ODBIERZ TWÓJ BONUS :: »

Parametr wygładzania w estymacji jądrowej funkcji gęstości dla zmiennych losowych w badaniach ekonomicznych Aleksandra Baszczyńska

Autor:
Aleksandra Baszczyńska
Ocena:
Bądź pierwszym, który oceni tę książkę
Stron:
200
Dostępny format:
     PDF
Czytaj fragment

Ebook 10,98 zł najniższa cena z 30 dni

27,45 zł (-15%)
23,33 zł

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

10,98 zł najniższa cena z 30 dni

Poleć tę książkę znajomemu Poleć tę książkę znajomemu!!

Przenieś na półkę

Do przechowalni

Prezent last minute w ebookpoint.pl

Estymacja jądrowa funkcji gęstości jest jedną z podstawowych procedur stosowanych w analizach ekonomicznych, gdyż w sposób jednoznaczny określa zmienną losową utożsamianą w badaniach z cechą statystyczną. W pracy przedstawiono metodę estymacji jądrowej funkcji gęstości, ze szczególnym uwzględnieniem procedur wyboru parametru wygładzania. Za pomocą metod symulacyjnych analizie poddano własności parametrów wygładzania, wyznaczonych omawianymi metodami, uwzględniając zarówno liczebność próby, jak i postać funkcji jądra wykorzystywanej w estymatorze jądrowym funkcji gęstości. Zaproponowano również nową metodę wyboru parametru wygładzania, opartą na średniej harmonicznej, która ze względu na uogólnioną postać średniej charakteryzuje się uniwersalnością w zakresie stosowania tej metody. Uwzględniono przykłady zastosowania w badaniach ekonomicznych prezentowanych metod wyboru parametru wygładzania w procesie estymacji jądrowej funkcji gęstości dla zmiennych losowych.

Wybrane bestsellery

Wydawnictwo Uniwersytetu Łódzkiego - inne książki

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki

Zamknij

Wybierz metodę płatności

Ebook
23,33 zł
Dodaj do koszyka
Sposób płatności
Zabrania się wykorzystania treści strony do celów eksploracji tekstu i danych (TDM), w tym eksploracji w celu szkolenia technologii AI i innych systemów uczenia maszynowego. It is forbidden to use the content of the site for text and data mining (TDM), including mining for training AI technologies and other machine learning systems.