On nonparametric conditional quantile estimation for non-stationary spatial processes

Abstract

A kernel conditional quantile estimate of a real-valued non-stationary spatial process is proposed for a prediction goal at a non-observed location of the underlying process. The originality is based on the ability to take into account some local spatial dependency. Large sample properties based on almost complete and L q -consistencies of the estimator are established.Résumé. Dans cette note, nous présentons un estimateur à noyau du quantile conditionnel d'un processus spatial non-stationnaire, pour un but de prédiction du processus considéré en un site non-observé. L'originalité vient du fait que l'estimateur permet de prendre en compte une éventuelle dépendance locale des données. Une étude asymptotique basée sur les convergences presque complète et en moyenne d'ordre q de l'estimateur est proposée.