Displaying similar documents to “Suavización no paramétrica en fiabilidad.”

Estimación no paramétrica de la función de riesgo: aplicaciones a sismología.

Graciela Estévez Pérez, Alejandro Quintela del Río (2001)

Qüestiió

Similarity:

Se estudia la estimación de tipo no paramétrico de la función de riesgo o razón de fallo de una variable aleatoria real. A partir de una muestra X, X, ..., X de datos no censurados y no necesariamente independientes, se considera un estimador cociente entre el estimador núcleo de la función de densidad y un estimador núcleo de la función de supervivencia, sobre el que se estudia el problema de selección del parámetro ventana. Por medio de un estudio de simulación se observa la ventaja...

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 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...

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....

Estimación paramétrica bayesiana no paramétrica de funciones de supervivencia con observaciones parcialmente censuradas.

Domingo Morales, Vicente Quesada, Leandro Pardo (1986)

Trabajos de Estadística

Similarity:

The problem of nonparametric estimation of a survival function based on a partially censored on the right sample is established in a Bayesian context, using parametric Bayesian techniques. Estimates are obtained considering neutral to the right processes, they are particularized to some of them, and their asymptotic properties are studied from a Bayesian point of view. Finally, an application to a Dirichlet process is simulated.

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) ...

Una clase de estimadores para los parámetros de un proceso AR(1), obtenidos a partir de estimaciones no paramétricas previas.

Wenceslao Gonzalez Manteiga, Juan Manuel Vilar Fernández (1987)

Trabajos de Estadística

Similarity:

Sea {Xt}t ∈ Z+ una serie de tiempo estacionaria que sigue el modelo autorregresivo de orden 1: Xt = λ + ρXt-1 + et, siendo {et} variables aleatorias i.i.d. de media cero y varianza σ2; a partir de una muestra del proceso {X1, ..., Xn} se calcula en una primera etapa τ'n...

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,...

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.

Una aplicación de la estimación no paramétrica al modelo lineal general con varianza no homógenea.

Wenceslao González Manteiga (1985)

Trabajos de Estadística e Investigación Operativa

Similarity:

En este trabajo se introduce un nuevo estimador de la recta de regresión cuando la varianza de los errores aleatorios no es homogénea. La consideración de que la función varianza sea suave nos permite estimarla mediante métodos de estimación no paramétrica para luego a través de tales estimaciones definir un estimador mínimo cuadrático ponderado. Se prueba que tal estimador es asintóticamente optimal en el sentido de la mínima varianza.

Consistencia de un estimador no paramétrico, recursivo, de la regresión bajo condiciones generales.

Juan Manuel Vilar Fernández (1991)

Trabajos de Estadística

Similarity:

Se define un estimador no paramétrico, recursivo, de la función de regresión r(x) = E(Y/X = x), que se calcula a partir de un conjunto de n observaciones {(X1,Yi): i = 1, ..., n} del vector aleatorio (X,Y). Bajo la hipótesis de que los datos son idénticamente distribuidos pero no necesariamente independientes, lo que permite utilizar el estimador definido para estimar la función de autorregresión de una serie de tiempo, se obtienen resultados...