Asymmetric Kernel Density Estimation for Biased Data
Rattachement africain : jp. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Nonparametric density estimation for nonnegative data is considered in a situation where a random sample is not directly available but the data are instead observed from the length-biased sampling. Due to the boundary bias problem of the location-scale kernel, the approach in this paper is an application of asymmetric kernel. Two nonparametric density estimators are proposed. The mean integrated squared error, strong consistency, and asymptotic normality of the estimators are investigated. Some simulations illustrate the finite sample performance of the estimators.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Asymmetric Kernel Density Estimation for Biased Data
- Date Crossref
- 28/06/2023
- Éditeur
- MDPI AG
- Type
- posted-content
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Hokkaido University pays non établi dans la noticeUniversité ou école supérieure
-
Hokkaido Sapporo Kita High School pays non établi dans la noticeUniversité ou école supérieure
-
Graduate School of Economics and Business pays non établi dans la noticeUniversité ou école supérieure
-
Nishi 7 pays non établi dans la noticeInstitution
Hokkaido University, Hokkaido Sapporo Kita High School et Graduate School of Economics and Business, avec 1 autre affiliation.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.