Találati lista | Tudóstér

001-es BibID:	BIBFORM040208
Első szerző:	Fazekas István (matematikus, informatikus)
Cím:	Asymptotic Normality of Kernel Type Density Estimators for Random Fields / István Fazekas, Alexey Chuprunov
Dátum:	2006
ISSN:	1387-0874
Megjegyzések:	Kernel type density estimators are studied for random fields. It is proved that the estimators are asymptotically normal if the set of locations of observations become more and more dense in an increasing sequence of domains. It turns out that in our setting the covariance structure of the limiting normal distribution can be a combination of those of the continuous parameter and the discrete parameter cases. The proof is based on a new central limit theorem for [alpha]-mixing random fields. Simulation results support our theorems.
Tárgyszavak:	Természettudományok Matematika- és számítástudományok idegen nyelvű folyóiratközlemény külföldi lapban asymptotic normality of estimators central limit theorem density estimator increasing domain asymptotics infill asymptotics kernel random field [alpha]-mixing
Megjelenés:	Statistical Inference for Stochastic Processes. - 9 : 2 (2006), p. 161-178. -
További szerzők:	Čuprunov, Aleksej
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon: