Show simple item record

dc.contributor.authorBaszczyńska, Aleksandra Katarzyna
dc.date.accessioned2018-02-08T14:58:24Z
dc.date.available2018-02-08T14:58:24Z
dc.date.issued2017
dc.identifier.issn0208-6018
dc.identifier.urihttp://hdl.handle.net/11089/24029
dc.description.abstractAd hoc methods in the choice of smoothing parameter in kernel density estimation, al­though often used in practice due to their simplicity and hence the calculated efficiency, are char­acterized by quite big error. The value of the smoothing parameter chosen by Silverman method is close to optimal value only when the density function in population is the normal one. Therefore, this method is mainly used at the initial stage of determining a kernel estimator and can be used only as a starting point for further exploration of the smoothing parameter value. This paper pre­sents ad hoc methods for determining the smoothing parameter. Moreover, the interval of smooth­ing parameter values is proposed in the estimation of kernel density function. Basing on the results of simulation studies, the properties of smoothing parameter selection methods are discussed.en_GB
dc.description.abstractMetody ad hoc wyboru parametru wygładzania w estymacji jądrowej funkcji gęstości, chociaż często wykorzystywane w praktyce ze względu na ich prostotę i – co za tym idzie – wysoką efektywność obliczeniową, charakteryzują się dość dużym błędem. Wartość parametru wygładzania wyznaczona metodą Silvermana jest bliska wartości optymalnej tylko wtedy, gdy rozkład funkcji gęstości jest rozkładem normalnym. Dlatego też metoda ta jest stosowana przede wszystkim we wstępnym etapie wyznaczania estymatora jądrowego i stanowi jedynie punkt wyjściowy do dalszych poszukiwań wartości parametru wygładzania. W artykule przedstawione są metody ad hoc wyboru parametru wygładzania oraz zaprezentowana jest propozycja wyznaczania przedziału wartości parametru wygładzania w estymacji jądrowej funkcji gęstości. Na podstawie wyników badań symulacyjnych określone są własności rozważanych metod wyboru parametru wygładzania.pl_PL
dc.description.sponsorshipDepartment of Statistical Methods University of Łódźen_GB
dc.language.isoenen_GB
dc.publisherWydawnictwo Uniwersytetu Łódzkiegoen_GB
dc.relation.ispartofseriesActa Universitatis Lodziensis. Folia Oeconomica;332
dc.subjectkernel density estimationen_GB
dc.subjectsmoothing parameteren_GB
dc.subjectad hoc methodsen_GB
dc.subjectestymacja jądrowa funkcji gęstościpl_PL
dc.subjectparametr wygładzaniapl_PL
dc.subjectmetody ad hocpl_PL
dc.titleOne Value of Smoothing Parameter vs Interval of Smoothing Parameter Values in Kernel Density Estimationen_GB
dc.title.alternativeJedna wartość parametru wygładzania vs. przedział wartości parametru wygładzania w estymacji jądrowej funkcji gęstościpl_PL
dc.typeArticleen_GB
dc.rights.holder© Copyright by Authors, Łódź 2017; © Copyright for this edition by Uniwersytet Łódzki, Łódź 2017en_GB
dc.page.number73-86
dc.contributor.authorAffiliationUniversity of Łódź, Faculty of Economics and Sociology, Department of Statistical Methods
dc.identifier.eissn2353-7663
dc.referencesBaszczyńska A. (2014). Computer-Assisted Choice of Smoothing Parameter in Kernel Methods Applied in Economic Analysis. Quantitative Methods in Economics (Metody Ilościowe w Badaniach Ekonomicznych). Warsaw University of Life Sciences Press. Warsaw.  XV/2. 37-46.pl_PL
dc.referencesBaszczyńska A. (2016). Nonclassical Parameters in Kernel Estimation. Bulletin de la Société des Sciences et des Letters de Łódź. Recherches sur les Déformations. 1. LXVI. 2016. 135-148.pl_PL
dc.referencesHeidenreich N.. Schindler A.. Sperlich S. (2013). Bandwidth Selection for Kernel Density Estimation: a Review of Fully Automatic Selectors. AStA Advances in Statistical Analysis. 97. 4. 403–433.  pl_PL
dc.referencesHorová I.. Koláček J.. Zelinka J. (2012). Kernel Smoothing in Matlab. Theory and Practice of Kernel Smoothing. World Scientific. New Jersey.pl_PL
dc.referencesLi Q.. Racine J. S. (2007). Nonparametric Econometrics. Theory and Practice. Princeton University Press. Princeton and Oxford.pl_PL
dc.referencesKulczycki P. (2005). Estymatory jądrowe w analizie systemowej. Wydawnictwa Naukowo-Techniczne.  Warszawa.pl_PL
dc.referencesPekasiewicz D. (2015). Statystyki pozycyjne w procedurach estymacji i ich zastosowania w badaniach ekonomicznych. Wydawnictwo Uniwersytetu Łódzkiego.  Łódź.pl_PL
dc.referencesSilverman B.W. (1996).  Density Estimation for Statistics and Data Analysis. Chapman and Hall. London.pl_PL
dc.referencesScott D. (2015).  Multivariate Density Estimation. Theory, Practice, and Visualization. Wiley. Hoboken, New Jersey.pl_PL
dc.referencesWand M. P.. Jones M.C. (1995). Kernel Smoothing. Chapman and Hall. London.pl_PL
dc.contributor.authorEmailalbasz@uni.lodz.pl
dc.identifier.doi10.18778/0208-6018.332.05
dc.relation.volume6en_GB
dc.subject.jelC10
dc.subject.jelC13
dc.subject.jelC14


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record