Procédures cohérentes pour la classification multi-classe des chemins de diffusion discrets.

Résumé L'avènement récent de la technologie moderne a généré un grand nombre d'ensembles de données qui peuvent être fréquemment modélisés comme des données fonctionnelles. Cet article se concentre sur le problème de la classification multiclasse pour les chemins de diffusion stochastiques. Dans ce contexte, nous établissons une formule fermée pour la règle de Bayes optimale. Nous fournissons de nouvelles procédures statistiques qui sont construites soit sur le principe de l'enfichage, soit sur le principe de la minimisation du risque empirique. Nous montrons la cohérence de ces procédures dans des conditions légères. Nous appliquons nos méthodes au cas paramétrique et illustrons leur exactitude par une étude de simulation à l'aide d'exemples.