TAILIEUCHUNG - Computational Statistics Handbook with MATLAB phần 6

Điều này có thể dễ dàng mã hóa trong MATLAB bằng cách sử dụng các kết quả trước đó và là trái như một bài tập cho người đọcLoại thứ hai của khoảng tin cậy bằng cách sử dụng bootstrap được gọi là bootstrap-t. Chúng tôi đầu tiên tạo ra các mẫu bootstrap B, và được tính cho mỗi mẫu bootstrap số lượng như sau: | 0 - - - - - - 0 2 3 -3 -2 -1 FIGURE . We obtain the above kernel density estimate for n 10 random variables. A weighted kernel is centered at each data point and the curves are averaged together to obtain the estimate. Note that there are two bumps where there is a higher concentration of smaller densities. -4 4 Notice that the places where there are more curves or kernels yield bumps in the final estimate. An alternative implementation is discussed in the exercises. PROCEDURE - UNIVARIATE KERNEL 1. Choose a kernel a smoothing parameter h and the domain the set of x values over which to evaluate f x . 2. For each Xi evaluate the following kernel at all x in the domain Ki K x - Xi h J i 1 . n . The result from this is a set of n curves one for each data point Xi. 3. Weight each curve by 1 h . 4. For each x take the average of the weighted curves. 2002 by Chapman Hall CRC Example In this example we show how to obtain the kernel density estimate for a data set using the standard normal density as our kernel. We use the procedure outlined above. The resulting probability density estimate is shown in Figure . Generate standard normal random variables. n 10 data randn 1 n We will get the density estimate at these x values. x linspace -4 4 50 fhat zeros size x h nA -1 5 hold on for i 1 n get each kernel function evaluated at x centered at data f exp - 1 2 hA2 x-data i .A2 sqrt 2 pi h plot x f n h fhat fhat f n end plot x fhat hold off As in the histogram the parameter h determines the amount of smoothing we have in the estimate fKer x . In kernel density estimation the h is usually called the window width. A small value of h yields a rough curve while a large value of h yields a smoother curve. This is illustrated in Figure where we show kernel density estimates fKer x at various window widths. Notice that when the window width is small we get a lot of noise or spurious structure in the estimate. When the window width is

• Tin học văn phòng
• lập trình máy tính
• tin học văn phòng
• ứng dụng máy tính
• kỹ thuật máy tính
• thủ thuật windows
• mẹo vặt máy tính
• tìm hiểu máy tính
• ứng dụng văn phòng
• Đề thực hành lập trình máy tính TH50
• Ngôn ngữ lập trình
• Đề thi lập trình máy tính
• Đề thi thực hành lập trình máy tính
• Bài tập lập trình máy tính
• Đề thực hành lập trình máy tính TH1
• Đề thực hành lập trình máy tính TH2
• Đề thực hành lập trình máy tính TH3
• Đề thực hành lập trình máy tính TH4
• Đề thực hành lập trình máy tính TH5
• Đề thực hành lập trình máy tính TH6
• Đề thực hành lập trình máy tính TH7
• Đề thực hành lập trình máy tính TH8
• Đề thực hành lập trình máy tính TH9
• Đề thực hành lập trình máy tính TH10
• Đề thực hành lập trình máy tính TH11
• Đề thực hành lập trình máy tính TH12
• Đề thực hành lập trình máy tính TH13
• Đề thực hành lập trình máy tính TH14
• Đề thực hành lập trình máy tính TH15
• Đề thực hành lập trình máy tính TH16
• Đề thực hành lập trình máy tính TH17
• Đề thực hành lập trình máy tính TH18
• Đề thực hành lập trình máy tính TH19
• Đề thực hành lập trình máy tính TH20
• Đề thực hành lập trình máy tính TH21
• Đề thực hành lập trình máy tính TH22
• Đề thực hành lập trình máy tính TH23
• Đề thực hành lập trình máy tính TH24