Zusammenfassung
Der Kernschätzer µ K n (x) weist eine sehr hohe Varianz auf, wenn nur wenige Vektoren X s , in der Nähe der Auswertungsstelle x liegen. Für den im vierten Kapitel beschriebenen Ausweg zur Lösung dieses Problemes ist die Bedingung (4.2) von essentieller Wichtigkeit und begrenzt somit die Anwendungsmöglichkeiten der Methode. Eine andere Vorgehensweise besteht nun darin, die Bandweite solange zu erhöhen, bis eine ausreichende Anzahl von Beobachtungen in den Schätzer eingeht. Umgekehrt können beim NN-Schätzer µ NN n (x) Beobachtungen in den Schätzer einfließen, deren erklärende Variablen recht weit von der Auswertungsstelle x entfernt liegen und somit in der Regel zu größeren Verzerrungen führen. Hier ist es angebracht, die Anzahl der einfließenden Beobachtungen solange zu reduzieren, bis die erklärenden Variablen der verbleibenden einen akzeptablen Abstand zu x aufweisen. Insgesamt erscheint es also durchaus sinnvoll, Schätzer einzuführen, die sich in bestimmten Situationen wie Kernschätzer und in anderen wie NN-Schätzer verhalten.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 1992 Physica-Verlag Heidelberg
About this chapter
Cite this chapter
Michels, P. (1992). Biasreduzierende und varianzreduzierende Mischungen von Kern- und NN-Schätzern. In: Nichtparametrische Analyse und Prognose von Zeitreihen. Arbeiten zur Angewandten Statistik, vol 36. Physica-Verlag HD. https://doi.org/10.1007/978-3-642-99765-5_6
Download citation
DOI: https://doi.org/10.1007/978-3-642-99765-5_6
Publisher Name: Physica-Verlag HD
Print ISBN: 978-3-7908-0581-9
Online ISBN: 978-3-642-99765-5
eBook Packages: Springer Book Archive