Nicht lieferbar
Andere Kunden interessierten sich auch für
![Estimação não paramétrica de dados espaciais com o método kNN]( "Estimação não paramétrica de dados espaciais com o método kNN")
Estimação não paramétrica de dados espaciais com o método kNN29,99 €![Estimación no paramétrica de funciones de varianza generalizada]( "Estimación no paramétrica de funciones de varianza generalizada")
Estimación no paramétrica de funciones de varianza generalizada25,99 €![Hiperajuste lineal, el método de regresión lineal máximo]( "Hiperajuste lineal, el método de regresión lineal máximo")
Hiperajuste lineal, el método de regresión lineal máximo38,99 €![Estimación de modelos de difusión con saltos]( "Estimación de modelos de difusión con saltos")
Estimación de modelos de difusión con saltos25,99 €![Estimación de la volatilidad mediante el modelo CARR]( "Estimación de la volatilidad mediante el modelo CARR")
Estimación de la volatilidad mediante el modelo CARR19,99 €![Estimation non paramétrique de données spatiales avec la méthode kNN]( "Estimation non paramétrique de données spatiales avec la méthode kNN")
Estimation non paramétrique de données spatiales avec la méthode kNN29,99 €![Stima non parametrica di dati spaziali con il metodo kNN]( "Stima non parametrica di dati spaziali con il metodo kNN")
Stima non parametrica di dati spaziali con il metodo kNN29,99 €
En este trabajo presentamos un nuevo estimador cuando las covariables son de naturaleza funcional. Este estimador es una combinación del procedimiento k Vecinos más cercanos en breve (kNN) y datos funcionales espaciales. Luego, la tasa de convergencia se introduce cuando la muestra considerada se recopila en orden espacial con estructura de mezcla.En teoría, hay una estimación del punto de riesgo y luego una discusión de las dificultades de la aplicación, como la elección del ancho de banda basado en datos. Además, también se proporciona un estudio de comparación basado en datos simulados y reales para ilustrar el rendimiento y la utilidad del enfoque kNN y para demostrar la alta sensibilidad del enfoque kNN a la presencia de incluso una pequeña proporción de valores atípicos en los datos.