Please use this identifier to cite or link to this item: http://univ-bejaia.dz/dspace/123456789/9928
Full metadata record
DC FieldValueLanguage
dc.contributor.authorDjouder, Sofiane-
dc.contributor.authorAdjabi, Smail ;promoteur-
dc.date.accessioned2018-04-12T10:23:09Z-
dc.date.available2018-04-12T10:23:09Z-
dc.date.issued2014-04-
dc.identifier.urihttp://univ-bejaia.dz/dspace/123456789/9928-
dc.descriptionOption : Modélisation Mathématiques et Techniques de Décisionen_US
dc.description.abstractPour estimer la densit2 de probabilit2 des donn2es positives par la méthode du noyau associé, le choix du noyau et du paramètre de lissage est important. On a utilisé les noyaux asymétriques du type Gamma, Gamma modifié, Gaussien-Inverse-Réciproque et Log-Normal. La sélection du paramètre de lissage est basée sur l'approche classique (UCV) et l'approche Bayè sienne globale. La complexité de la loi a posteriori, dans l'approche Bayésienne globale, nécessite l'utilisation des méthodes de Monte Carlo (MCMC et PMC). La comparaison de l'ap- proche Bayésienne globale (MCMC et PMC) avec la méthode classique (UCV) pour des données simulées et des données réelles montre que les performances de l'approche Bayésienne globale sont meilleures que celle de la méthode UCV pour des données de petites ou moyennes tailles. Les noyaux Gamma sont plus performants que les autres noyaux.en_US
dc.language.isofren_US
dc.publisherUniversité de Béjaiaen_US
dc.subjectEstimation non paramétrique de densité : Noyaux associés : Approche bayésienne : Méthode de monte carloen_US
dc.titleMéthodes de monte carlo dans l'éstimation non paramétrique de la densité de probabilité par noyaux associésen_US
dc.typeThesisen_US
Appears in Collections:Mémoires de Magister



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.