Estimando la densidad condicional en la estructura de regresión escalar-en-función: enfoque lineal local -N-N
Autores: Almanjahie, Ibrahim M.; Kaid, Zoulikha; Laksaci, Ali; Rachdi, Mustapha
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Estimando la densidad condicional en la estructura de regresión escalar-en-función: enfoque lineal local -N-N
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Estudio
Estimación de densidad condicional
Variable de respuesta escalar
Covariable funcional
-vecinos más cercanos
Enfoque lineal local
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
En este estudio, se considera el problema de la estimación de la densidad condicional de una variable de respuesta escalar, dada una covariable funcional. Se propone un nuevo estimador combinando el procedimiento de los k-vecinos más cercanos con el enfoque lineal local. Luego, se establece la consistencia uniforme en el número de vecinos del estimador propuesto. Este resultado es útil en el estudio de algunas reglas basadas en datos. Como aplicación directa y consecuencia de la estimación de la densidad condicional, derivamos la consistencia UNN del estimador de la función de modo condicional. Finalmente, para resaltar la eficiencia y superioridad de los resultados obtenidos, aplicamos nuestro nuevo estimador a datos reales y lo comparamos con su estimador competitivo existente.
Descripción
En este estudio, se considera el problema de la estimación de la densidad condicional de una variable de respuesta escalar, dada una covariable funcional. Se propone un nuevo estimador combinando el procedimiento de los k-vecinos más cercanos con el enfoque lineal local. Luego, se establece la consistencia uniforme en el número de vecinos del estimador propuesto. Este resultado es útil en el estudio de algunas reglas basadas en datos. Como aplicación directa y consecuencia de la estimación de la densidad condicional, derivamos la consistencia UNN del estimador de la función de modo condicional. Finalmente, para resaltar la eficiencia y superioridad de los resultados obtenidos, aplicamos nuestro nuevo estimador a datos reales y lo comparamos con su estimador competitivo existente.