Generate QR code
Open Access
Subscription Access
Быстрый алгоритм выбора коэффициентов размытости ядерных функций в непараметрической оценке плотности вероятности
Abstract
Proposed fast algorithm bandwidth selection for kernel function in nonparametric probability density estimate. The dependences of its properties and consider the method of interval estimation of the root-mean-square deviation of the nonparametric statistics.
Keywords
непараметрическая оценка плотности вероятности,
выбор коэффициентов размытости,
оценка среднего квадратического отклонения плотности вероятности,
оценка Розенблатта-Парзена,
nonparametric probability density estimate,
bandwidth selection,
estimation of root-mean-square deviation of probability density,
Rosenblat-Parzen estimate
About the Authors
А. Лапко
Сибирский государственный университет науки и технологий им. акад. М. Ф. Решетнева; Институт вычислительного моделирования СО РАН
Russian Federation
Russian Federation
В. Лапко
Сибирский государственный университет науки и технологий им. акад. М. Ф. Решетнева; Институт вычислительного моделирования СО РАН
Russian Federation
Russian Federation
References
1. Лапко А. В., Лапко В. А. Многоуровневые непараметрические системы обработки информации. Красноярск: СибГАУ, 2013.
2. Rudemo M. Empirical choice of histogram and kernel density estimators // Scandinavian J. Statistics. 1982. № 9. P. 65-78.
3. Hall P. Large-sample optimality of least squares cross-validation in density estimation // Annals of Statistics. 1983. V. 11. P. 1156-1174.
4. Jiang M., Provost S. B. A hybrid bandwidth selection methodology for kernel density estimation // J. Statistical Computation and Simulation. 2014. V. 84. No. 3. P. 614-627.
5. Dutta S. Cross-validation Revisited // Communications in Statistics - Simulation and Computation. 2016. V. 45. No. 2. P. 472-490.
6. Heidenreich N. B., Schindler A., Sperlich S. Bandwidth selection for kernel density estimation: a review of fully automatic selectors // Advances in Statistical Analysis. 2013. V. 97. No. 4. P. 403-433.
7. Лапко А. В., Лапко В. А. Анализ методов оптимизации непараметрической оценки плотности вероятности по коэффициенту размытости ядерных функций // Измерительная техника. 2017. № 6. С. 3-8.
8. Borrajo M. I., González-Manteiga W., Martínez-Miranda M. D. Bandwidth selection for kernel density estimation with length-biased data // J. Nonparametric Statistics. 2017. V. 29. No. 3. P. 636-668.
9. Chen S. Optimal bandwidth selection for kernel density functionals estimation // J. Probability and Statistics. 2015. V. 2015. P. 1-21.
10. Sheather S. J. Density Estimation // Statistical Science. 2004. V. 19. No. 4. P. 588-597.
11. Silverman B. W. Density Estimation for Statistics and Data Analysis. London: Chapman and Hall, 1986.
12. Raykar V. C., Duraiswami R. Fast optimal bandwidth selection for kernel density estimation // 6th SIAM Int. Conf. on Data Mining. 2006. P. 524-528.
13. Parzen E. On estimation of a probability density function and mode // Annals of Statistics. 1962. V. 33. No. 3. P. 106-1076.
14. Деврой Л., Дьерфи Л. Непараметрическое оценивание плотности (L1 - подход). М.: Мир, 1988.
15. Епанечников В.А. Непараметрическая оценка многомерной плотности вероятности // Теория вероятностей и её применение. 1969. Т. 14. № 1. С. 15-161.
16. Lapko A. V., Lapko V. A. Regression Estimate of the Multidimensional Probability Density and Its Properties // Optoelectronics, Instrumentation and Data Processing. 2014. V. 5. No. 2. P. 148-153
Review
For citations:
, . Izmeritel`naya Tekhnika. 2018;(6):16-20. (In Russ.)
Views:
75
Email this article 