Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

The leave-one-out maximum likelihood method for the priestley-chao estimator of conditional density

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26110%2F18%3APU126845" target="_blank" >RIV/00216305:26110/18:PU126845 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://evlm.stuba.sk/APLIMAT2018/proceedings/" target="_blank" >http://evlm.stuba.sk/APLIMAT2018/proceedings/</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    The leave-one-out maximum likelihood method for the priestley-chao estimator of conditional density

  • Popis výsledku v původním jazyce

    The contribution is focused on a kernel estimation of conditional density. Kernel smoothing is still popular non-parametric method, in theory as well as in practice. The Priestley-Chao estimator of conditional density is introduced and the statistical properties of the estimator are given. The smoothing parameters called bandwidths play a significant role in kernel smoothing. This is the reason for suggesting the methods for their estimation. The typical approach - the cross-validation method - is supplemented with the leave-one-out maximum log-likelihood method. The performance of the suggested methods is compared via a simulation study and an application on a real data set.

  • Název v anglickém jazyce

    The leave-one-out maximum likelihood method for the priestley-chao estimator of conditional density

  • Popis výsledku anglicky

    The contribution is focused on a kernel estimation of conditional density. Kernel smoothing is still popular non-parametric method, in theory as well as in practice. The Priestley-Chao estimator of conditional density is introduced and the statistical properties of the estimator are given. The smoothing parameters called bandwidths play a significant role in kernel smoothing. This is the reason for suggesting the methods for their estimation. The typical approach - the cross-validation method - is supplemented with the leave-one-out maximum log-likelihood method. The performance of the suggested methods is compared via a simulation study and an application on a real data set.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10103 - Statistics and probability

Návaznosti výsledku

  • Projekt

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2018

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings, 17th Conference on Applied Mathematics – APLIMAT 2018

  • ISBN

    978-80-227-4765-3

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    13

  • Strana od-do

    577-589

  • Název nakladatele

    Slovak University of Technology in Bratislava in publishing house SPEKTRUM STU

  • Místo vydání

    Bratislava

  • Místo konání akce

    Bratislava

  • Datum konání akce

    6. 2. 2018

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku