2002
Kernel Estimation of the Regression Function - Bandwidth Selection
KOLÁČEK, JanZákladní údaje
Originální název
Kernel Estimation of the Regression Function - Bandwidth Selection
Název česky
Jádrové odhady regresní funkce - volba optimální šířky okna
Autoři
Vydání
Brno, Datastat 01, Folia Fac. Sci. Nat. Univ. Masaryk. Brunensis, Mathematica 11, od s. 129-138, 10 s. 2002
Nakladatel
Masaryk University
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
10103 Statistics and probability
Stát vydavatele
Česká republika
Utajení
není předmětem státního či obchodního tajemství
Forma vydání
tištěná verze "print"
Kód RIV
RIV/00216224:14310/02:00021250
Organizační jednotka
Přírodovědecká fakulta
ISBN
80-210-3028-3
Klíčová slova anglicky
Regression function; kernel smoothing; bandwidth
Štítky
Příznaky
Recenzováno
Změněno: 12. 11. 2013 16:18, doc. Mgr. Jan Koláček, Ph.D.
V originále
The problem of deciding how much to smooth is of great importance in nonparametric regression. Before embarking on technical solutions of the problem it is worth noting that a selection of the smoothing parameter is always related to a certain interpretation of the smooth. However, a good automatically selected parameter is always a useful starting (view)point. An advantage of automatic selection of the bandwidth for kernel smoothers is that comparison between laboratories can be made on the basis of a standardized method. Various methods for choosing the smoothing parameter are presented in the following sections. The choice is made so that some global error criterion is minimized. This paper shortly aspires to summarize attained results from this branch and to demonstrate their application for simulated data sets.
Česky
Práce se zabývá některými metodami pro výběr optimální šířky okna při neparametrické regresi.
Návaznosti
| MSM 143100001, záměr |
|