Construcción de Kernels y funciones de densidad de probabilidad

  • Luís Rodríguez Escuela Superior Politécnica del Litoral

Resumen

En  este  artículo  se  describen  los  detalles  del  conocido  método  kernel  para  construir  una  función  de  densidad  de  probabilidad para una muestra univariada. Se proponen nuevas formas para los kernels y criterios adicionales para su elección y para estimar el ancho de banda óptimo. Como soporte para esta investigación se instrumentó un software para experimentación y obtención de resultados gráficos y numéricos. 

Citas

BERTIN, KARINE. (2012). "Estimación no-paramétrica de funciones ".Universidad de Valparaiso, Chile, pp26-pp63

CORTES DE LA FUENTE, JORGE. (2011). "La información mutua como medida de asociación y su utilidad en análisis genéticos". Universidad Politécnica de Catalunya, pp29-pp32.

ZUCCHINI, WALTER. (2003). "Kernel Density Estimation", pp2-pp19

HANSEN, BRUCE (2009). "Lecture Notes on Nonparametrics". University of Wisconsin, pp3-ppl6

MURAT, KAIRY. (2009). "Kernel Smoothing Function and choosing Bandwidth for nonparametrics Regression Methods''. Ozean Journal of Applied Sciences, Ozean Publication, pp2-pp6

BRUFMAN, JUANA, URBISAIA, HERIBERTO. (2006). "Distribución del Ingreso Según Género: Un enfoque no paramétrico ''. Cuadernos del CIMBAGE NO. 8, pp9-pp l6

PONOMAREVA, MARIA. (2010). "Nonparametrics: regresión smoothing with kernels". Northem lllinois University, pp2- ppl 3

HANSEN, BRUCE (2004). "Bandwidth Selection for Nonparametrics Distribution Estimation".University of Wisconsin, pp3-pp9

WAN, BING. (2007). "Bandwidth Selection for Eweighted Kernel Density Estimation". Electronic Journal of Statistics. ISSN 1935- 7524, ppl-pp9.
Publicado
2013-10-01
Sección
Articulos