Statistiques non paramétriques

Un article de Wikipédia, l'encyclopédie libre.
Sauter à la navigation Sauter à la recherche

Les statistiques non paramétriques sont un domaine des statistiques qui ne reposent pas sur des familles de loi de probabilité paramétriques. Les méthodes non paramétriques pour la régression comprennent les histogrammes, les méthodes d'estimation par noyau, les splines et les décompositions dans des dictionnaires de filtres (par exemple décomposition en ondelettes). Bien que le nom de non paramétriques soit donné à ces méthodes, elles reposent en vérité sur l'estimation de paramètres. La différence avec les méthodes de statistique classique est qu'il s'agit en général d'un très grand nombre de paramètres et que chacun de ces paramètres ne permet pas de décrire la structure générale des données. Pour les méthodes non paramétriques, le nombre de paramètres qui sont estimés croît avec le nombre d'échantillons disponibles, pour les méthodes classiques, ce nombre est décidé à l'avance.

Prix et distinctions[modifier | modifier le code]

Depuis 1999, l'American Statistical Association remet le prix Gottfried E. Noether à un chercheur ayant apporté une contribution à la théorie ou à la méthodologie des statistiques non paramétriques[1].

Bibliographie[modifier | modifier le code]

  • (en) Härdle et Linton, « Applied nonparametric methods », dans Handbook of Econometrics,
  • Emmanuel Flachaire et Ibrahim Ahamada, Économétrie Non Paramétrique, Economica, coll. « Corpus Économie », , 1re éd., 152 p. (ISBN 978-2717856149)
  • (en) Ahamada et Flachaire, Non-Parametric Econometrics, Oxford University Press,
  • (en) Larry Wasserman, All of Nonparametric Statistics, Springer,
  • (en) Qi Li et Jeffrey Scott Racine, Nonparametric Econometrics : Theory and Practice, Princeton University Press, (ISBN 9780691121611)

Notes et références[modifier | modifier le code]

  1. « Gottfried E. Noether Awards », sur amstats.org (consulté le 22 juin 2015)

Voir aussi[modifier | modifier le code]