Generalized regression function for surrogate scalar response

Simple item page
dc.citation.epage637
dc.citation.issue3
dc.citation.journalTitleМатематичне моделювання та комп'ютинг
dc.citation.spage625
dc.contributor.affiliationУніверситет Каді Айяда
dc.contributor.affiliationУніверситет Гренобль-Альпи
dc.contributor.affiliationCadi Ayyad University
dc.contributor.affiliationUniversity Grenoble Alpes
dc.contributor.authorБумахді, М.
dc.contributor.authorУассу, І.
dc.contributor.authorРахді, М.
dc.contributor.authorBoumahdi, M.
dc.contributor.authorOuassou, I.
dc.contributor.authorRachdi, M.
dc.coverage.placenameЛьвів
dc.coverage.placenameLviv
dc.date.accessioned2025-03-04T12:17:27Z
dc.date.created2023-02-28
dc.date.issued2023-02-28
dc.description.abstractУ цій статті розробляється та узагальнюється оцінка функції регресії для сурогатної скалярної змінної відповіді, яка задана функціонально випадковою. Після цього конструюються деякі асимптотичні властивості в термінах майже повної збіжності, залежно від результату показується перевага запропонованої оцінки в термінах передбачення.
dc.description.abstractIn this paper we develop and generalize the estimator of regression function for surrogate scalar response variable given a functional random one. Then, we build up some asymptotic properties in terms of the almost complete convergences, depending in the result we show the superiority of our estimator in term of prediction.
dc.format.extent625-637
dc.format.pages13
dc.identifier.citationBoumahdi M. Generalized regression function for surrogate scalar response / M. Boumahdi, I. Ouassou, M. Rachdi // Mathematical Modeling and Computing. — Lviv : Lviv Politechnic Publishing House, 2023. — Vol 10. — No 3. — P. 625–637.
dc.identifier.citationenBoumahdi M. Generalized regression function for surrogate scalar response / M. Boumahdi, I. Ouassou, M. Rachdi // Mathematical Modeling and Computing. — Lviv : Lviv Politechnic Publishing House, 2023. — Vol 10. — No 3. — P. 625–637.
dc.identifier.doidoi.org/10.23939/mmc2023.03.625
dc.identifier.urihttps://ena.lpnu.ua/handle/ntb/63517
dc.language.isoen
dc.publisherВидавництво Львівської політехніки
dc.publisherLviv Politechnic Publishing House
dc.relation.ispartofМатематичне моделювання та комп'ютинг, 3 (10), 2023
dc.relation.ispartofMathematical Modeling and Computing, 3 (10), 2023
dc.relation.references[1] Duncan G. J., Hill D. H. An investigation of the extent and consequences of measurement error in laboreconomic survey data. Journal of Labor Economics. 3 (4), 508–532 (1985).
dc.relation.references[2] Carroll R. J., Wand M. P. Semiparametric estimation in logistic measurement error modelss. Journal of the Royal Statistical Society. 53 (3), 573–585 (1991).
dc.relation.references[3] Pepe M. S. Inference using surrogate outcome data and validation sample. Biometrika. 79 (2), 355–365 (1992).
dc.relation.references[4] Ferraty F., Vieu P. Nonparametric Functional Data Analysis. Theory and Practice. New York, Springer Series in Statistics (2006).
dc.relation.references[5] Ferraty F., Laksaci A., Tadj A., Vieu P. Rate of uniform consistency for nonparametric estimates with functional variables. Journal of Statistical Planning and Inference. 140 (2), 335–352 (2010).
dc.relation.references[6] Firas I., Ali Hajj H., Rachdi M. Regression model for surrogate data in high dimensional statistics. Journal of Communications in Statistics – Theory and Methods. 49 (13), 3206–3227 (2019).
dc.relation.references[7] Kolmogorov A. N., Tikhomirov V. M. ε-entropy and ε-capacity of sets in function spaces. Uspekhi Matematicheskikh Nauk. 14 (2 (86)), 3–86 (1959).
dc.relation.referencesen[1] Duncan G. J., Hill D. H. An investigation of the extent and consequences of measurement error in laboreconomic survey data. Journal of Labor Economics. 3 (4), 508–532 (1985).
dc.relation.referencesen[2] Carroll R. J., Wand M. P. Semiparametric estimation in logistic measurement error modelss. Journal of the Royal Statistical Society. 53 (3), 573–585 (1991).
dc.relation.referencesen[3] Pepe M. S. Inference using surrogate outcome data and validation sample. Biometrika. 79 (2), 355–365 (1992).
dc.relation.referencesen[4] Ferraty F., Vieu P. Nonparametric Functional Data Analysis. Theory and Practice. New York, Springer Series in Statistics (2006).
dc.relation.referencesen[5] Ferraty F., Laksaci A., Tadj A., Vieu P. Rate of uniform consistency for nonparametric estimates with functional variables. Journal of Statistical Planning and Inference. 140 (2), 335–352 (2010).
dc.relation.referencesen[6] Firas I., Ali Hajj H., Rachdi M. Regression model for surrogate data in high dimensional statistics. Journal of Communications in Statistics – Theory and Methods. 49 (13), 3206–3227 (2019).
dc.relation.referencesen[7] Kolmogorov A. N., Tikhomirov V. M. e-entropy and e-capacity of sets in function spaces. Uspekhi Matematicheskikh Nauk. 14 (2 (86)), 3–86 (1959).
dc.rights.holder© Національний університет “Львівська політехніка”, 2023
dc.subjectсурогатна відповідь
dc.subjectфункціональна змінна
dc.subjectмайже повна збіжність
dc.subjectоцінки ядра
dc.subjectскалярний відгук
dc.subjectентропія
dc.subjectнапівметричний простір
dc.subjectsurrogate response
dc.subjectfunctional variable
dc.subjectalmost complete convergence
dc.subjectkernel estimators
dc.subjectscalar response
dc.subjectentropy
dc.subjectsemi-metric space
dc.titleGeneralized regression function for surrogate scalar response
dc.title.alternativeУзагальнена функція регресії для сурогатної скалярної реакції
dc.typeArticle

Files

Original bundle

Now showing 1 - 2 of 2
Thumbnail Image
Name:
2023v10n3_Boumahdi_M-Generalized_regression_625-637.pdf
Size:
1.92 MB
Format:
Adobe Portable Document Format
Download
Thumbnail Image
Name:
2023v10n3_Boumahdi_M-Generalized_regression_625-637__COVER.png
Size:
426.36 KB
Format:
Portable Network Graphics
Download

License bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
license.txt
Size:
1.81 KB
Format:
Plain Text
Description:
Download

Collections

Mathematical Modeling And Computing. – 2023. – Vol. 10, No. 3