Elección del parámetro de suavización óptimo en el problema de la selección de variables en regresión no-paramétrica a través de una solución numérica
Ver/
Citación
Comparte este contenido
Fecha
2004-03Otros contribuidores
Director / Asesor
Metadatos
Mostrar el registro completo del ítemDocumentos PDF
Resumen
Presentamos a continuación un estudio de simulación acerca de la elección del
parámetro de suavización óptimo en el problema de selección de variables en regresión
no-paramétrica implementando una solución numérica. También se diseña un
mecanismo computacional que permite la selección automática del parámetro de
suavización óptimo en el problema de selección de variables en regresión noparamétrica.
Obtendremos algunas estimaciones de la función de regresión para ser
utilizadas en la selección del valor óptimo para el parámetro de suavización que
maximiza la potencia de una prueba estadística de comparación de curvas de regresión
no-paramétricas. El procedimiento PPR (Projection Pursuit Regresión) es propuesto
para seleccionar variables significativas en un modelo de regresión no-paramétrico. Se
presentan algunos métodos para seleccionar el parámetro de suavización en regresión
no-paramétrica.
Palabras clave
Análisis de regresión; Métodos de simulación; Estimación de parámetros; Teoría de la estimación; Ingeniería de sistemas; Investigaciones; AnálisisKeywords
Regression analysis; Simulation methods; Parameter estimation; Estimation theory; Systems engineering; Investigations; Analysis; Regression analysis; Non-parametric regression; Kernel estimators; Selection of variables; Smoothing; Smoothing parameter; Quasi-residuals; BandwidthEnlace a este registro en el Repositorio Institucional UNAB
http://hdl.handle.net/20.500.12749/3295
Comentarios