Model Estimasi Regresi Nonparametrik dengan Metode Kernel

Abstract

Non-parametric statistics is a set of methods for the analysis of data that offers an approach by means of decision-making. There are several ways to model estimate the nonparametric regression. one of which will be introduced is kernel method. In the non-parametric statistics, the functional form of the relationship between the response variable and the predictor variables associated not specified, but is assumed to be a smoothing function. Here develop a procedure to establish an appropriate area of the confidence interval for the predicted value at certain points of the independent variable. Optimal sample size to form the interval obtained using a white Kernel method that relies on some asymptomatic nature of Nadaraya-Watson.

Statistik nonparametrik merupakan kumpulan metode untuk analisis data yang mena-warkan sebuah pendekatan dengan cara-cara pengambilan keputusan. Ada beberapa cara dalam model estimasi regresi nonparametrik salah satunya metode kernel. Dalam statistik non-parametrik, bentuk fungsional dari hubungan antara variabel respons dan variabel prediktor terkaitnya tidak ditentukan, namun diasumsikan menjadi fungsi pemulus. Disini mengembangkan satu prosedur untuk membentuk area interval kepercayaan yang pas untuk nilai prediksi pada poin tertentu dari variabel bebas. Ukuran sampel optimal untuk membentuk interval tersebut diperoleh dengan menggunakan metode kernel yang mengandalkan pada beberapa sifat asimptomatik dari Nadaraya-Watson.