A generalized reflection method for kernel distribution and hazard functions estimation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14310%2F11%3A00052529" target="_blank" >RIV/00216224:14310/11:00052529 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

A generalized reflection method for kernel distribution and hazard functions estimation

Popis výsledku v původním jazyce

In this paper we focus on kernel estimates of cumulative distribution and hazard functions (rates) when the observed random variables are nonnegative. It is well known that kernel distribution estimators are not consistent when estimating a distributionfunction near the point x=0. This fact is rather visible in many applications, for example in kernel ROC curve estimation (Kolacek and Karunamuni (2009)). In order to avoid this problem we propose a bias reducing technique that 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. The proposed estimators are compared with the traditional kernel estimator and with the estimator based on ``classical" reflection method using simulation studies.

Název v anglickém jazyce

A generalized reflection method for kernel distribution and hazard functions estimation

Popis výsledku anglicky

In this paper we focus on kernel estimates of cumulative distribution and hazard functions (rates) when the observed random variables are nonnegative. It is well known that kernel distribution estimators are not consistent when estimating a distributionfunction near the point x=0. This fact is rather visible in many applications, for example in kernel ROC curve estimation (Kolacek and Karunamuni (2009)). In order to avoid this problem we propose a bias reducing technique that 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. The proposed estimators are compared with the traditional kernel estimator and with the estimator based on ``classical" reflection method using simulation studies.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

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

2011

Kód důvěrnosti údajů

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

Název periodika

Journal of Applied Probability and Statistics

ISSN

1930-6792

e-ISSN

—

Svazek periodika

6

Číslo periodika v rámci svazku

2

Stát vydavatele periodika

US - Spojené státy americké

Počet stran výsledku

13

Strana od-do

73-85

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—