Оценка плотности распределения вероятности ядерными функциями
книга

Оценка плотности распределения вероятности ядерными функциями

Автор: С. Бардасов

Форматы: PDF

Издательство: Тюменский государственный университет

Год: 2011

Место издания: Тюмень

ISBN: 978-5-400-00491-9

Страниц: 108

Артикул: 74540

Электронная книга
216

Краткая аннотация книги "Оценка плотности распределения вероятности ядерными функциями"

В монографии рассматривается оценка одномерной функции плотности распределения вероятностей методом ядерных функций РозенблаттаПарзена.
Разработан метод оценки функции плотности, основанной на максимизации логарифма функции правдоподобия, который в отличие от обычного метода перекрестной оценки (кросс-валидации) дает результаты вполне соответствующие истинному распределению.
Построен метод оценки с кусочно-постоянным параметром размытия, который позволяет избежать ограничений, связанных с использованием единственного значения параметра.
Осуществлен переход к непрерывному параметру сглаживания путем комбинации рассматриваемого метода и формулы Абрамсона.
Рассмотрена оценка непрерывной ширины окна в случаях, когда формула Абрамсона неприменима.
Приведен обзор некоторых методов оценки функции плотности, основанных на минимизации среднеквадратической ошибки, поскольку именно в этом случае достигнуты теоретические результаты и асимптотические оценки.
Монография адресована широкому кругу специалистов, использующих статистические методы, в своей работе.

Содержание книги "Оценка плотности распределения вероятности ядерными функциями"


Введение
Глава 1. Непараметрическая оценка функции плотности распределения вероятности на основе функции правдоподобия
Глава 2. Теоретические основы оценки функции плотности методом минимизации среднеквадратической ошибки
Глава 3. Выбор параметра сглаживания
Заключение
Библиографический список

Все отзывы о книге Оценка плотности распределения вероятности ядерными функциями

Чтобы оставить отзыв, зарегистрируйтесь или войдите

Отрывок из книги Оценка плотности распределения вероятности ядерными функциями

104 Fryer, M. J. (1976) Some errors associated/with the nonparametric estima-tion of density functions. J. Inst. Math. Appl. 18,371-80. Geisser, S. A predictive sample reuse method with application // Journal of American Statistical Association. 1975. Vol. 70. pp. 320-328. Gasser, T. and Müller, H.-G. (1979) Kernel estimation of regression func-tions. In Smoothing Techniques for Curve Estimation (eds. T. Gasser and M. Rosenblatt). Springer-Verlag, Heidelberg, pp. 23-68. Grund, В., Hall, P. and Marron, J. S. (1995) Loss and risk in smoothing parameter selection. J. Nonparametric Statist. Hall, P. Large sample optimality of least-squares cross-validation density estimation // Ann. Statist. 1983. Vol. 11. pp. 1156-1174. Hall, P. and Marron, J. S. (1987a) Extent to which least-squares cross-validation minimises integrated squared error in nonparametric density es-timation. Probab. Theory Rel. Fields 74, 567-81. Hall, P. and Marron, J. S. (1987b) Estimation of integrated squared density derivatives. Statist. Probab. Lett. 6, 109-15. Hall, P. and Marron, J. S. (1988) Variable window width kernel estimates of probability densities. Probab. Theory Rel. Fields 80, 37-49. Hall, P. and Marron, J. S. Local minima in cross-validation functions // J. Roy. Statist. Soc.. 1991. Vol. Ser. B 53. pp. 245-252. Hall, P., Marron, J. S. and Park, B.U. (1992) Smoothed cross-validation. Probab. Theory Rel. Fields 92, 1-20. Hall, P., Sheather, S. J., Jones, M.C. and Marron, J.S. (1991)On optimal data-based bandwidth selection in kernel density estimation. Biometrika 78, 263-9. Hodges, J. L. and Lehmann, E. L. (1956) The efficiency of some nonpara-metric competitors to the t-test. Ann. Math. Statist. Huesmann, J.A. and Terrell, G.R. Optimal parameter choice for error minimization in Bivariate histograms // Journal of multivariate analysis. 1991. Vol. 37. pp. 85-103. Janssen, P.; Marron, J. S.; Veraverbeke, N.; Sarle, W. Scale measures for bandwidth selection // Journal of No...