Extension au cadre spatial de l'estimation non paramétrique par noyaux récursifs
Auteur / Autrice : | Mohamed Yahaya |
Direction : | Sophie Dabo-Niang, Aboubacar Amiri |
Type : | Thèse de doctorat |
Discipline(s) : | Mathématiques appliquées et applications des mathématiques |
Date : | Soutenance le 15/12/2016 |
Etablissement(s) : | Lille 3 |
Ecole(s) doctorale(s) : | École doctorale Sciences économiques, sociales, de l'aménagement et du management (Lille ; 1992-....) |
Partenaire(s) de recherche : | Laboratoire : LEM - Lille Économie Management |
Jury : | Président / Présidente : Ghislaine Gayraud |
Examinateurs / Examinatrices : Sophie Dabo-Niang, Aboubacar Amiri, Salim Bouziba, Célestin Clotaire Kokonendji, Gwladys Toulemonde | |
Rapporteurs / Rapporteuses : Salim Bouziba, Célestin Clotaire Kokonendji |
Résumé
Dans cette thèse, nous nous intéressons aux méthodes dites récursives qui permettent une mise à jour des estimations séquentielles de données spatiales ou spatio-temporelles et qui ne nécessitent pas un stockage permanent de toutes les données. Traiter et analyser des flux des données, Data Stream, de façon effective et efficace constitue un défi actif en statistique. En effet, dans beaucoup de domaines d'applications, des décisions doivent être prises à un temps donné à la réception d'une certaine quantité de données et mises à jour une fois de nouvelles données disponibles à une autre date. Nous proposons et étudions ainsi des estimateurs à noyau de la fonction de densité de probabilité et la fonction de régression de flux de données spatiales ou spatio-temporelles. Plus précisément, nous adaptons les estimateurs à noyau classiques de Parzen-Rosenblatt et Nadaraya-Watson. Pour cela, nous combinons la méthodologie sur les estimateurs récursifs de la densité et de la régression et celle d'une distribution de nature spatiale ou spatio-temporelle. Nous donnons des applications et des études numériques des estimateurs proposés. La spécificité des méthodes étudiées réside sur le fait que les estimations prennent en compte la structure de dépendance spatiale des données considérées, ce qui est loin d'être trivial. Cette thèse s'inscrit donc dans le contexte de la statistique spatiale non-paramétrique et ses applications. Elle y apporte trois contributions principales qui reposent sur l'étude des estimateurs non-paramétriques récursifs dans un cadre spatial/spatio-temporel et s'articule autour des l'estimation récursive à noyau de la densité dans un cadre spatial, l'estimation récursive à noyau de la densité dans un cadre spatio-temporel, et l'estimation récursive à noyau de la régression dans un cadre spatial.