una tecnica per la regressione locale - Department of Mathematics ...
una tecnica per la regressione locale - Department of Mathematics ...
una tecnica per la regressione locale - Department of Mathematics ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
E(ĝ(x)) − g(x) = g(x)g ′′ (x)2n∑L α (x, x i ) + g ′ (x)i=1n∑(x i − x)L α (x, x i ) +i=1n∑(x i − x) 2 L α (x, x i ) − g(x) + o(α 2 )i=1Si dimostra che, <strong>per</strong> uno stimatore lineare e di consequenza <strong>per</strong> uno stimatoreKernel,∑ ni=1 L α(x, x i ) = 1∑ ni=1 (x i − x)L α (x, x i ) = 0Quanto appena scritto espone matematicamente <strong>una</strong> naturale proprietà deimodelli di <strong>regressione</strong> che stiamo trattando: se le y i giacciono su <strong>una</strong> linearetta, <strong>la</strong> funzione di <strong>regressione</strong> riprodurrà tale retta. Con questa semplificazione<strong>la</strong> distorsione si riduce aE(ĝ(x)) − g(x) = g′′ (x)2n∑(x i − x) 2 L α (x, x i ) + o(α 2 )i=1In questa espressione risulta evidente che il termine dominante nel<strong>la</strong> distorsioneè proporzionale al<strong>la</strong> derivata seconda del<strong>la</strong> funzione che stiamostimando.Il prossimo passo consiste nell’approssimare le sommatorie con integrali,cosa che si dimostra implicare il seguenteE(ĝ(x)) − g(x) ≃ g ′′ (x)α 2 ∫v 2 W (v)dv2 ∫ W (v)dvOltre al<strong>la</strong> dipendenza da g ′′ (x), vediamo dunque <strong>la</strong> dipendenza da α: al-41