D 2005

Parametrické, neparametrické a semiparametrické metody diskriminační analýzy pro elipticky vrstevnicová rozdělení

FORBELSKÁ, Marie

Základní údaje

Originální název

Parametrické, neparametrické a semiparametrické metody diskriminační analýzy pro elipticky vrstevnicová rozdělení

Název anglicky

Parametric, nonparametric and semiparametric methods of discriminant analysis for elliptically contoured distributions

Autoři

FORBELSKÁ, Marie

Vydání

Pardubice (Czech Rep.), Analýza dat 2004/II, od s. 35-52, 18 s. 2005

Nakladatel

TriloByte statistical software

Další údaje

Jazyk

čeština

Typ výsledku

Stať ve sborníku

Obor

10103 Statistics and probability

Stát vydavatele

Česká republika

Utajení

není předmětem státního či obchodního tajemství

Kód RIV

RIV/00216224:14310/05:00034840

Organizační jednotka

Přírodovědecká fakulta

ISBN

80-239-4847-4

Klíčová slova anglicky

linear and quadratic discriminant decision rules; elliptically contoured distributions; kernel density estimation; product kernels; Gaussian and polynomial kernels; bandwidth choice;

Štítky

Změněno: 28. 1. 2009 15:20, RNDr. Marie Forbelská, Ph.D.

Anotace

ORIG EN

V originále

Klasická lineární a kvadratická (t.j. parametrická) klasifikační pravidla lze najít i pro mnohem širší třídu vícerozměrných rozdělení, a to pro tzv. elipticky vrstevnicová rozdělení. Pro tento typ rozdělení je také popsán neparametrický i semiparametrický přístup vycházející z jádrových odhadů podmíněných hustot figurujících v klasifikačních pravidlech.

Anglicky

This paper demonstrates that linear and quadratic discriminant decision rules of classifying observation as coming from one of several multivariate normal distribution can be construct for much broader classes of multivariate distributions such as elliptically contoured distributions (ECDs). In this paper we also investigate nonparametric and semiparametric approaches based on kernel smoothing.