Asymptotic theories on record values and times, including central limit theorems, make sense only if the sequence of records values (and of record times) is infinite. If not, such theories could not even be an option. In this paper, we give necessary and/or sufficient conditions for the finiteness of the number of records. We prove, for example for iid real valued random variable, that strong upper record values are finite if and only if the upper endpoint is finite and is an atom of the common cumulative distribution function. The only asymptotic study left to us concerns the infinite sequence of hitting times of that upper endpoints, which by the way, is the sequence of weak record times. The asymptotic characterizations are made using negative binomial random variables and the dimensional multinomial random variables. Asymptotic comparison in terms of consistency bounds and confidence intervals on the different sequences of hitting times are provided. The example of a binomial random variable is given.

Les théories asymptotiques sur les valeurs et les temps de record, y compris les théorèmes limite centraux, n'ont de sens que si la séquence des valeurs (et des temps de records) est infini. Sinon, de telles théories ne pourraient même pas être une option. Dans cet article, nous donnons les conditions nécessaires et/ou suffisantes pour la finitude du nombre de records. Nous prouvons, par exemple pour une suite variables aléatoires indépendante et identiquement distribuées, que les valeurs de records forts supérieurs sont finies en nombre si et seulement si le point terminal droit de la loi est finie et est un atome de la fonction de distribution cumulative commune. La seule étude asymptotique qui nous reste concerne la séquence infinie des temps de visite de ce point terminal droit. Ce point devient une ensemble de records faibles. Les caractérisations asymptotiques de ces records sont trouvées à l'aide de variables aléatoires binomiales négatives et de variables aléatoires multinomiales dimensionnelles. En utilisant des borne de consistence et d'intervalles de confiance, des comparaisos sont fournies. Le cas de la loi binomiale est entièrement fait.

Growth curve data consist of repeated measurements of a continuous growth process of human, animal, plant, microbial or bacterial genetic data over time in a population of individuals. A classical approach for analysing such data is the use of non-linear mixed effects models under normality assumption for the responses. But, sometimes the underlying population that the sample is extracted from is an abnormal population or includes some homogeneous sub-samples. So, detection of original properties of the population is an important scientific question of interest. In this paper, a sensitivity analysis of using different parametric and non-parametric distributions for the random effects on the results of applying non-linear mixed models is proposed for emphasizing the possible heterogeneity in the population. A Bayesian MCMC procedure is developed for parameter estimation and inference is performed via a hierarchical Bayesian framework. The methodology is illustrated using a real data set on study of influence of menarche on changes in body fat accretion.

Les courbes de croissance de données sont constituées de mesures repétées d'une progression continue sur des données portant sur des humains, animaux, plantes, de données génétiques microbiennes ou bactérielles sur une durée. Une approche classique pour analyser ces données est l'utilisation de modèles non-lineaires à effets mixtes sous l'hypothèse de normalité des réponses. Mais, parfois, la population sous-jacente dont l'échantillon est extrait est une population anormale ou une populqtion aui comprend des sous-échantillons homogènes. Ainsi, la détection des propriétés originales de la population est une importante question scientifique. Dans cet article, une analyse de sensibilité relative à l'utilisation de différentes distributions paramétriques et non paramétriques pour les effets aléatoires sur les résultats de l'application de modèles mixtes non linéaires est proposée pour mettre en exergue l'hétérogénéité possible de la population. Une procédure bayésienne MCMC est développée pour l'estimation des paramètres et l'inférence est effectuée dans un adre bayésien hiérarchique. La méthodologie est illustrée à l'aide d'un ensemble e données réelles sur l'étude de l'influence de la ménarche sur les changements d'accrétion de graisse corporelle.

The change points have considerable effects in different areas of applied research. We will use in this work the pseudo-bayes factor in three autoregressive models of order (1); this method permits to analyse the impact of choice between models and allows the use of a simpler technique with model selection in time series. For application, the monthly fluctuations of the DOW-JONES series between January 1999 and September 2009 have been used; we try to detect the financial crisis between 2007 and 2008 to evaluate the model selection method.

Les points de changement ont des effets considérables dans différents domaines de la recherche appliquée. Dans ce travail;nous utiliserons le facteur pseudo-bayésien dans trois modèles d'ordre autorégressif (1); cette méthode permet d'analyser l'impact du choix entre les modèles et permet l'utilisation d'une technique plus simple avec la sélection des modèles en séries temporelles. Pour l'application, les fluctuations mensuelles de la série DOW-JONES entre janvier 1999 et septembre 2009 ont été utilisées; nous essayons de détecter la crise financière entre 2007 et 2008 pour évaluer la méthode de sélection des modèles.

In this paper, we determine an optimal configuration for characteristics of a multilayer perceptron neural network (MPL) in nonlinear regression for predicting crop yield. Monte Carlo simulation approach has been used to train several databases generated by varying the internal structure of 3-MLP from simple to complex for five (5) different algorithms most commonly used. Results showed that the optimal configuration is obtained with the Levenberg Marquard algorithm, 75% of the number of input variables as number of hidden nodes, learning rate 40%, minimum sample size 150, tangent hyperbolic and exponential functions in the hidden and output layers respectively. This configuration has been illustrated with real life data.

Dans cet article, nous déterminons une configuration optimale pour les caractéristiques d'un réseau de neurones de type perceptron multicouche (PMC) en régression non linéaire pour prédire le rendement des cultures. L'approche de simulation Monte Carlo a été utilisée pour entraîner plusieurs bases de données générées en variant la structure interne du modèle 3-MLP des cas simples aux complexes pour cinq (5) différents algorithmes les plus couramment utilisés. Les résultats ont montré que la configuration optimale est obtenue avec l'algorithme d'apprentissage Levenberg Marquard, 75% du nombre de variables d'entrée comme nombre de noeuds cachés, taux d'apprentissage 40%, taille minimale de l'échantillon 150, fonctions d'activation tangente hyperbolique dans la couche cachée et exponentielle dans la couche de sortie. Cette configuration a été testée par des données réelles et a donné de meilleurs résultats.

This study considers the problem of uncertainty of concurrent variables selection among a potential set of healthcare expenditure predictors. It evaluates two regularization (shrinkage) methods: Least Absolute Shrinkage and Selection Operator (LASSO) and Elastic Net (ENET). To improve the accuracy of identifying important and relevant predictors of healthcare cost, the present study proposes a new methodology in the form of a bootstrapped-regularized regression with percentile rankings. A simulation study under various scenarios was implemented to learn the performance of the proposed methodology. The proposed methodology was applied to healthcare expenditure data for all level income economies: lower-income, lower-middle-income, upper-middle-income, and high-income.

Cette étude examine le problème de l'incertitude de la sélection simultanée des variables concurrentielles parmi un ensemble potentiel de prédicteurs des dépenses de santé. Il évalue deux méthodes de régularisation (rétrécissement) : LASSO (Least Absolute Shrinkage and Selection Operato) et ENET (Elastic Net). Afin d'améliorer l'exactitude de l'identification des prédicteurs importants et pertinents du coût des soins de santé, la présente étude propose une nouvelle méthodologie sous la forme d'une régression régularisée avec des classements percentiles. Une étude de simulation pout divers scénarios a été mise en oeuvre pour connaître la performance de la méthodologie proposée. La méthodologie proposée a été appliquée aux données sur les dépenses de santé pour toutes les économies à revenu de niveau : à faible revenu, à revenu intermédiaire inférieur, à revenu intermédiaire supérieur et à revenu élevé.