Pełnotekstowe zasoby PLDML oraz innych baz dziedzinowych są już dostępne w nowej Bibliotece Nauki.
Zapraszamy na https://bibliotekanauki.pl
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last

Wyniki wyszukiwania

help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Artykuł dostępny w postaci pełnego tekstu - kliknij by otworzyć plik
Content available

Robust estimation in the multivariate normal model

100%
Kulawik A., Zontek S.
Discussiones Mathematicae Probability and Statistics
|
2016
|
tom 36
|
nr 1-2
53-66
EN
Robust estimation presented in the following paper is based on Fisher consistent and Fréchet differentiable statistical functionals. The method has been used in the multivariate normal model with variance components [5]. To transfer the method to estimate vector of expectations and positive definite covariance matrix of the multivariate normal model it is required to express the covariance matrix as a linear combination of basic elements of the vector space of real, square and symmetric matrices. The theoretical results have been completed with computer simulation studies. The robust estimator has been investigated both for model and contaminated data. Comparison with the maximum likelihood estimator has also been included.
2
Artykuł dostępny w postaci pełnego tekstu - kliknij by otworzyć plik
Content available

Robust estimation and its application to a classification problem

100%
Gacki H., Kulawik A.
Mathematica Applicanda
|
2019
|
tom 47
|
nr 2
PL
W artykule omówiono problem klasyfikacji dla dwóch klas w przypadku przyjęcia założenia, że rozkłady cech w klasach są wielowymiarowymi rozkładami normalnymi. Problem rozwiązano za pomocą empirycznego klasyfikatora gaussowskiego i wybranych estymatorów nieznanych parametrów wielowymiarowego rozkładu normalnego. Uwzględnione zostały następujące estymatory: MLE (the maximum likelihood estimator - estymator największej wiarogodności), KZE (Kulawik-Zontek estimator) i MCDE (the minimum covariance determinant estimator). Klasyfikatory oparte o MLE i KZE zostały porównane w przypadku przykładu empirycznego (mała próba). W przypadku dużych prób porównane zostały klasyfikatory oparte o trzy wspomniane estymatory.
EN
In the article, a classification problem with two distributed classes is considered. The problem is solving using empirical discriminant functions for Gaussian classifier and estimators for unknown parameters of multivariate normal distribution. The three etimators, maximum likelihood estimator, Kulawik-Zontek estimator and minimum covariance determinant estimator, are compared in two different empirical examples (small size sample and large size sample).
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.