Principles for uncertainty assessment in kernel smoothing estimations

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60162694%3AG43__%2F19%3A00536953" target="_blank" >RIV/60162694:G43__/19:00536953 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.eccomasproceedia.org/conferences/thematic-conferences/uncecomp-2019" target="_blank" >https://www.eccomasproceedia.org/conferences/thematic-conferences/uncecomp-2019</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.7712/120219" target="_blank" >10.7712/120219</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Principles for uncertainty assessment in kernel smoothing estimations

Popis výsledku v původním jazyce

In this article, we present application of kernel smoothing estimation and bootstrap on real data. We possess statistically significant data set from experiments performed on composite materials. These data form a random sample of observed variable. Probability distribution function (pdf) of such observed variable is estimated using kernel smoothing approach and bootstrap. This estimation depends on a bandwidth of kernel smoother which is defined using both reference density method and our empirical data. Parameters of typical parametric distributions are also estimated from the same empirical data set. We apply methods such as mean square error (MSE) and integrated square error (ISE) to address the uncertainty and vagueness in pdf estimated by kernel smoothing.

Název v anglickém jazyce

Principles for uncertainty assessment in kernel smoothing estimations

Popis výsledku anglicky

In this article, we present application of kernel smoothing estimation and bootstrap on real data. We possess statistically significant data set from experiments performed on composite materials. These data form a random sample of observed variable. Probability distribution function (pdf) of such observed variable is estimated using kernel smoothing approach and bootstrap. This estimation depends on a bandwidth of kernel smoother which is defined using both reference density method and our empirical data. Parameters of typical parametric distributions are also estimated from the same empirical data set. We apply methods such as mean square error (MSE) and integrated square error (ISE) to address the uncertainty and vagueness in pdf estimated by kernel smoothing.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10103 - Statistics and probability

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2019

Kód důvěrnosti údajů

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

Název statě ve sborníku

Uncecomp 2019 Uncertainty Quantification in Computational Sciences and Engineering

ISBN

978-618-82844-9-4

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

675-682

Název nakladatele

National Technical University of Athens

Místo vydání

Crete

Místo konání akce

Crete, Greece

Datum konání akce

24. 6. 2019

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—