کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10327530 681237 2013 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Full bandwidth matrix selectors for gradient kernel density estimate
ترجمه فارسی عنوان
انتخابگرهای ماتریس پهنای باند کامل برای تخمین چگالی دانه کرنل
کلمات کلیدی
خطای مربع یکپارچه، تراکم هسته چندمتغیره، ماتریس پهنای باند بدون محدودیت،
ترجمه چکیده
مهمترین عامل در برآورد چگالی هسته چند متغیر، انتخاب یک ماتریس پهنای باند است. این انتخاب مخصوصا به دلیل نقش آن در کنترل مقدار و جهت صاف چند متغیری است. توجه قابل توجه به پارامتر محدودیت ماتریس پهنای باند مانند ماتریس مورب یا پیش تبدیل داده ها شده است. یک برآوردگر مشتق از تراکم هسته چند متغیری بررسی شده است. انتخابگرهای داده شده برای ماتریس پهنای باند کامل برای تراکم و گرادیان آن در نظر گرفته شده است. روش پیشنهادی براساس یک رابطه بهینه تعادل بین واریانس یکپارچه و تعصب مربع یکپارچه است. تجزیه و تحلیل خواص آماری نشان می دهد که منطق روش پیشنهادی است. به منظور مقایسه این روش با روش های متداول اعتبارسنجی و پلاگین، نرخ نسبی همگرایی تعیین می شود. ابزار این روش از طریق مطالعه شبیه سازی و برنامه های کاربردی واقعی داده شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
The most important factor in multivariate kernel density estimation is a choice of a bandwidth matrix. This choice is particularly important, because of its role in controlling both the amount and the direction of multivariate smoothing. Considerable attention has been paid to constrained parameterization of the bandwidth matrix such as a diagonal matrix or a pre-transformation of the data. A general multivariate kernel density derivative estimator has been investigated. Data-driven selectors of full bandwidth matrices for a density and its gradient are considered. The proposed method is based on an optimally balanced relation between the integrated variance and the integrated squared bias. The analysis of statistical properties shows the rationale of the proposed method. In order to compare this method with cross-validation and plug-in methods the relative rate of convergence is determined. The utility of the method is illustrated through a simulation study and real data applications.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 57, Issue 1, January 2013, Pages 364-376
نویسندگان
, , ,