Estimation non paramétrique locale linéaire de la fonction de régression relative pour un modèle de censure

Dans ce travail, nous construisons un nouvel estimateur non paramétrique de la fonction de régression en utilisant l’erreur quadratique relative moyenne comme fonction de perte. Cette dernièe est une approche alternative à la régression classique qui est résistante et moins influencée par la présence des valeurs aberrantes. Nous utilisons dans la construction de notre estimateur l’approche linéaire locale qui a l’avantage de résister aux effets de bord lorsque les données sont censurées aléatoirement à droite. Sous des hypothèses appropriées, la convergence uniforme presque sûre (sur un compact) avec vitesse est établie. Pour consolider notre résultat théorique, nous montrons les performances et l’efficacité de la méthode étudiée au moyen d’une étude numérique.