2547 articles  [version française]
Short view PhD thesis
Estimation non-paramétrique de données censurées dans un cadre multi-états
Geffray S.
PhD thesis. Université Pierre et Marie Curie - Paris VI (2006-11-03), Paul Deheuvels (Dir.)
[oai:tel.archives-ouvertes.fr:tel-00138280] - http://tel.archives-ouvertes.fr/tel-00138280
Attached file list to this document: 
PDF
these-Geffray.pdf(8.8 MB)
Ségolen Geffray ()1
1:  LSTA - Laboratoire de Statistique Théorique et Appliquée
http://www.lsta.upmc.fr
Université Pierre et Marie Curie (UPMC) - Paris VI
Université Pierre et Marie Curie (Paris 6) Tour 15-25 2-ième étage Boite courrier 158 4, place Jussieu 75252 Paris Cedex 05
France
Estimation non-paramétrique de données censurées dans un cadre multi-états
Nonparametric estimation from censored data in a multi-state framework
2006-11-03
Cette thèse porte sur le modèle des risques concurrents et sur le modèle des évènements
récurrents.
Dans le cadre des risques concurrents, on s'intéresse aux fonctions
d'incidences cumulées : elles correspondent à la probabilité qu'un évènement d'un certain type se
produise avant un instant donné. Ces fonctions sont estimées de façon non-paramétrique au moyen
de l'estimateur de Aalen-Johansen. Des résultats d'approximation forte, de loi du logarithme
itéré et de convergence faible pour des processus basés sur l'estimateur de Aalen-Johansen sont
établis. Des bandes de confiance sont construites et simulées. Une extension du modèle de
Koziol-Green est aussi considérée.
Dans le cadre d'évènements récurrents, des fonctions d'incidences cumulées conditionnelles sont
estimées de façon non-paramétrique. Les estimateurs proposés sont consistants et leur
comportement à distance finie est illustré sur des données réelles et simulées.
This thesis deals with competing risks and recurrent events.
In the competing risks model, the
interest is centered on the cumulative incidence functions. These functions correspond to the probability
that a given kind of event happens before a given time. These functions are estimated by means
of the nonparametric estimator of Aalen-Johansen. Strong approximations by Gaussian processes,
laws of the iterated logarithm and weak convergence results for processes based on the
Aalen-Johansen estimator are established. Asymptotic confidence bands are constructed. Moreover,
a generalization of the Koziol-Green model is considered.
In the recurrent events model, conditional cumulative incidence functions are estimated
nonparametrically. The proposed estimators are strongly consistant. The finite distance behavior is
investigated by means of Monte-Carlo simulations and illustrated on real data.
Mathematics

Université Pierre et Marie Curie - Paris VI
mathématiques appliquées
English

Paul Deheuvels

données censurées – risques concurrents – évènements récurrents –
fonction d'incidence cumulée – estimation non-paramétrique –
processus empiriques
censored data – competinf risks – recurrent events – cumulative incidence function – nonparametric estimation – empirical processes