این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Journal of Sciences Islamic Republic of Iran، جلد ۲۵، شماره ۱، صفحات ۵۷-۶۷
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Asymptotic Behaviors of Nearest Neighbor Kernel Density Estimator in Left-truncated Data
چکیده انگلیسی مقاله Kernel density estimators are the basic tools for density estimation in non-parametric statistics. The k-nearest neighbor kernel estimators represent a special form of kernel density estimators, in which the bandwidth is varied depending on the location of the sample points. In this paper‎, we initially introduce the k-nearest neighbor kernel density estimator in the random left-truncation model, ‎ and then prove some of its asymptotic behaviors, such as strong uniform consistency and asymptotic normality. ‎In particular‎, ‎we show that the proposed estimator has truncation-free variance‎. ‎Simulations are presented to illustrate the results and show how the estimator behaves for finite samples‎. Moreover, the proposed estimator is used to estimate the density function of a real data set.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله v فکور |
department of statistics, faculty of mathematical sciences, ferdowsi university of mashhad, mashhad, islamic republic of iran
سازمان اصلی تایید شده: دانشگاه فردوسی (Ferdowsi university)

نشانی اینترنتی http://jsciences.ut.ac.ir/article_50489_ff43bac7499d459e87e159d367684447.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات