Abstract:
La calibration, également appelée régression inverse, est un problème classique qui apparait
souvent dans une con guration de régression sous plan xe. Le but de ce travail est de proposer
une méthode stochastique qui donne une solution estimée pour un problème de calibration linéaire.
Nous établissons des inégalités exponentielles de type Bernstein-Frechet pour la probabilité de la
distance entre les solutions approchées et la solution exacte. De plus, nous construisons un domaine
de con ance pour la solution exacte ainsi mentionnée. Pour véri er la validité de nos résultats, un
exemple numérique est proposé.
Calibration, also called inverse regression, is a classical problem which appears often in a
regression setup under xed design. The aim of this work is to propose a stochastic method which
gives an estimated solution for a linear calibration problem. We establish exponential inequalities
of Bernstein-Frechet type for the probability of the distance between the approximate solutions
and the exact one. Furthermore, we build a con dence domain for the so-mentioned exact solution.
To check the validity of our results, a numerical example is proposed.
