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.
Figura 3.9: stime ottenute tramite Loess e Smoothing Splines a parità digradi di libertàLa prima delle due figure è stata realizzata con il consueto set di dati creatoartificialmente fissando a 6.83 il numero di gradi di libertà. Per fare il secondografico è stato usato il set di dati Prestige, già presente in R, nel quale sonopresenti 102 osservazioni re<strong>la</strong>tive a uno studio sociologico condotto in Canadaall’inizio degli anni ’70; <strong>la</strong> re<strong>la</strong>zione che ci si è proposti di studiare è quel<strong>la</strong> frareddito medio e prestigio sociale calco<strong>la</strong>to tramite un indice chiamato indicePineo-Porter. In questo caso abbiamo prima calco<strong>la</strong>to <strong>la</strong> stima loess di gradounitario con span pari a 0.7 e poi, dopo aver letto nel re<strong>la</strong>tivo output che <strong>la</strong>traccia di L era pari a 4.5, abbiamo fatto il calcolo re<strong>la</strong>tivo alle SmoothingSplines usando, <strong>per</strong> calco<strong>la</strong>re il valore di lisciamento λ, un numero di gradidi libertà proprio pari a 4.5. Osservando i risultati ottenuti si constata chele stime ottenute tramite Loess e Smoothing Splines con lo stesso numero digradi di libertà sono molto simili; va notato che il comportamento al bordo delmetodo Loess risulta comunque più accurato anche se le Smoothing Splinesnon sembrerebbero presentare <strong>una</strong> distorsione sistematica del tipo visto coni Kernel Smoothers. Segnaliamo infine che in <strong>una</strong> situazione come quel<strong>la</strong>re<strong>la</strong>tiva ai dati di 3.9 i Kernel Smoothers non riescono a produrre risultati59