Constraining kernel estimators in ...

Type de document :
Article dans une revue scientifique: Article original
DOI :
10.1016/j.csda.2019.04.010
Titre :
Constraining kernel estimators in semiparametric copula mixture models
Auteur(s) :
Mazo, Gildas [Auteur correspondant]
Université Paris Saclay (COmUE)
Mathématiques et Informatique Appliquées du Génome à l'Environnement [Jouy-En-Josas] [MaIAGE]
Averyanov, Yaroslav [Auteur]
MOdel for Data Analysis and Learning [MODAL]
Titre de la revue :
Computational Statistics and Data Analysis
Pagination :
170-189
Éditeur :
Elsevier
Date de publication :
2019
ISSN :
0167-9473
Mot(s)-clé(s) :
Copula
Semiparametric
Nonparametric
Mixture model
Mot(s)-clé(s) en anglais :
Kernel
Clustering
Discipline(s) HAL :
Mathématiques [math]
Informatique [cs]
Sciences du Vivant [q-bio]
Résumé en anglais : [en]
A novel algorithm for performing inference and/or clustering in semiparametric copula-based mixture models is presented. The standard kernel density estimator is replaced by a weighted version that permits to take into ...
Lire la suite >
Langue :
Anglais
Comité de lecture :
Oui
Audience :
Internationale
Vulgarisation :
Non
Collections :
Source :
Harvested from HAL
Fichiers
Thumbnail
Thumbnail