Empīriskās ticamības funkcija kodolu gludināšanas metodēm

Abstract

Maģistra darbā aplūkota varbūtību blīvuma funkcijas un neparametriskās regresijas funkcijas novērtēšana ar kodolu gludināšanas un empīriskās ticamības funkcijas metodēm. Darbā tika veikta simulāciju izpēte, kas parāda, ka empīriskās ticamības funkcijas metode labi darbojas blīvuma funkcijas un regresijas funkcijas novērtēšanā un dod labus rezultātus pārklājuma precizitātei. Darba gaitā tika paradītī praktiski lietojumi bioloģisko populāciju skaita un blīvuma novērtēšanā un bioloģisko datu regresijas analīzē. Definēta empīriskās ticamības funkcijas pielietošana, kad ir pieejama papildus informācija par populācijas sadalījumu. Doti nepieciešamie algoritmi kodolu gludināšanas un empīriskās ticamības metožu praktiskai realizācijai.

Thesis outlines an estimation of a probability density function and nonparametric regression function with the kernel smoothing and empirical likelihood methods. A simulation study was performed which shows that the empirical likelihood function method works well with respect to density and regression function estimation and yields good results for the coverage accuracy. Over the course of the paper, a practical application for the number and density evaluation of biological populations and biological data regression analysis. An application of empirical likelihood function was defined when extra distributional information is available. The necessary algorithms for practical implementation of the kernel smoothing and empirical likelihood methods are provided.