007-01-15 with total page 392 pages. Available in PDF, EPUB and Kindle. Book excerpt: This book summarizes current knowledge regarding the theory of estimation for semiparametric models with missing data, in an organized and comprehensive manner. It starts with the study of semiparametric methods when there are no missing data. The description of the theory of estimation for semiparametric models is both rigorous and intuitive, relying on geometric ideas to reinforce the intuition and understanding of the theory. These methods are then applied to problems with missing, censored, and coarsened data with the goal of deriving estimators that are as robust and efficient as possible.