ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Comparisons Between The Local...>الوصف

Comparisons Between The Local Polynomial Kernel Estimators And The Cubic Smoothing Splines

المصدر: المجلة الليبية العالمية
الناشر: جامعة بنغازي - كلية التربية بالمرج
المؤلف الرئيسي: Mami, Ahmed M. (Author)
مؤلفين آخرين: Alyaser, Fatima Ali Hassan (Co-Author)
المجلد/العدد: ع37
محكمة: نعم
الدولة: ليبيا
التاريخ الميلادي: 2018
الشهر: مارس
الصفحات: 1 - 23
DOI: 10.37376/1570-000-037-010
ISSN: 2518-5845
رقم MD: 1008944
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EduSearch
مواضيع:
علم الإحصاء | الإنحدار اللامعلمي | الإحصاء التطبيقي
كلمات المؤلف المفتاحية:
Nonparametric Regression | Local Polynomial Kernel Estimator | Cubic Smoothing Splines | Derivatives Of Regression Functions | Bandwidth Selection | Mean Squared Error
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

25

حفظ في:
المستخلص: The term Nonparametric regression comes to signify the absence of parameters in the regression model. The scope of nonparametric regression is very broad nowadays, ranging from "smoothing" the relationship between two variables in a scatter plot to multiple regression analysis. Extraordinary, only several years ago, methods of nonparametric regression analysis have been used widely because of advances in statistical techniques and related computing facilities, and are now a serious alternative to many traditional parametric regression modeling. This paper aims to provide using two methods of the nonparametric regression, namely; the Local Polynomial Kernel (LPK) estimator and Cubic Smoothing Splines (CSS) estimator with emphasis on the role of selecting the smoothing parameter (bandwidth) in each estimator. We have investigated the performance of these two smoothing estimators (LLK and CSS) under two different settings, fixed or random designs. This was achieved through conducting many simulation studies using four different example regression functions; two different distributions of errors term either normal or mixture, and different sample sizes. Two study the estimation of the derivative functions using those two smoothing estimators (Local Quadratic/Cubic Kernel and Cubic Smoothing Splines) in the process of smoothing the 1st / 2nd derivative functions respectively also been considered through conducting several simulation studies as well. Applications on real datasets also been considered. Lastly, the advantages and disadvantages of these two nonparametric regression estimators have been discussed.

ويأتي هذا مصطلح اللامعلمي للإشارة إلى عدم وجود معاملات في نموذج الانحدار. نطاق الانحدار اللامعلمي واسع جدا هذه الأيام، يتراوح بين "صقل" العلاقة بين المتغيرين في شكل الانتشار إلى تحليل الانحدار المتعدد. على غير العادة، منذ بضع سنوات فقط أصبح استخدام أساليب تحليل الانحدار اللامعلمي على نطاق واسع وذلك بسبب التقدم في مجال التقنيات الإحصائية ومرافقة التطورات الحوسبة ذات الصلة. الأن يعتبر الانحدار اللامعلمي بديل جدي للكثير من عمليات إنشاء نماذج الانحدار التقليدية. هذه الورقة ترمى إلى استخدام طريقتين من الطرق الانحدار اللامعلمي هما: مقدKernel (I.PK) Local Polynomial والمقدر Cubic Splines Smoothing (CSS) مع التشديد على دور اختيار معلمة التنعيم (عرض النطاق) في كل المقدر. لقد تحققنا من أداء هذين المقدرينLLK (Kernel linear Local) وCSS تحت تصميمين مختلفين (الثابت أو عشوائي). وقد تما التحقق من ذلك من خلال أجراء العديد من دراسات المحاكاة باستخدام أربع نماذج انحدار مختلفة وتوزيعين مختلفين لحد الخطأ (التوزيع الطبيعي أو التوزيع المختلط) وأحجام عينات مختلفة. كذلك أجرنا دراستين للمحاكاة لتقدير دوال المشتقات الأولي والثانية وذلك باستخدام مقدري (Quadratic Kernel Local (Cubic Kernel Local) مقارنة مع المقدر (CSS). كما تما أيضا التطرق إلى بعض التطبيقات الحقيقية. وأخيرا، تما مناقشة مزايا وعيوب هاتين المقدرين في سياق تقدير الانحدار اللامعلمي.
ISSN: 2518-5845

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.