Displaying similar documents to “Estudio comparativo de distintas funciones núcleo para la obtención del mejor ajuste según el tipo de datos.”

Técnicas de validación cruzada en la estimación de la densidad bajo condiciones de dependencia.

Alejandro Quintela del Río, Juan Manuel Vilar Fernández (1991)

Qüestiió

Similarity:

Se estudian modificaciones de las técnicas de validación cruzada de Kullback-Leibler y mínimos cuadrados para obtener el parámetro de suavización asociado a un estimador general no paramétrico de la función de densidad, a partir de la muestra, en el supuesto de que los datos verifican alguna condición débil de dependencia. Se demuestra que los parámetros obtenidos por estas dos técnicas son asintóticamente óptimos. Y se realiza un estudio de simulación.

Selección de la ventana en suavización tipo núcleo de la parte no paramétrica de un modelo parcialmente lineal con errores autorregresivos.

Germán Aneiros Pérez (2000)

Qüestiió

Similarity:

Supongamos que y = ζ β + m(t) + ε, i = 1, ..., n, donde el vector (p x 1) β y la función m(·) son desconocidos, y los errores ε provienen de un proceso autorregresivo de orden uno (AR(1)) estacionario. Discutimos aquí el problema de la selección del parámetro ventana de un estimador tipo núcleo de la función m(·) basado en un estimador Generalizado de Mínimos Cuadrados de β. Obtenemos la expresión asintótica de una ventana óptima y proponemos un método para estimarla,...

Propiedades asintóticas de los estimadores de mínima distancia con covariables.

Wenceslao González Manteiga, Manuel A. Presedo Quindimil (1991)

Qüestiió

Similarity:

En este trabajo se obtienen propiedades de consistencia y normalidad asintótica para el estimador no paramétrico de la función de regresión (m(x)) resultante de la extensión de la metodología de mínima distancia de Cramer-von Mises al contexto de la estimación de curvas. Se hacen algunas consideraciones acerca de la robustez del estimador resultante en base a la función de influencia local (LIF) y se realiza un estudio de Monte Carlo comparativo con otros métodos de estimación. ...

Estimación no paramétrica de la función de distribución.

Juan Manuel Vilar Fernández (1991)

Qüestiió

Similarity:

Sea X una variable aleatoria con función de distribución F(x) y función de densidad f(x) y X1, X2,..., Xn un conjunto de observaciones de la variable que pueden ser dependientes. Se definen dos estimadores no paramétricos generales (uno recursivo y el otro no recursivo) de la función de distribución. Bajo condiciones aceptables se obtiene el sesgo y la varianza y covarianza asintótica de los estimadores definidos....

Funcionales de mínima g-divergencia y sus estimadores asociados (I).

Francisco José Cano Sevilla, M.ª Pilar Lasala Calleja (1984)

Trabajos de Estadística e Investigación Operativa

Similarity:

Se introducen los funcionales de mínima g-divergencia y sus estimadores asociados. Se prueba la existencia y robustez del funcional y la convergencia del estimador asociado.

Suavización no paramétrica en fiabilidad.

M.ª Angeles Fernández Sotelo, Wenceslao González Manteiga (1986)

Trabajos de Estadística

Similarity:

En este trabajo consideramos estimaciones no paramétricas de las funciones de razón de fallo y supervivencia en fiabilidad haciendo uso de suavizaciones no paramétricas de la función de distribución empírica (datos no censurados) y de la distribución de Kaplan-Meier (datos censurados). Se obtienen sesgos, varianzas y distribuciones asintóticas de los estimadores aquí propuestos probándose mediante técnicas de expansiones de segundo orden la eficiencia de éstos respecto de otras estimaciones...

Ordenes de convergencia para las aproximaciones normal y bootstrap en estimación no paramétrica de la función de densidad.

Ricardo Cao Abad (1990)

Trabajos de Estadística

Similarity:

Este artículos concierne las distribuciones usadas para construir intervalos de confianza para la función de densidad en una situación no paramétrica. Se comparan los órdenes de convergencia para el límite normal, su aproximación "plug in" y el método bootstrap. Se deduce que el bootstrap se comporta mejor que las otras dos aproximaciones tanto en su forma clásica como con la aproximación bootstrap normal.

Estimación de la función de densidad con observaciones obtenidas en instantes aleatorios.

José A. Vilar Fernández, Juan Manuel Vilar Fernández (1993)

Qüestiió

Similarity:

Sea X(t) un proceso estacionario en tiempo continuo con función de densidad marginal univariante f(x). A partir de un conjunto de n observaciones; X(τ1), X(τ2), ..., X(τn) recogidas en instantes muestrales τi, espaciados irregularmente o aletorios, se estudia la estimación no paramétrica de f(x), utilizando un estimador recursivo tipo núcleo. Asumiendo condiciones débiles de dependencia (α-mixing)...

Test de bondad de ajuste del modelo lineal general bajo correlación serial de los errores.

Juan Manuel Vilar Fernández, Wenceslao González Manteiga (1994)

Qüestiió

Similarity:

Dado el siguiente modelo de regresión de diseño fijo, con correlación serial en los errores: Yi = m(xi) + εi, donde xi ∈ C, i = 1,..., n, siendo C un conjunto compacto de R, con error aleatorio εi siguiendo una estructura lineal de tipo MA(∞), se propone un nuevo método para contrastar la hipótesis de que la función de regresión siga un modelo lineal, de la forma mθ(-)...

Estimación no paramétrica de curvas notables para datos dependientes.

Juan Manuel Vilar Fernández (1989)

Trabajos de Estadística

Similarity:

Sea {Xt: t ∈ Z} una serie de tiempo estacionaria, con valores en Rp, verificando la condición de ser α-mixing o L2-estable. A partir de una muestra de tamaño n se define una amplia clase de estimadores no paramétricos de la función de densidad f(x) asociada al proceso, y de la función de autorregresión de orden k: r(y) = E(g(Xt+1)/(Xt-k+1 ... Xt) = y), y...

Aplicación de la suavización no paramétrica del tipo "K-puntos próximos" a modelos de regresión lineal.

Wenceslao González Manteiga (1990)

Trabajos de Estadística

Similarity:

En el modelo de regresión lineal y = E(Y/X = x) = θx, donde (X,Y) es un vector aleatorio bidimensional, del que se dispone de una muestra {(X1, Y1), ..., (Xn, Yn)}, se han introducido recientemente una clase general de estimadores para θ definida como aquellos valores que minimizan el funcional: ψ(θ) = ∫ (αn(x) - θx)2 dΩn(x) ...

Generación de un sistema bivariante con marginales dadas y estimación de su parámetro de dependencia.

Jordi Ocaña, Carles Maria Cuadras (1987)

Qüestiió

Similarity:

En este trabajo se proponen dos posibles estimadores del parámetro de dependencia de una familia de distribuciones bivariantes con marginales dadas y se realiza un estudio de Monte Carlo de sus respectivos sesgo y eficiencia, a fin de determinar cuál de ambos estimadores es preferible. También se propone y se estudia, de forma similar, una posible versión "Jackknife" del mejor de los dos estimadores anteriores. En este estudio se emplean técnicas de reducción de la varianza. Para poder...