Acta Univ. Agric. Silvic. Mendelianae Brun. 2004, 52(3), 167-176 | DOI: 10.11118/actaun200452030167

Gasser-Müllerův odhad

Jitka Poměnková
Ústav statistiky a operačního výzkumu, Mendelova zemědělská a lesnická univerzita v Brně, Zemědělská 5, 613 00 Brno, Česká republika

Jádrové vyhlazování nabízí jednoduchý způsob jak najít a popsat strukturu dat. Myšlenka jádrového vyhlazování může být aplikována na regresní model s pevným i náhodným plánem. Předložný článek se zaměřil na jádrové vyhlazování s užitím speciálního typu odhadu, a to Gasser-Müllerova odhadu, a na výber šířky vyhlazovacího okna. Na konci článku jsou připojeny ilustrativní grafy uvedených metod Pro grafické zpracování bylo využito jak simulovaných hodnot funkce sin(2πx), tak reálných hodnot, kterými byly průměrné lednové teploty naměřené v Basileji mezi lety 1755-1855.

jádrové vyhlazování, Gasser-Müllerův odhad, šířka vyhlazovacího okna

The Gasser-Müller estimator

Kernel smoothing provides a simple way for finding structure in data. The idea of the kernel smoothing can be applied to a simple fixed design regression model and a random design regression model. This article is focused on kernel smoothing for fixed design regression model with using special type of estimator, the Gasser-Müller estimator, and on choice of the bandwidth. At the end of this article figures for ilustration described methods on two data sets are shown. The first data set contains simulated values of function sin(2πx), the second contains January average temperatures measured in Basel 1755-1855.

Keywords: kernel smoothing, Gasser-Müller estimator, bandwidth

Received: November 18, 2002; Published: June 17, 2015  Show citation

ACS AIP APA ASA Harvard Chicago IEEE ISO690 MLA NLM Turabian Vancouver
Poměnková, J. (2004). The Gasser-Müller estimator. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 52(3), 167-176. doi: 10.11118/actaun200452030167
Share...
Download citation
  • BibTeX (.bib)
  • Bookends (.ris)
  • EasyBib (.ris)
  • EndNote (.enw)
  • EndNote 8 (.xml)
  • ISI WoS (.isi)
  • Medlars (.medlars)
  • Mendeley (.ris)
  • MODS (.xml)
  • Papers (.ris)
  • RefWorks (.txt)
  • RefManager (.ris)
  • RIS (.ris)
  • MS Word (.xml)
  • Zotero (.ris)
    • Open full article

    References

    1. GASSER, T., EGEL, J.: The choice of weights in kernel regression estimation. Biometrika 1990. Go to original source...
    2. HOROVÁ, I.: Some Remarks on Kernels, journal of Computational Analysis, Vol.2., No.2.2000. Go to original source...
    3. HOROVÁ, I., ZELINKA, J.: Základy a aplikace jádrových odhadů. Analýza dat 2000/II.Moderní statistické metody, Lázně Bohdaneč 2.11.1 - 24.11. 2000, 141 - 166 str.
    4. HÄRDLE, W.: Applied Nonparametric Regression. Cambridge University Press, 1990. Go to original source...
    5. HÄRDLE, W., SCHIMEK, M. G.: Statistical Theory and Computational Aspects of Smoothing 1994.
    6. WAND, M. P., JONES, M. S.: Kernel Smoothing. Chapman & Hall, London,1995. Go to original source...

    This is an open access article distributed under the terms of the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License (CC BY NC ND 4.0), which permits non-comercial use, distribution, and reproduction in any medium, provided the original publication is properly cited. No use, distribution or reproduction is permitted which does not comply with these terms.


    Return to the content