Optimal Choice of Nonparametric Estimates of a Density and of its Derivatives

Varování

Publikace nespadá pod Fakultu sportovních studií, ale pod Přírodovědeckou fakultu. Oficiální stránka publikace je na webu muni.cz.
Název česky Optimální volba parametrů pro jádrové odhady hustoty a jijích derivací
Autoři

HOROVÁ Ivanka VIEU Philippe ZELINKA Jiří

Rok publikování 2002
Druh Článek v odborném periodiku
Časopis / Zdroj Statistics & Decisions
Fakulta / Pracoviště MU

Přírodovědecká fakulta

Citace
www
Obor Obecná matematika
Klíčová slova asymptotic optimal estimate; bandwidth choice; canonical kernel; density estimates; derivatives estimation; kernel order choice; polynomial kernels
Popis Kernel smoothers are one of the most popular nonparametric functional estimates. These smoothers depend on three parameters: the bandwidth which controls the smoothness of the estimate, the form of the kernel weight function and the order of the kernel which is related to the number of derivatives assumed to exist in the nonparametric model. Because these three problems are closely related one to each other it is necessary to address them all together. In this paper we concentrate on the estimation of a density function and of its derivatives. We propose to use polynomial kernels and we construct data-driven choices for the bandwidth and the order of the kernel. We show a~theorem stating that this method for solving simultaneously the three selection problems mentioned before is asymptotically optimal in terms of Mean Integrated Squared Errors. As a by-product of our result we show an asymptotic optimality property for a~new bandwidth selector for density derivative which is quite appealing because of the simplicity of its implementation.
Související projekty:

Používáte starou verzi internetového prohlížeče. Doporučujeme aktualizovat Váš prohlížeč na nejnovější verzi.

Další info