Nonparametric Bootstrap Estimation for Implicitly Weighted Robust Regression
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F17%3A00475090" target="_blank" >RIV/67985807:_____/17:00475090 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Nonparametric Bootstrap Estimation for Implicitly Weighted Robust Regression
Popis výsledku v původním jazyce
Implicitly weighted robust regression estimators for linear and nonlinear regression models include linear and nonlinear versions of the least trimmed squares and least weighted squares. After recalling known facts about these estimators, a nonparametric bootstrap procedure is proposed in this paper for estimates of their variances. These bootstrap estimates are elaborated for both the linear and nonlinear model. Practical contributions include several examples investigating the performance of the nonlinear least weighted squares estimator and comparing it with the classical least squares also by means of the variance estimates. Another theoretical novelty is a proposal of a two-stage version of the nonlinear least weighted squares estimator with adaptive (data-dependent) weights.
Název v anglickém jazyce
Nonparametric Bootstrap Estimation for Implicitly Weighted Robust Regression
Popis výsledku anglicky
Implicitly weighted robust regression estimators for linear and nonlinear regression models include linear and nonlinear versions of the least trimmed squares and least weighted squares. After recalling known facts about these estimators, a nonparametric bootstrap procedure is proposed in this paper for estimates of their variances. These bootstrap estimates are elaborated for both the linear and nonlinear model. Practical contributions include several examples investigating the performance of the nonlinear least weighted squares estimator and comparing it with the classical least squares also by means of the variance estimates. Another theoretical novelty is a proposal of a two-stage version of the nonlinear least weighted squares estimator with adaptive (data-dependent) weights.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10103 - Statistics and probability
Návaznosti výsledku
Projekt
<a href="/cs/project/GA17-01251S" target="_blank" >GA17-01251S: Metaučení pro extrakci pravidel s numerickými konsekventy</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2017
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 ITAT 2017: Information Technologies - Applications and Theory
ISBN
978-1974274741
ISSN
1613-0073
e-ISSN
—
Počet stran výsledku
8
Strana od-do
78-85
Název nakladatele
Technical University & CreateSpace Independent Publishing Platform
Místo vydání
Aachen & Charleston
Místo konání akce
Martinské hole
Datum konání akce
22. 9. 2017
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
—