Publicação
Nucleo-estimador da função de densidade e da função de distribuição
| Resumo: | Neste trabalho discutimos algumas técnicas para a estimação da função de densidade e da função de distribuição utilizando Núcleo-estimador, mostrando suas principais vantagens e desvantagens. Analisamos as propostas para o cálculo da optimal bandwidth ou como definido em português, janela ótima. Numa primeira fase, visando analisar o desempenho do método, simulamos amostras de variáveis aleatórias com várias funções de densidade para diferentes valores de parâmetros. Estimamos a função de densidade/ distribuição utilizando o Núcleo-estimador e comparamos com as funções de densidade/ distribuição reais correspondentes. Quando a variância amostral das observações x1, x2, · · · , xn, é extremamente grande ou muito pequena este método não é apropriado, por este motivo, realizamos uma transformação linear Y=aX, de tal forma que a variância amostral dos yi´s seja 1. Assim estimamos a função de densidade/distribuição de Y e posteriormente a função de densidade/distribuição de X. Finalmente abordamos um exemplo de aplicação no qual tentamos ajustar várias funções paramétricas sendo então necessária a aplicação do Núcleo-estimador para estimar a densidade geradora dos dados amostrais. |
|---|---|
| Autores principais: | Wagner Luiz Moreira dos Santos |
| Assunto: | Janela ótima Transformação linear Núcleo-estimador Estatística Distribuições (Probabilidades) Funcionais de Densidade |
| Ano: | 2019 |
| País: | Brasil |
| Tipo de documento: | trabalho de fim de curso |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | IBICT |
| Idioma: | português |
| Origem: | Oasisbr |
| Resumo: | Neste trabalho discutimos algumas técnicas para a estimação da função de densidade e da função de distribuição utilizando Núcleo-estimador, mostrando suas principais vantagens e desvantagens. Analisamos as propostas para o cálculo da optimal bandwidth ou como definido em português, janela ótima. Numa primeira fase, visando analisar o desempenho do método, simulamos amostras de variáveis aleatórias com várias funções de densidade para diferentes valores de parâmetros. Estimamos a função de densidade/ distribuição utilizando o Núcleo-estimador e comparamos com as funções de densidade/ distribuição reais correspondentes. Quando a variância amostral das observações x1, x2, · · · , xn, é extremamente grande ou muito pequena este método não é apropriado, por este motivo, realizamos uma transformação linear Y=aX, de tal forma que a variância amostral dos yi´s seja 1. Assim estimamos a função de densidade/distribuição de Y e posteriormente a função de densidade/distribuição de X. Finalmente abordamos um exemplo de aplicação no qual tentamos ajustar várias funções paramétricas sendo então necessária a aplicação do Núcleo-estimador para estimar a densidade geradora dos dados amostrais. |
|---|
Atividades financiadas
Não foram encontrados projetos financiados.