Méthode "bootstrap" et rééchantillonnage
dans Statistiques
Bonjour,
Soient $(X_1, ..., X_n)$ un $n$-échantillon iid de loi $P$. On veut estimer un certain paramètre $\theta(P)$ (typiquement la moyenne).
Le principe de plug-in consiste à proposer $\theta(P_n)$ comme estimateur (avec $P_n$ la loi empirique des observations : $\frac{1}{n} \sum_i \delta_{X_i}$).
Le principe du bootstrap est de rééchantilloner en tirant selon la loi $P_n$ et estimer la précision de l'estimation, i.e. $\theta(P) - \theta(P_n)$ par $\theta(P_n) - \theta(P^*_n)$, où $P^*_n$ est alors égale à $\frac{1}{n} \sum_i X_{n,i}^*$.
J'ai vu en cours un théorème central limite (utilisant le TCL de Lindeberg) pour le bootstrap.
Je m'intéresse maintenant à une méthode bootstrap où le rééchantillonnage se fait selon l'estimateur à noyau de la densité des $X_i$.
Je voudrais montrer que "ça marche".
Si vous avez des idées pour formaliser cela, je suis preneur.
La première idée est d'obtenir un théorème central limite pour l'estimateur $\hat{\theta}$ ainsi obtenu. Quelqu'un aurait une idée de preuve ou des références svp ?
Bien cordialement,
Ram
Soient $(X_1, ..., X_n)$ un $n$-échantillon iid de loi $P$. On veut estimer un certain paramètre $\theta(P)$ (typiquement la moyenne).
Le principe de plug-in consiste à proposer $\theta(P_n)$ comme estimateur (avec $P_n$ la loi empirique des observations : $\frac{1}{n} \sum_i \delta_{X_i}$).
Le principe du bootstrap est de rééchantilloner en tirant selon la loi $P_n$ et estimer la précision de l'estimation, i.e. $\theta(P) - \theta(P_n)$ par $\theta(P_n) - \theta(P^*_n)$, où $P^*_n$ est alors égale à $\frac{1}{n} \sum_i X_{n,i}^*$.
J'ai vu en cours un théorème central limite (utilisant le TCL de Lindeberg) pour le bootstrap.
Je m'intéresse maintenant à une méthode bootstrap où le rééchantillonnage se fait selon l'estimateur à noyau de la densité des $X_i$.
Je voudrais montrer que "ça marche".
Si vous avez des idées pour formaliser cela, je suis preneur.
La première idée est d'obtenir un théorème central limite pour l'estimateur $\hat{\theta}$ ainsi obtenu. Quelqu'un aurait une idée de preuve ou des références svp ?
Bien cordialement,
Ram
Connectez-vous ou Inscrivez-vous pour répondre.
Bonjour!
Catégories
- 163.2K Toutes les catégories
- 9 Collège/Lycée
- 21.9K Algèbre
- 37.1K Analyse
- 6.2K Arithmétique
- 53 Catégories et structures
- 1K Combinatoire et Graphes
- 11 Sciences des données
- 5K Concours et Examens
- 11 CultureMath
- 47 Enseignement à distance
- 2.9K Fondements et Logique
- 10.3K Géométrie
- 65 Géométrie différentielle
- 1.1K Histoire des Mathématiques
- 69 Informatique théorique
- 3.8K LaTeX
- 39K Les-mathématiques
- 3.5K Livres, articles, revues, (...)
- 2.7K Logiciels pour les mathématiques
- 24 Mathématiques et finance
- 314 Mathématiques et Physique
- 4.9K Mathématiques et Société
- 3.3K Pédagogie, enseignement, orientation
- 10K Probabilités, théorie de la mesure
- 773 Shtam
- 4.2K Statistiques
- 3.7K Topologie
- 1.4K Vie du Forum et de ses membres
Qui est en ligne 4
4 Invités