Espérance
dans Statistiques
Bonjour, Je suis bloquée sur cette question, quelqu'un peut-il m'aider s'il vous plaît ?
Soit $Y_i$ une suite de variables aléatoires dépendantes et centrées, identiquement distribuées telle que
$Y_i=\frac{1}{\sqrt{nh_n}}\left( K \left( \frac{x-X_i}{h_n} \right) - \mathbb{E} \left( K \left( \frac{x-X_i}{h_n} \right) \right) \right) ,~i=\ldots,n$
On a :
\begin{align}
\mathbf{E} (\vert Y_i\vert ) \leq C_1 \sqrt{\frac{h_n}{n}},&\quad C_1>0&(1)\\
\vert\mathbf{Cov}(Y_i,Y_j)\vert \leq C_2\frac{h_n}{n}, &\quad C_2>0 &(2)
\end{align}
Montrons que (1) et (2) impliquent $$
\mathbf{E}(\vert Y_iY_j\vert)\leq C \frac{h_n}{n},\quad C>0.
$$ Merci d'avance.
Soit $Y_i$ une suite de variables aléatoires dépendantes et centrées, identiquement distribuées telle que
$Y_i=\frac{1}{\sqrt{nh_n}}\left( K \left( \frac{x-X_i}{h_n} \right) - \mathbb{E} \left( K \left( \frac{x-X_i}{h_n} \right) \right) \right) ,~i=\ldots,n$
On a :
\begin{align}
\mathbf{E} (\vert Y_i\vert ) \leq C_1 \sqrt{\frac{h_n}{n}},&\quad C_1>0&(1)\\
\vert\mathbf{Cov}(Y_i,Y_j)\vert \leq C_2\frac{h_n}{n}, &\quad C_2>0 &(2)
\end{align}
Montrons que (1) et (2) impliquent $$
\mathbf{E}(\vert Y_iY_j\vert)\leq C \frac{h_n}{n},\quad C>0.
$$ Merci d'avance.
Réponses
-
Bonsoir,
Pourriez-vous me dire si ce problème s'inscrit dans le cadre des estimateurs à noyaux ?
Cordialement. -
Bonjour, je m'excuse pour le retard de ma réponse, oui ce problème s'inscrit dans le cadre des estimateurs à noyaux.
-
Bonjour,
Il n'y a pas de problèmes mais je dois me mettre à mon crayon et, m'atteler au problème. Je reviens vers vous avec quelque-chose de cohérent. Si vous voulez, vous pouvez me joindre par message privé.
Cordialement. -
Si la relation (1) est vraie pour tout i , il ne suffit pas d'appliquer la formule
$ Cov(Y_i,Y_j) = E (Y_i,Y_j) - E(Y_i)E(y_j)$ ? -
Merci pour vos aides.
Oui la relation (1) est toujours vraie, est-ce que vous avez une idée ? -
Ben t'appliques la formule de la covariance aux variables $|Y_i|$, en arrangeant comme il faut, le résultat tombe assez vite, avec $C = C_1^2 +C_2$
-
Bonjour srih,
Je vous ai envoyé un message privé mais je ne sais pas trop, pour l'instant, comment la messagerie fonctionne.
Corfialement. -
je suis désolée monsieur Balix , on a une majoration de $\vert\mathbf{Cov}(Y_i,Y_j)\vert $
non pas de $\mathbf{Cov}(\vert Y_i \vert ,\vert Y_j \vert )$ et
$\mathbf{Cov}(\vert Y_i \vert ,\vert Y_j \vert )$ n'est pas inferieur de $\vert \mathbf{Cov}(Y_i,Y_j) \vert $ -
Bonjour,
Pour estimer une loi à partir d'un noyau (ex : $K(.)$ le noyau gaussien), on procède de cette manière avec des variables aléatoires $X_{1},\ldots,X_{n}$ indépendantes alors $\quad\displaystyle f_{n}^{estimé}(x)=\frac{1}{nh}\sum_{i=1}^{n}K\Big(\frac{x-X_{i}}{h}\Big)$.
Si on pose les variables aléatoires à $x$ fixé $Z_{i}=\frac{1}{h}K(\frac{x-X_{i}}{h})$ alors les $Z_{i}$ sont indépendantes de même loi mère que $X$ mais que se passe-t-il lorsque les v.a. sont dépendantes.
Est-ce que quelqu'un connaissant les probabilités et les statistiques pourrait faire progresser ce fil si il/elle a un peu de temps et, poster si possible plusieurs indications didactiques pour parvenir à un résultat ?
Cordialement.
Connectez-vous ou Inscrivez-vous pour répondre.
Bonjour!
Catégories
- 163.2K Toutes les catégories
- 9 Collège/Lycée
- 21.9K Algèbre
- 37.1K Analyse
- 6.2K Arithmétique
- 53 Catégories et structures
- 1K Combinatoire et Graphes
- 11 Sciences des données
- 5K Concours et Examens
- 11 CultureMath
- 47 Enseignement à distance
- 2.9K Fondements et Logique
- 10.3K Géométrie
- 64 Géométrie différentielle
- 1.1K Histoire des Mathématiques
- 68 Informatique théorique
- 3.8K LaTeX
- 39K Les-mathématiques
- 3.5K Livres, articles, revues, (...)
- 2.7K Logiciels pour les mathématiques
- 24 Mathématiques et finance
- 314 Mathématiques et Physique
- 4.9K Mathématiques et Société
- 3.3K Pédagogie, enseignement, orientation
- 10K Probabilités, théorie de la mesure
- 773 Shtam
- 4.2K Statistiques
- 3.7K Topologie
- 1.4K Vie du Forum et de ses membres