Тип публикации: статья из журнала
Год издания: 2017
Ключевые слова: априорная информация, непараметрическая модель, взаимно неоднозначные характеристики, непараметрические оценки, a priori information, nonparametric model, mutually ambiguous characteristics, nonparametric estimates
Аннотация: Рассматривается задача восстановления функции по наблюдениям со случайными ошибками. Причем, на стадии формулировки задачи отсутствует этап, связанный с параметрической структурой этой функции, в этой связи оценка ищется в классе непараметрической статистики, когда исходное описание функции неизвестно с точностью до вектора параметПоказать полностьюров. Особенностью данной задачи является то, что искомая функция описывается взаимно неоднозначной характеристикой и общепринятое непараметрическое оценивание оказывается непригодно. Понадобилось введение нового класса непараметрических оценок. Приводятся результаты некоторых вычислительных экспериментов. The problem of reconstructing a function from observations with random errors is considered. Moreover, at the formulation stage of the problem there is no stage associated with the parametric structure of this function. Therefore, the estimate is sought in the class of nonparametric statistics, when the original description of the function is unknown up to a parameter vector. The peculiarity of this problem is that the desired function is described by a mutually ambiguous characteristic and the generally accepted nonparametric estimation proves to be unsuitable. It was necessary to introduce a new class of nonparametric estimators. The results of some computational experiments are presented.
Журнал: Аллея науки
Выпуск журнала: Т. 1, № 12
Номера страниц: 104-112
ISSN журнала: 25876244
Место издания: Томск
Издатель: Шелистов Денис Александрович