Estimation Paramétrique et non Paramétrique en utilisant une Approche de Régression Quantile.

par Mohamed aymen Meziani

Projet de thèse en Informatique

Sous la direction de Karim Djouani.

Thèses en préparation à Paris Est en cotutelle avec l'Université des Sciences et de la Technologie Houari Boumediene (USTHB) , dans le cadre de MSTIC : Mathématiques et Sciences et Technologies de l'Information et de la Communication , en partenariat avec LISSI - Laboratoire Images, Signaux et Systèmes Intelligents (laboratoire) depuis le 08-04-2016 .


  • Résumé

    La régression quantile vise à estimer les médianes et quantiles conditionnels des variables de réponse sachant la variable prédictive. La régression des moindres carrés vise à estimer la moyenne conditionnelle. Notre objectif est d'étendre l'utilisation de la régression quantile à l'estimation des séries chronologiques paramétriques et non paramétriques. Nous voulons étudier l'effet que ce cette approche pourrait avoir sur les propriétés asymptotiques des modèles.

  • Titre traduit

    Parametric and non Parametric Estimating using Quantile Regression Approach.


  • Résumé

    Quantile regression seeks to estimate the median and quantile conditional response variables knowing the predictor variable. The least squares regression is to estimate the conditional mean. Our goal is to expand the use of quantile regression to estimate parametric and nonparametric time series. We want to study the effect that this approach might have on the asymptotic properties of the models.