International audienceAbstract. We establish the uniform local asymptotic normality (ULAN) property for generalized inverse Gaussian models. This paves the way, in future work, for constructing optimal test procedures for the parameters, using the Le cam methodology.Résumé. Nous démontrons la propriété de normalité asymptotique locale uniforme (propriété ULAN) pour le mod ele paramétrique constitué par les lois d'´ echantillons iid de variables gaussiennes inverses généralisées. Cela ouvre la voie, dans des travaux futurs, ` a l'utilisation de la méthodologie de Le Cam en vue de construire des test optimaux pour les param etres. Mots-clés. Loi gaussienne inverse généralisée , propriété ULAN, théorie de Le Cam
This paper develops a framework for the construction and anal-ysis of misspecification tests for GAR...
This thesis is divided into three parts with an additional introduction. In the first part, we propo...
We propose a new class of goodness-of-fit tests for the inverse Gaussian distribution based on a cha...
The standard efficient testing procedures in the Generalized Inverse Gaussian (GIG) family (also kno...
peer reviewedThe standard efficient testing procedures in the Generalized Inverse Gaussian (GIG) fam...
The purpose of this phD thesis is the construction of alocally asymptotically optimal tests. In th...
We prove the local asymptotic normality for the full parameters of the normal inverse Gaussian Lévy ...
Dans ce travail, nous proposons des procédures de test paramétriques et nonparamétriques localement ...
summary:The aim of this article is to develop estimation functions by confidence regions for the inv...
International audienceWe propose a brief survey of characterizations of the Generalized Inverse Gaus...
L'objectif de cette thèse est la construction des tests localement et asymptotiquement optimaux. Le ...
Dans ce travail, nous proposons des procédures de test paramétriques et nonparamétrique localement e...
International audienceDe nombreux modèles mathématiques font intervenir plusieurs paramètres qui ne ...
AbstractThe Grassmann manifold Gk,m − k consists of k-dimensional linear subspaces V in Rm. To each ...
*Gévès La Minière Centre de Versailles (FRA) Diffusion du document : Gévès La Minière Centre de Vers...
This paper develops a framework for the construction and anal-ysis of misspecification tests for GAR...
This thesis is divided into three parts with an additional introduction. In the first part, we propo...
We propose a new class of goodness-of-fit tests for the inverse Gaussian distribution based on a cha...
The standard efficient testing procedures in the Generalized Inverse Gaussian (GIG) family (also kno...
peer reviewedThe standard efficient testing procedures in the Generalized Inverse Gaussian (GIG) fam...
The purpose of this phD thesis is the construction of alocally asymptotically optimal tests. In th...
We prove the local asymptotic normality for the full parameters of the normal inverse Gaussian Lévy ...
Dans ce travail, nous proposons des procédures de test paramétriques et nonparamétriques localement ...
summary:The aim of this article is to develop estimation functions by confidence regions for the inv...
International audienceWe propose a brief survey of characterizations of the Generalized Inverse Gaus...
L'objectif de cette thèse est la construction des tests localement et asymptotiquement optimaux. Le ...
Dans ce travail, nous proposons des procédures de test paramétriques et nonparamétrique localement e...
International audienceDe nombreux modèles mathématiques font intervenir plusieurs paramètres qui ne ...
AbstractThe Grassmann manifold Gk,m − k consists of k-dimensional linear subspaces V in Rm. To each ...
*Gévès La Minière Centre de Versailles (FRA) Diffusion du document : Gévès La Minière Centre de Vers...
This paper develops a framework for the construction and anal-ysis of misspecification tests for GAR...
This thesis is divided into three parts with an additional introduction. In the first part, we propo...
We propose a new class of goodness-of-fit tests for the inverse Gaussian distribution based on a cha...