Zlepšený odhad pro odstranění vychýlení blízko hranice při jádrových odhadech distribuční funkce

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14310%2F08%3A00025708" target="_blank" >RIV/00216224:14310/08:00025708 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

An Improved Estimator for Removing Boundary Bias in Kernel Cumulative Distribution Function Estimation

Popis výsledku v původním jazyce

In this paper we focus on kernel estimates of cumulative distribution functions in case that random variables $X_1,dots X_n$ are nonnegative. It is well known that kernel distribution estimators are not consistent when estimating a~distribution functionnear the point $x=0$. This fact is regrettable in many applications, for example in kernel ROC curve estimation (Kol' av cek and Karunamuni (2007)). In~order to avoid this problem we propose a bias reducing technique which is a kind of generalized reflection method. Our method is based on ideas of Karunamuni and Alberts (2005) and Zhang et al. (1999) developed for boundary correction in~kernel density estimation. Finally, the proposed estimator is compared with the traditional kernel estimator and with the estimator based on ``classical" reflection method using simulation studies.

Název v anglickém jazyce

An Improved Estimator for Removing Boundary Bias in Kernel Cumulative Distribution Function Estimation

Popis výsledku anglicky

In this paper we focus on kernel estimates of cumulative distribution functions in case that random variables $X_1,dots X_n$ are nonnegative. It is well known that kernel distribution estimators are not consistent when estimating a~distribution functionnear the point $x=0$. This fact is regrettable in many applications, for example in kernel ROC curve estimation (Kol' av cek and Karunamuni (2007)). In~order to avoid this problem we propose a bias reducing technique which is a kind of generalized reflection method. Our method is based on ideas of Karunamuni and Alberts (2005) and Zhang et al. (1999) developed for boundary correction in~kernel density estimation. Finally, the proposed estimator is compared with the traditional kernel estimator and with the estimator based on ``classical" reflection method using simulation studies.

Druh

D - Stať ve sborníku

CEP obor

BA - Obecná matematika

OECD FORD obor

—

Projekt

<a href="/cs/project/LC06024" target="_blank" >LC06024: Centrum Jaroslava Hájka pro teoretickou a aplikovanou statistiku</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2008

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings in Computational Statistics COMPSTAT'08

ISBN

978-3-7908-2083-6

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

—

Název nakladatele

Physica-Verlag

Místo vydání

Porto

Místo konání akce

Porto

Datum konání akce

24. 8. 2008

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—