Estimation Robuste En Contamination Asymtrique Et Application Aux Processus Autorgressifs

Cet ouvrage traite de l'estimation robuste dans des situations où les données peuvent être contaminées de façon symétrique aussi bien qu'asymétrique. Une variété de M-estimateurs est considérée sur le plan de leur efficacité comparée dans plusieurs situations de contamination typiques d'une distribution gaussienne. Une stratégie du choix d'un estimateur est proposée en fonction du type de contamination. Ces résultats sont appliqués à une modélisation des séries chronologiques (modèles autorégressifs) affectées de valeurs aberrantes. L'ensemble est illustré par des résultats de simulation et par le traitement détaillé d'une série d'indices de prix d'actions.