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.
vinco<strong>la</strong>to ad essere simmetrico intorno al punto x 0 , non si limita ad essere<strong>la</strong> copia, troncata <strong>per</strong> mancanza di osservazioni, di quello che si ha nei puntiinterni, ma si modifica opport<strong>una</strong>mente in modo da attribuire peso non nulloal<strong>la</strong> frazione di punti richiesta dallo span α. In Figura 3.6 mostriamo il differentecomportamento di Loess e Kernel Smoothers nel<strong>la</strong> stima di <strong>regressione</strong>re<strong>la</strong>tiva a un campione di 100 osservazioni creato artificialmente <strong>per</strong>turbando<strong>una</strong> funzione seno con un termine di errore ottenuto usando un generatorecasuale da <strong>una</strong> distribuzione normale standard.Figura 3.6: distorsione al bordoUna caratteristica del metodo Loess che abbiamo visto essere partico<strong>la</strong>rmenteutile è il fatto che è possibile renderlo resistente agli outliers semplicementesostituendo ai pesi w i <strong>la</strong> loro correzione r i w i , <strong>la</strong> quale tiene contodell’entità dei residui associati ad ogni osservazione penalizzando quelle <strong>per</strong>le quali essa è troppo elevata. In R ciò viene fatto automaticamente scegliendo<strong>per</strong> il parametro family il valore symmetric. Per quanto riguardai Kernel Smoothers, nel<strong>la</strong> loro versione standard, che è quel<strong>la</strong> che abbiamoqui descritto, essi sono sensibili agli outliers come si vede chiaramente dalseguente grafico in cui è presentata anche <strong>una</strong> stima Loess:56