RT Generic
T1 Estimación tipo núcleo da función de densidade
A1 Arrojo Vázquez, Álvaro
K1 [Estimación non paramétrica]
K1 [Función de densidade]
K1 [Ancho de ventá]
K1 [Nonparametric estimation]
K1 [Density function]
K1 [Bandwidth]
K1 [Estimación no paramétrica]
K1 [Función de densidad]
K1 [Ancho de ventana]
AB [GL] A estimación da función de densidade é un tema de gran importancia no campo daEstatística xa que calquera variable aleatoria continua queda completamente caracterizadagrazas á súa función de densidade. Dada a importancia da estimación da función de densidade, este tema foi abordado dende diferentes puntos de vista. Presentouse dende unhaprimeira aproximación grazas a unha representación gráfica (coñecida como histograma)ata métodos non paramétricos máis complexos como a estimación tipo núcleo.No presente traballo introdúcese a estimación tipo núcleo da función de densidade asícomo diferentes criterios de erro asociados ao mencionado estimador. Ademais, abordaraseo problema da selección do parámetro de suavizado e mostraranse diferentes propostas deselectores dispoñibles na literatura. Para poder comparar os diferentes selectores do parámetro de suavizado propostos deseñouse un completo estudo de simulación que permitiráextraer conclusións sobre as súas propiedades.Por outra banda, propoñerase unha estimación da función de densidade asociada aunha mostra de datos reais para ilustrar a utilidade do estimador tipo núcleo na práctica.Finalmente, presentaranse as principais conclusións deste traballo
AB [EN] The estimation of density function is a real important topic in the field of Statisticsdue to the fact that every continuous variable is completely defined by its density function.Given the density function importance, this subject was approached by different pointsof view. It was presented from a first graphic approach (known as histogram) to nonparametric complex methods as kernel density estimation.On the present project the kernel density estimation and some different error criteriarelated with the given estimator are introduced. It is also address the smooth parameterselection and it is shown different selector proposals that are present in the literature. Tobe able to compare the different selectors of the proposed smoothing parameter, a completesimulation study was designed that will allow conclusions about their properties.On the other hand, an estimation of the density function associated with a sampleof real data will be proposed in order to illustrate the usefulness of the kernel densityestimator in practice. Finally, the main conclusions of this project will be presented
AB [ES] La estimación de la función de densidad es un tema de gran importancia en el campode la Estadística ya que cualquiera variable aleatoria continua queda completamente caracterizada gracias a su función de densidad. Dada la importancia de la estimación de lafunción de densidad, este tema fue abordado desde diferentes puntos de vista. Se presentó desde una primera aproximación gracias a una representación gráfica (conocida comohistograma) hasta métodos no paramétricos más complejos como la estimación tipo núcleo.El el presente trabajo se introduce la estimación tipo núcleo de la función de densidad asícomo diferentes criterios de error asociados al mencionado estimador. Además, se aborda elproblema de la selección del parámetro de suavizado y se muestran diferentes propuestasde selectores disponibles en la literatura. Para poder comparar los diferentes selectoresdel parámetro de suavizado propuestos se diseñó un completo estudio de simulación quepermitirá extraer conclusiones sobre sus propiedades.Por otra banda, se propondrá una estimación de la función de densidad asociada a unamuestra de datos reales para ilustrar la utilidad del estimador tipo núcleo en la práctica.Finalmente, se presentarán las principales conclusiones de este trabajo
YR 2020
FD 2020-09
LK http://hdl.handle.net/10347/26017
UL http://hdl.handle.net/10347/26017
LA glg
NO Traballo Fin de Grao en Matemáticas. Curso 2019-2020
DS Minerva
RD 28 abr 2026