сгенерировать QR код
Открытый доступ
Только для подписчиков
Анализ методов оптимизации непараметрической оценки плотности вероятности по коэффициенту размытости ядерных функций
Аннотация
Приведены результаты сравнения наиболее распространённых методов оптимизации непараметрической оценки плотности вероятности Розенблатта-Парзена. Для выбора оптимальных значений коэффициентов размытости ядерных функций использованы условия минимума среднего квадратического отклонения непараметрической оценки плотности вероятности и максимума функции правдоподобия.
Об авторах
А. В. Лапко
Сибирский государственный университет науки и технологий им. акад. М. Ф. Решетнёва
Россия
Россия
В. А. Лапко
Сибирский государственный университет науки и технологий им. акад. М. Ф. Решетнёва
Россия
Россия
Список литературы
1. Parzen E. On estimation of a probability density function and mode // Ann. Math. Statistic. 1962. V. 33. No 3. P. 1065-1076.
2. Епанечников В. А. Непараметрическая оценка многомерной плотности вероятности // Теория вероятности и её применения. 1969. Т. 14. № 1. С. 156-161.
3. Лапко А. В., Лапко В. А., Шарков М. А. Непараметрические методы обнаружения закономерностей в условиях малых выборок // Известия вузов. Приборостроение. 2008. Т. 51. № 8. С. 62-67.
4. Lapko A. V., Lapko V. A. Regression Estimate of the Multidimensional Probability Density and Its Properties // Opt., Inst. Data Proc. 2014. V. 50. No 2. P. 148-153.
5. Лапко А. В., Медведев А. В., Тишина Е. А. К оптимизации непараметрических оценок // Алгоритмы и программы для систем автоматизации экспериментальных исследований: Сб. науч. трудов. Фрунзе, 1975. С. 105-116.
6. Rudemo M. Empirical choice of histogram and kernel density estimators // Scandinavian J. Statistics. 1982. No 9. P. 65-78.
7. Hall P. Large-sample optimality of least squares cross-validation in density estimation // Annals of Statistics. 1983. V. 11. P. 1156-1174.
8. Jiang M., Provost S.B. A hybrid bandwidth selection methodology for kernel density estimation // J. Statist. Comput. Simulation. 2014. V. 84. No. 3. P. 614-627.
9. Dutta S. Cross-validation Revisited // Communications in Statistics - Simulation and Computation. 2016. V. 45. No. 2. P. 472-490.
10. Heidenreich N. B., Schindler A., Sperlich S. Bandwidth selection for kernel density estimation: a review of fully automatic selectors // AStA Advances in Statistical Analysis. 2013. V. 97. No. 4. P. 403-433.
11. Qi Li and Jeffrey Scott Racine Nonparametric Econometrics: Theory and Practice. Princeton: Princeton University Press, 2007.
12. Duin R. P. W. On the Choice of Smoothing Parameters for Parzen Estimators of Probability Density Functions // IEE Trans. Comp. 1976. V. C-25. P. 1175-1179.
13. Botev Z.I., Kroese D.P. Non-asymptotic Bandwidth Selection for Density Estimation of Discrete Data // Methodology and Computing in Applied Probability. 2008. V. 10. No. 3. P. 435-451.
14. Bowman A. W. A comparative study of some kernel-based non-parametric density estimators // J. Statist. Comput. Simulation. 1982. V. 21. P. 313-327.
15. Деврой Л., Дьерфи Л. Непараметрическое оценивание плотности. (L1 - подход). М.: Мир, 1988.
16. Lapko A. V., Lapko V. A. Nonparametric Pattern Recognition Algorithms For Random Values Of Fuzziness Factors Of Kernel Functions // Opt., Instrum. Data Proc. 2007. V. 43. No 5. P. 425-432.
Рецензия
Для цитирования:
Лапко А.В., Лапко В.А. Анализ методов оптимизации непараметрической оценки плотности вероятности по коэффициенту размытости ядерных функций. Izmeritelʹnaya Tekhnika. 2017;(6):3-8.
Просмотров:
83
Послать статью по эл. почте 