Estimation non-paramétrique de données censurées dans un cadre multi-états

par Segolen Geffray

Thèse de doctorat en Statistique

Sous la direction de Paul Deheuvels.

Soutenue en 2006

à Paris 6 .


  • Résumé

    Cette thèse porte sur le modèle des risques concurrents et sur le modèle des évènements récurrents. Dans le cadre des risques concurrents, on s'intéresse aux fonctions d'incidences cumulées : elles correspondent à la probabilité qu'un évènement d'un certain type se produise avant un instant donné. Ces fonctions sont estimées de façon non-paramétrique au moyen de l'estimateur de Aalen-Johansen. Des résultats d'approximation forte, de loi du logarithme itéré et de convergence faible pour des processus basés sur l'estimateur de Aalen-Johansen sont établis. Des bandes de confiance sont construites et simulées. Une extension du modèle de Koziol-Green est aussi considérée. Dans le cadre d'évènements récurrents, des fonctions d'incidences cumulées conditionnelles sont estimées de façon non-paramétrique. Les estimateurs proposés sont consistants et leur comportement à distance finie est illustré sur des données réelles et simulées.

  • Titre traduit

    Non-parametric estimation from censored data in a multi-state framework


  • Pas de résumé disponible.

Autre version

Cette thèse a donné lieu à une publication en 2007 par [CCSD] [diffusion/distribution] à Villeurbanne

Estimation non-paramétrique de données censurées dans un cadre multi-états

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. ([194] p.
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p. 187-[192]

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Sorbonne Université. Bibliothèque de Sorbonne Université. Bibliothèque Mathématiques-Informatique Recherche.
  • Consultable sur place dans l'établissement demandeur
  • Cote : T Paris 6 2006 264
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.