1) kernel estimators
核估计量
2) Recursive kernel estimator
递归核估计量
4) Kernel estimation
核估计
1.
Identifying exceptions from data streams based on kernel estimation and interval clustering,;
基于核估计和区间聚类的数据流中异常模式发现
2.
Kernel Estimation of β in Nonparametric Regression Models;
非参数回归模型中β的核估计
3.
Considering the flaw of history simulation method,the paper adopts kernel estimation method to estimate parameters and their standard deviation,and then gives case analysis.
考虑到传统的历史模拟方法存在的缺点,采用基于核估计的历史模拟方法获得估计值及其置信区间,并用实例进行了分析。
5) kernel density estimation
核估计
1.
New algorithm for moving object detection based on the triangle kernel density estimation model;
基于三角核估计模型的运动目标检测方法
2.
This paper presented a new approach of bandwidth selection in kernel density estimation.
提出了密度核估计中窗宽选择的一种新方法,并通过选取适当的核函数,推导出决定窗宽选择的数学表达式,最后在均方误差(MSE)意义下,通过与交叉验证法(cross-validation)进行比较,说明在未知总体分布的情形下,用此方法选择最优窗宽是很有效的一个途径。
3.
In this paper,we first introduce the concept of kernel density estimation,and then the idea of variable bandwidth for kernel density estimation is considered from a new point of view.
通过对非参数密度核估计定义的理解,从一个崭新的角度提出了变窗宽密度核估计的思想,且对于i。
6) kernel estimate
核估计
1.
The strong consistency of conditional t-quantiles kernel estimate for dependent sample;
相依样本条件t-分位数核估计的强相合性
2.
Based on complete and censored data, we obtain pointwise consistency of regression function kernel estimates under suitable conditions, the results are distribution-free in the sense that they are true for all distribu.
在合适条件下获得了一类基于完全和截尾数据回归函数核估计的逐点相合性，所获的结果对于所有Ｘ的分布μ均成立，因此是分布自由
3.
In this model, nonparametric components are estimated by kernel estimates, and parametric component is estimated by least square estimate.
对模型的非参数成份构造了核估计，然后利用最小二乘法估计参数成份，最后证明了估计的若干渐近性质（例如，相合性，渐近正态性等）。
补充资料：Bayes估计量
Bayes估计量
Bayesian estimator
Bayes估计量【Bayesi助始廿ma.件;D自狱.。眨..界..] 用BayeS方法(Bayesian aPProach)由观察值对一未知参数所作的估计.统计问题使用这样的方法时，一般都假定未知参数所0 gR“是一具有给定先验分布7r=武do)的随机变量，决策空间D与集合0重合.且损失L(0，d)表示变量0与估计d的偏离.因此，函数L勿，d)通常假定为有形式L勿，d)=a(e)又(口一d)，其中又是误差向量0一d的某个非负函数，若k二1，则常取又勿一d)={0一d}“(“>0).最有用且在数学上最方便的是平方损失函数L(口，d)=}‘一d1’.对这一损失函数，Bayes估计量(Ba卿决策函教(Bavesian dedsion function))占’二亡厂(x)定义为使最小总损失 !;‘p‘二·“，一，‘薯必，“一”‘·’2’〕口‘么，叮‘““，达到的函数，或与之等价，了是使最小条件损失 ，母‘E{[口一占(x)]2+“)达到的函数，由此推出，在平方损失函数的场合，B竹es估计量与后验均值占‘(x)=E勿{x)相等，而Bayesj双险(Bayes risk)为 。‘二，占‘)二E!D矿夕}x)]‘此处O(0}劝是后验分布的方差: o(口{x)二任{{口一E(0{x)12!，、}. 例设二=(x，，，二，戈)，这里x，，，二，x。为具正态分布N勿，。’)的独立同分布变量，护己知，而未知参数0有正态分布N扭，铲).因为当x给定时口的后验分布为正态N(拜。，T:一、其中 n又。2一十“下一2 灿。二一—，，。一二n口‘一奋了一_ n口一汁~下且万=(x，十一+凡)/。，可知在平方损失函数{分一引’之下，Bayes估计量为占’(x)=线，而Bayes风险则为《二犷六伽铲十护).AH川畔即撰[补注]
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条