Estimación de la curva mediana de una cópula C(Xj, ..., Xm).
M. EZZERG Y A. CHAKAK L. IMLAHI (1999)
Revista de la Real Academia de Ciencias Exactas Físicas y Naturales
Similarity:
Displaying similar documents to “Estimación de la función cuantil asociada a una cópula C(x, y) mediante la función cuantil empírica.”
Estimación de la curva mediana de una cópula C(Xj, ..., Xm).
Funciones asociadas a un conjunto del plano complejo.
Baltasar Rodríguez Salinas (1987)
Revista de la Real Academia de Ciencias Exactas Físicas y Naturales
Similarity:
Exponente de convergencia generalizado de una sucesión compleja.
Luis Bernal González (1987)
Collectanea Mathematica
Similarity:
Orden relativo de crecimiento de funciones enteras.
Luis Bernal González (1988)
Collectanea Mathematica
Similarity:
Crecimiento de una función analítica en una banda de anchura no constante.
Baltasar Salinas-R. (1963)
Collectanea Mathematica
Similarity:
Nota sobre el teorema del valor medio para una cierta clase de funciones.
Gonzalo González De Buitrago Díaz (1974)
Gaceta Matemática
Similarity:
Proceso de decisión basado en la función de esparcimiento.
M. T. GÓMEZ GÓMEZ Y A. SUÁREZ LLORENS J. M. FERNÁNDEZ PONCE (1999)
Revista de la Real Academia de Ciencias Exactas Físicas y Naturales
Similarity:
Estimación de la función cuantil y cuantildensidad mediante polinomios de Kantorovic.
Ana Fernández Palacín, José Muñoz Pérez (1990)
Trabajos de Estadística
Similarity:
En este trabajo se propone un estimador para la función cuantil, basado en polinomios de Kantorovic, como estimador natural, y se prueba que su error absoluto medio es un infinitésimo de orden n. Mediante simulación se pone de manifiesto que dicho estimador conduce a una reducción sustancial del error absoluto medio frente a la función cuantil muestral y, por otra parte, se compara con el estimador basado en polinomios de Bernstein.
Complejidad de los números naturales.
J. Arias de Reyna (2000)
Gaceta de la Real Sociedad Matemática Española
Similarity:
Problemas de óptimo que relacionan la información de Kullback y el conjunto de riesgos de Neyman-Pearson.
Ramiro Melendreras Gimeno (1983)
Trabajos de Estadística e Investigación Operativa
Similarity:
Consideramos la conexión que existe entre la información de Kullback y los tests admisibles óptimos en el conjunto de riesgos de Neyman-Pearson, usando para ello el estudio de problemas de programación matemática de tipo infinito. Se obtienen resultados que caracterizan un subconjunto de soluciones Bayes como consecuencia del conocimiento de la información, así como una medida de discriminación entre hipótesis para el conjunto de riesgos.