Développements d'Edgeworth en statistique des modèles markoviens

Audience : Adulte - Grand Public

Le Pitch

Littérature française

PrésentationCe livre concerne les théorèmes standards précisant la vitesse de convergence dans l'approximation gaussienne des M-estimateurs. On s'intéresse ici à l'établissement de ces résultats dans le cas où les données ne sont plus nécessairement indépendantes, et plus précisément lorsque cette dépendance des données est markovienne. La méthode spectrale généralisée via le théorème de Keller-Liverani permet d'obtenir des résultats dans le cadre général des chaînes de Markov fortement ergodiques. Une attention particulière est portée à trois modèles markoviens: les conditions proposées sont quasi-optimales dans le sens où elles sont très proches de celles du cas indépendant. Les résultats obtenus sont illustrés pour des estimateurs du maximum de vraisemblance dans le cadre de modèles autorégressifs. Ce livre s'adresse aussi bien à des statisticiens qu'à des probabilistes, puisqu'il y est décrit non seulement des méthodes statistiques classiques, mais aussi des outils fonctionnels développés en systèmes dynamiques et exploités en probabilités et en statistiques. Afficher moinsAfficher plus

Détails du livre

Titre complet

Développements d'Edgeworth en statistique des modèles markoviens: Probabilités appliquées aux statistiques

Auteur

Editeur

Format

Poche

Publication

21 février 2012

Audience

Adulte - Grand Public

Pages

Taille

22 x 15 x 15 cm

Poids

ISBN-13

9783841792815

Développements d'Edgeworth en statistique des modèles markoviens

69,00 €

Le Pitch

Littérature française

PrésentationCe livre concerne les théorèmes standards précisant la vitesse de convergence dans l'approximation gaussienne des M-estimateurs. On s'intéresse ici à l'établissement de ces résultats dans le cas où les données ne sont plus nécessairement indépendantes, et plus précisément lorsque cette dépendance des données est markovienne. La méthode spectrale généralisée via le théorème de Keller-Liverani permet d'obtenir des résultats dans le cadre général des chaînes de Markov fortement ergodiques. Une attention particulière est portée à trois modèles markoviens: les conditions proposées sont quasi-optimales dans le sens où elles sont très proches de celles du cas indépendant. Les résultats obtenus sont illustrés pour des estimateurs du maximum de vraisemblance dans le cadre de modèles autorégressifs. Ce livre s'adresse aussi bien à des statisticiens qu'à des probabilistes, puisqu'il y est décrit non seulement des méthodes statistiques classiques, mais aussi des outils fonctionnels développés en systèmes dynamiques et exploités en probabilités et en statistiques. Afficher moinsAfficher plus