Elección del parámetro de suavización óptimo en el problema de la selección de variables en regresión no-paramétrica a través de una solución numérica

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...

Full description

Autores:
Triana Lozano, Marco Antonio
Tipo de recurso:
Fecha de publicación:
2004
Institución:
Universidad Autónoma de Bucaramanga - UNAB
Repositorio:
Repositorio UNAB
Idioma:
spa
OAI Identifier:
oai:repository.unab.edu.co:20.500.12749/3295
Acceso en línea:
http://hdl.handle.net/20.500.12749/3295
Palabra clave:
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
Bandwidth
Análisis de regresión
Métodos de simulación
Estimación de parámetros
Teoría de la estimación
Ingeniería de sistemas
Investigaciones
Análisis
Análisis de regresión
Regresión no-paramétrica
Estimadores Kernel
Selección de variables
PPR
Suavización
Parámetro de suavización
Cuasi-residuales
Ancho de banda
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Description
Summary: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.