Name: Estimation de l'indice de queue lourde sous censure aléatoire (en Francés)
Price: 370.84 PEN
Availability: InStock
Author: Kouider, Mohammed Ridha ; Benatia, Fatah
ISBN: 9786206702924

portada Estimation de l'indice de queue lourde sous censure aléatoire (en Francés)

Formato

Libro Físico

Autor

Fatah Benatia

Mohammed Ridha Kouider

Editorial

Editions Universitaires Europeennes

Idioma

Francés

N° páginas

144

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.9 cm

Peso

0.22 kg.

ISBN13

9786206702924

Categorías

Probabilidad y estadística

Estimation de l'indice de queue lourde sous censure aléatoire (en Francés)

Fatah Benatia (Autor) · Mohammed Ridha Kouider (Autor) · Editions Universitaires Europeennes · Tapa Blanda

Libro Nuevo

S/ 370,84

S/ 741,68

Ahorras: S/ 370,84

50% descuento

Envío normal

Origen: Estados Unidos (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Lunes 12 de Agosto y el Lunes 26 de Agosto.

Lo recibirás en cualquier lugar de Perú entre 2 y 5 días hábiles luego del envío.

Reseña del libro "Estimation de l'indice de queue lourde sous censure aléatoire (en Francés)"

Le livre focalise sur l'estimation de l'indice de queue d'une distribution à queues lourdes avec des données complètes et incomplètes. Ce qui nous amène à l'estimation de la distribution des extrêmes (EVT), qui repose donc sur l'estimation de l'indice des valeurs extrêmes (EVI) γ. Parmi les plus importants on peut citer l'estimateur de Hill généralisé (G-Hill) et l'estimateur du maximum de vraisemblance (ML), car G-Hill est asymptotiquement sans biais. Et ML est un estimateur consistant avec un faible biais. La plupart des recherches en EVT se concentrent sur les distributions à queues lourdes où le EVI γ> 0: C'est le domaine sur lequel nous allons nous concentrer. Nous supposerons le cas de la censure aléatoire (c.a), et consacrerons notre attention à l'estimation d'EVI sous c.a. En 2008, Einmahl et al [11] ont fourni une définition par laquelle nous pouvons adapter n'importe quel estimateur d'EVI classique sous c.a, parmi eux ML. Dans notre travail, nous présenterons une méthode numérique pour estimer l'EVI sous c.a, nous verrons qu'il n'est pas possible d'adapter ML sous c.a par la définition donnée par [11]. Cela est expliqué par Kouider et al [28] (2003).