Umělá inteligence |
Vícerozměrné metody pro analýzu a klasifikaci dat |
Statistické modelování |
Teorie a praxe jádrového vyhlazování |
Seznam použitého značení |
Jádrové funkce a jejich vlastnosti |
Jádrové odhady regresní funkce |
Regresní modelování |
Statistické hodnocení biodiverzity |
Výstupy z výukové jednotky |
Motivace |
Základní typy neparametrických odhadů |
Statistické vlastnosti jádrových odhadů |
Volba jádra |
Volba vyhlazovacího parametru |
Automatická procedura |
Aplikace na reálná data |
Shrnutí |
Dodatek |
Úlohy k procvičení |
Jádrové odhady hustoty |
Výstupy z výukové jednotky |
Motivace |
Základní typy neparametrických odhadů |
Statistické vlastnosti jádrových odhadů hustoty |
Volba jádra |
Volba vyhlazovacího parametru |
Jádrové odhady distribuční funkce |
Metoda referenční hustoty |
Metoda maximálního vyhlazení |
Metoda křížového ověřování |
Iterační metoda |
Automatická procedura |
Aplikace na reálná data |
Shrnutí |
Úlohy k procvičení |
Výstupy z výukové jednotky |
Motivace |
Základní typy neparametrických odhadů |
Statistické vlastnosti odhadu |
Volba jádra |
Volba vyhlazovacího parametru |
Aplikace na reálná data |
Shrnutí |
Úlohy k procvičení |
Jádrové odhady dvourozměrných hustot |
Výstupy z výukové jednotky |
Motivace |
Základní typy odhadů |
Statistické vlastnosti jádrových odhadů hustoty |
Volba jádra |
Volba vyhlazovacího parametru |
Aplikace na reálná data |
Shrnutí |
Dodatek |
Úlohy k procvičení |
Datové soubory |
Tabulka 1 |
Tabulka 2 |
Tabulka 3 |
Tabulka 4 |
Tabulka 5 |
Tabulka 6 |
Tabulka 7 |
Tabulka 8 |
Tabulka 9 |
Tabulka 10 |
Tabulka 11 |
Tabulka 12 |
Tabulka 13 |
Tabulka 14 |
Tabulka 15 |
Přílohy |
Literatura |

Volba jádra
Podobně jako u odhadu jednorozměrné hustoty není volba jádra podstatná. Je vhodné zvolit součinový tvar optimálního jádra. Tím zajistíme jistou hladkost výsledného odhadu a navíc výpočty s využitím součinových jader jsou jednodušší.
Poznámka 4.1. V literatuře se také využívá Gaussovo jádro které se zdá být výhodnějším při studiu asymptotických vlastností jádrového odhadu. Na druhou stranu má nevýhodu, že jeho nosičem je celá reálná osa, což způsobuje „nedokonalost“ při odhadech hustot s omezeným definičním oborem.