Estimation non paramétrique de la fonction de régression par erreur relative pour des données tronquées à gauche et censurées à droite soumises à une structure de dépendance

Abstract

Dans cette thèse, nous nous intéressons à l'estimation non param\étrique de la fonction de régression par erreur relative. Dans un premier temps, nous étudions les propriétés asymptotiques d'un estimateur introduit par Jones et al. (2008), dans le cadre de données indépendantes et complètement observées. Par la suite, nous proposons la construction d'un estimateur à noyau adapté aux données tronquées à gauche et censurées à droite. Nous établissons, sur un compact, la convergence uniforme presque sure avec vitesse ainsi que la normalité asymptotique de cet estimateur en présence d'une dependance de type ?-mélange. Les résultats sont illustrés à travers des simulations et des applications pratiques.