Kernel smoothing is one of the most widely used nonparametric data smoothing techniques. We introduce a new R package, Disake, for computing discrete associated kernel estimators for probability mass function. When working with a kernel estimator, two choices must be made: the kernel function and the smoothing parameter. The Disake package focuses on discrete associated kernels and also on cross-validation and local Bayesian techniques to select the appropriate bandwidth. Applications on simulated data and real data show that the binomial kernel is appropriate for small or moderate count data while the empirical estimator or the discrete triangular kernel is indicated for large samples.
L’article se consacre à la localisation de valeurs propres pour une grande matrice creuse, apriori non symétrique, dans un domaine du plan complexe. Il combine deux notions déjà étudiées. Lapremière précise l’effet de perturbations sur la matrice par la définition de e -spectre ou pseudospectre.La deuxième consiste à dénombrer les valeurs propres entourées par une courbe a priori donnéedans le plan complexe. A partir de travaux antérieurs, on combine ici les deux approches avec l’objectifde mettre en commun les factorisations LU de la résolvante nécessaire aux deux approches et d’endiminuer le nombre. Les codes obtenus sont parallélisés.
