M. Fauvernier a soutenu aujourd’hui avec succès une thèse intitulée
dans laquelle il propose une approche novatrice de pénalisation pour intégrer l’hétérogénéité dans des modélisations de durée en présence de censure aléatoire droite. La modélisation développée par l’auteur permet d’intégrer les aspects non linéaires et les interactions en présence de co-variables continues
Cette approche présente des analogies avec la vraisemblance locale proposée dans
Planchet F., Tomas J. [2013] « Multidimensional smoothing by adaptive local kernel-weighted log-likelihood with application to long-term care insurance », Insurance: Mathematics and Economic, 52 (2013) 573–589.
L’auteur a accompagné son travail du package R survPen implémentant les méthodes proposées dans la thèse.
Source: Primact