Pokaż uproszczony rekord

dc.contributor.authorBaszczyńska, Aleksandra
dc.date.accessioned2016-01-30T15:22:06Z
dc.date.available2016-01-30T15:22:06Z
dc.date.issued2007
dc.identifier.issn0208-6018
dc.identifier.urihttp://hdl.handle.net/11089/16824
dc.description.abstractIn the paper some nonparametric estimators of regression function are studied: Nadaraya-Watson estimator and k-nearest neighbour one. Properties of these estimators and possibilities of using them in practice are taken into consideration. A comparative study of the two estimators is presented. Different techniques of choosing method’s parameters (kernel function, smoothing parameter h and parameter k) are used in this study to choose the optimal ones. Some practical rules are proposed and they are used in this study.pl_PL
dc.description.abstractW pracy przedstawiono wybrane dwa nieparametryczne estymatory funkcji regresji: estymator jądrowy Nadaraya-Watsona oraz estymator k-najbliższego sąsiada. Podano ich własności, możliwości wykorzystania oraz dokonano porównania tych estymatorów. Przedstawiono również przykład zastosowania estymatora jądrowego regresji z uwzględnieniem właściwego doboru parametrów metody (funkcji jądra i parametru wygładzania h) oraz estymatora k-najbliższego sąsiada z uwzględnieniem właściwego doboru parametru k. Zaproponowano również praktyczne zasady wyboru parametrów estymacji funkcji regresji i wykorzystano je w przykładzie.pl_PL
dc.description.sponsorshipZadanie pt. „Digitalizacja i udostępnienie w Cyfrowym Repozytorium Uniwersytetu Łódzkiego kolekcji czasopism naukowych wydawanych przez Uniwersytet Łódzki” nr 885/P-DUN/2014 zostało dofinansowane ze środków MNiSW w ramach działalności upowszechniającej naukę.pl_PL
dc.language.isoenpl_PL
dc.publisherWydawnictwo Uniwersytetu Łódzkiegopl_PL
dc.relation.ispartofseriesActa Universitatis Lodziensis. Folia Oeconomica;206
dc.subjectregression functionpl_PL
dc.subjectkernel functionpl_PL
dc.subjectsmoothing parameterpl_PL
dc.subjectk-nearest neighbour methodpl_PL
dc.subjectkernel methodpl_PL
dc.titleSome Nonparametric Estimators of Regression Functionpl_PL
dc.title.alternativeWybrane nieparametryczne estymatory funkcji regresjipl_PL
dc.typeArticlepl_PL
dc.rights.holder© Copyright by Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2007pl_PL
dc.page.number42-52pl_PL
dc.contributor.authorAffiliationUniversity of Łódź, Chair of Statistical Methodspl_PL
dc.referencesBaszczyńska A. (2005), Some Remarks on the Choice of the Kernel Function in Density Estimation, “Acta Universitatis Lodziensis”, Folia Oeconomica, 194, 143-149.pl_PL
dc.referencesBaszczyńska A. (2006), Choice of the Smoothing Parameter in Kernel Density Estimation, “Acta Universitatis Lodziensis”, Folia Oeconomica, 196, 57-63.pl_PL
dc.referencesDomański Cz., Pruska K., Wagner W. (1998), Wnioskowanie statystyczne przy nieklasycznych założeniach, Wydawnictwo Uniwersytetu Łódzkiego, Łódź.pl_PL
dc.referencesHardie W. (1991), Smoothing Techniques. With Implementation in S, Springer-Verlag, New York.pl_PL
dc.referencesHuang M., Brill P. (2001), A Nonparametric Regression Method, “Nonlinear Analysis”, 47, 1467-1475.pl_PL
dc.referencesLoftsgaarden D., Quesenberry С. (1965), A Nonparametric Estimate of a Multivariate Density Function, Ann. Math. Statist. 36, 1049-1051.pl_PL
dc.referencesPagan A., Ullah A. (1999), Nonparametric Econometrics, Cambridge University Press, Cambridge.pl_PL
dc.referencesRosenblatt M. (1956), Remarks on Some Nonparametric Estimation of a Density Function, Ann. Math. Statist. 27, 832-837.pl_PL
dc.referencesWand M., Jones M. (1995), Kernel Smoothing, Chapman and Hall, London.pl_PL


Pliki tej pozycji

Thumbnail

Pozycja umieszczona jest w następujących kolekcjach

Pokaż uproszczony rekord