多元选择带宽核密度估计在数据修正中的应用
摘要：多元核密度估计（KDE）用于数据校正的直观应用及其方法介绍 核密度估计方法利用条件概率密度函数（PDF）的期望值和可信区间来量化校正不确定性。提出了一种选择性KDE因子来调整核的大小和形状，通过最小二乘交叉验证（LSCV）或均方条件误差（MCSE）准则来确定。选择性带宽方法可以与自适应方法结合使用，从而可能提高准确性。通过一个假设数据集和一个现实数据集的两个示例，证明了该方法的有效性。选择性带宽方法始终优于非选择性方法，而自适应带宽方法对于假设数据集但对于实际数据集则无法改善结果。MCSE准则最小化均方根误差，但可能产生过度平滑的分布，而LSCV准则在PDF拟合和低均方根误差之间取得平衡。
作者：Hai Bui and Mostafa Bakhoday-Paskyabi
论文ID：2306.16043
分类：Applications
分类简称：stat.AP
提交时间：2023-06-29