1999
Additive models and kernel smoothing
ZELINKA, JiříZákladní údaje
Originální název
Additive models and kernel smoothing
Název anglicky
Additive models and kernel smoothing
Autoři
ZELINKA, Jiří (203 Česká republika, garant)
Vydání
1. vyd. Bratislava, PROBASTAT'98 Proceedings of the Third International Conference on Mathematical Statistics, s. 241-250, 1999
Nakladatel
Mathematical Institute SAS
Další údaje
Jazyk
čeština
Typ výsledku
Stať ve sborníku
Obor
10101 Pure mathematics
Stát vydavatele
Česká republika
Utajení
není předmětem státního či obchodního tajemství
Kód RIV
RIV/00216224:14310/99:00003868
Organizační jednotka
Přírodovědecká fakulta
ISBN
1210-3195
UT WoS
000086145000026
Klíčová slova anglicky
linear smoother; smoother matrices; additive model; orthogonal projection
Změněno: 21. 5. 2003 14:11, Mgr. Jiří Zelinka, Dr.
V originále
Nonparametric regression methods are often used to estimate an unknown function $m(x_1,\dots,x_p)$ in a regression model $$Y=m(X_1,\dots,X_p)+\eps$$ for random variables $X_1,\dots,X_p,Y$ and error $\eps$. Additive model can be used for the function $m$ in the special form $$m(x_1,\dots,x_p)=m_1(x_1)+\dots m_p(x_p).$$ Application of kernel smoothing to additive models is shown in this contribution and some practical results, too.
Anglicky
Nonparametric regression methods are often used to estimate an unknown function $m(x_1,\dots,x_p)$ in a regression model $$Y=m(X_1,\dots,X_p)+\eps$$ for random variables $X_1,\dots,X_p,Y$ and error $\eps$. Additive model can be used for the function $m$ in the special form $$m(x_1,\dots,x_p)=m_1(x_1)+\dots m_p(x_p).$$ Application of kernel smoothing to additive models is shown in this contribution and some practical results, too.
Návaznosti
| GA201/96/0665, projekt VaV |
|