Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "smoothing parameter" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Some Remarks on the Choice of the Kernel Function in Density Estimation
    Uwagi o wyborze funkcji jądra w estymacji funkcji gęstości
    Autorzy:
    Baszczyńska, Aleksandra
    Powiązania:
    https://bibliotekanauki.pl/articles/904689.pdf
    Data publikacji:
    2005
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    density estimation
    kernel function
    smoothing parameter
    Opis:
    Funkcja gęstości jest jedną z podstawowych charakterystyk opisujących zachowanie się zmiennej losowej. Najczęściej wykorzystywaną metodą nieparametrycznej estymacji jest estymacja jądrowa. W procesie konstrukcji estymatora konieczne są dwie decyzje, dotyczące parametrów metody: wybór funkcji jąd ra K(u) oraz wybór parametru wygładzania h. W pracy nacisk położono n a wpływ wyboru funkcji jąd ra na wielkość parametru wygładzania. Eksperyment Monte Carlo dotyczy siedmiu funkcji jądra (gausowskiej, równomiernej, trójkątnej, epanechnikowa, dwukwadratowej, trójkwadratowej i kosinusowej) w estymacji jądrowej funkcji gęstości.
    The basic characteristic describing the behaviour of the random variable is its density function. Kernel density estimation is one of the most widely used nonparametric density estimations. In the process of constructing the estimator we have to choose two parameters of the method: the kernel function K(u) and smoothing parameter h (bandwidth). In the paper, kernel method is discussed in detail, with particular emphasis on influence of the choice of the kernel function K(u) on the quantity of smooothing. Monte Carlo study is presented, where seven kernel functions (Gaussian, Uniform, Triangle, Epanechnikov, Quartic, Triweight, Cosinus) are used in density estimation.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2005, 194
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Choice of the Smoothing Parameter in Kernel Density Estimation
    Wybór parametru wygładzania w estymacji jądrowej funkcji gęstości
    Autorzy:
    Baszczyńska, Aleksandra
    Powiązania:
    https://bibliotekanauki.pl/articles/905695.pdf
    Data publikacji:
    2006
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    density estimation
    kernel function
    smoothing parameter
    practical rules
    cross-validation
    Opis:
    Kernel density estimation is one of the main methods available for univariate density estimation. The problems of choosing the kernel function and choosing the smoothing parametr are of crucial importance in density estimation. Various methods, used in practice, for choosing smoothing parametr are discussed. Some of them are simple, some complicated in calculations, but it must be emphasized that the appropriate choice of method for choosing parameter depends on the purpose for which the density estimate is to be used. Monte Carlo study is presented, where three “practical rules" and two forms of crossvalidation (maximum likelihood CV and least-squares CV) are used in density estimation. The values of smoothing parameters are compared with the “optimal” one, which is obtained by minimizing mean squared error. In all mentioned studies the accuracy of the estimation, measured by mean squared error, is considered.
    Jądrowa estymacja jest jedną z podstawowych metod nieparametrycznej estymacji funkcji gęstości. Zagadnienie wyboru funkcji jądra oraz wyboru właściwej wartości parametru wygładzania traktowane są jako zasadnicze w estymacji funkcji gęstości. W pracy rozważane są różne metody wyboru parametru wygładzania w estymacji jądrowej, od metod najprostszych do nieco bardziej złożonych. Należy podkreślić jednak, iż wybór metody wyboru parametru wygładzania zależy od celu dokonywanej estymacji charakterystyki funkcyjnej. W artykule przedstawiono również wyniki z przeprowadzonego eksperymentu Monte Carlo, gdzie rozważano trzy „praktyczne zasady” wyboru parametru wygładzania oraz dwie metody cross-validation (największej wiarygodności i najmniejszych kwadratów). Wartości tak otrzymanych parametrów wygładzania są porównywane z parametrem otrzymanym poprzez minimalizację błędu średniokwadratowego, traktowanym jako parametr „optymalny” .
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2006, 196
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    COMPUTER-ASSISTED CHOICE OF SMOOTHING PARAMETER IN KERNEL METHODS APPLIED IN ECONOMIC ANALYSES
    Autorzy:
    Baszczyńska, Aleksandra
    Powiązania:
    https://bibliotekanauki.pl/articles/453961.pdf
    Data publikacji:
    2014
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    kernel method
    smoothing parameter
    Silverman’s practical rule
    SiZer map
    Opis:
    In the kernel method, it is necessary to determine the value of the smoothing parameter. Not without significance is the fact of using the objectivity in the selection of this parameter and a certain automation of the selection procedure, which is important especially for novice users of kernel methods in the process of statistical inference. In the paper some methods of choice of the smoothing parameter are presented with the results of the simulation study that indicate these methods of selecting the smoothing parameter as handy tool when kernel methods are used in economic analyses.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2014, 15, 2; 37-46
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Some Nonparametric Estimators of Regression Function
    Wybrane nieparametryczne estymatory funkcji regresji
    Autorzy:
    Baszczyńska, Aleksandra
    Powiązania:
    https://bibliotekanauki.pl/articles/906895.pdf
    Data publikacji:
    2007
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    regression function
    kernel function
    smoothing parameter
    k-nearest neighbour method
    kernel method
    Opis:
    In 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.
    W 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.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2007, 206
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Smoothing parameter values in automatic choice procedure and in acceptable interval in the kernel density estimation
    Wartości parametru wygładzania w automatycznej procedurze i w przedziałach akceptowalnych w jądrowej estymacji funkcji gęstości
    Autorzy:
    Baszczyńska, Aleksandra
    Powiązania:
    https://bibliotekanauki.pl/articles/699886.pdf
    Data publikacji:
    2018
    Wydawca:
    Łódzkie Towarzystwo Naukowe
    Tematy:
    kernel density estimation, smoothing parameter, kernel function, automatic choice
    estymacja jądrowa funkcji gęstości, parametr wygładzania, funkcja jądra, wybór automatyczny
    Opis:
    https://doi.org/10.26485/0459-6854/2018/68.3/4 Automatyczna procedura określania parametrów metody jądra pozwala na jednoczesny wybór dwóch parametrów metody: funkcji jądra i parametru wygładzania. To podejście upraszcza procedurę wyboru parametrów, a jednocześnie zapewnia dobre właściwości estymatorów jądra. Drugą procedurą, która jest w pracy, jest akceptowalny odstęp wartości parametrów wygładzania, co pozwala na bardziej uogólnione podejście do wyboru parametru wygładzania w szacowaniu jądra. W artykule przedstawiono wyniki analizy wartości parametrów wygładzania, ustalonych w procedurze automatycznej oraz procedury akceptowalnego odstępu wartości parametrów wygładzania w oszacowaniu funkcji gęstości. Porównanie tych wartości odbywa się w oparciu o wyniki stosowania metod symulacji. Na podstawie badań symulacyjnych proponuje się i przeanalizuje nowe odstępy wartości parametrów wygładzania.
    https://doi.org/10.26485/0459-6854/2018/68.3/4 Automatic procedure for determining the parameters of kernel method, allows the simultaneous selection of two method parameters: kernel function and smoothing parameter. This approach simplifies the procedure for parameters selection and at the same time provides a good properties of kernel estimators. The second procedure regarded in the paper is the acceptable interval of values of smoothing parameter, allowing for a much more generalized approach in choosing the smoothing parameter in the kernel estimation. The results of the smoothing parameter values comparison, where these values are set in the automatic procedure and the procedure of the acceptable interval of smoothing parameters values in the estimation of density function, are presented in the paper. Comparison of these values is made basing on the results of applying the simulation methods. Basing on simulation studies results new intervals of values of smoothing parameter are proposed and analyzed.
    Źródło:
    Bulletin de la Société des Sciences et des Lettres de Łódź, Série: Recherches sur les déformations; 2018, 68, 3; 51-58
    1895-7838
    2450-9329
    Pojawia się w:
    Bulletin de la Société des Sciences et des Lettres de Łódź, Série: Recherches sur les déformations
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies