Um estudo comparativo de estimadores de regressões não-paramétricas aditivas: performance em amostras finitas
AUTOR(ES)
Cortes, Renan Xavier
DATA DE PUBLICAÇÃO
2010
RESUMO
Nesta monografia, conduzimos um exercício de simulação de Monte Carlo a fim de investigar algumas características em amostras finitas de três estimadores baseados em kernels disponíveis: o estimador Backfitting Clássico (CBF), o estimador Smooth Backfitting (SBF) e o estimador de 2 estágios (2E) proposto por Kim et. al. (1999). Diferentes escolhas do parâmetro de suavização foram estudadas, diferentes métodos de suavização, bem como diferentes níveis de correlação. A comparação é baseada nas estimativas da média dos erros quadráticos médios de cada estimador. Os resultados do nosso estudo sugerem que o estimador Backfitting Clássico é superior aos outros dentro das especificações dos cenários propostos.
ASSUNTO(S)
simulação de monte carlo estimativa de erro estimadores backfitting
ACESSO AO ARTIGO
http://hdl.handle.net/10183/24871Documentos Relacionados
- Correlacao entre medidas parametricas e nao-parametricas de estabilidade em soja.
- Correlação entre medidas paramétricas e não-paramétricas de estabilidade em soja
- Segmentação de imagens via competição entre regiões fuzzy: abordagens paramétricas e não-paramétricas
- Influência de variáveis contextuais em medidas não-paramétricas de eficiência: uma aplicação com métodos de reamostragem.
- Influência de variáveis contextuais em medidas não-paramétricas de eficiência: uma aplicação com métodos de reamostragem
