Resumen

Hasta ahora, la mayoría de los investigadores desarrollaron un tipo de estimador en regresión no paramétrica. Pero en realidad, en la vida diaria, a menudo se encontraban datos con patrones mixtos, especialmente patrones de datos que cambiaban parcialmente en ciertos subintervalos, y otros seguían un patrón recurrente en una tendencia específica. El método de estimación utilizado para el patrón de datos fue un método de estimador mixto de spline de suavizado y series de Fourier. Este modelo de regresión fue abordado por el componente de suavizado de spline y series de Fourier. A partir de este proceso, el estimador mixto se completó utilizando dos etapas de estimación. La primera etapa fue la estimación con mínimos cuadrados penalizados (PLS), y la segunda etapa fue la estimación con mínimos cuadrados (LS). Estos estimadores luego se implementaron utilizando datos simulados. Los datos simulados se obtuvieron generando dos funciones diferentes, a saber, funciones polinómicas y trigonométricas con un tamaño de muestra de 100. Todo el proceso se rep

• Materias:Transferencia de calor Colectores Estimaciones de Integrales Diferencias finitas Presión barométrica
• Subjects:Heat transfer Manifolds Integral Estimates Finite Differences Barometric pressure
• Palabras claves:Investigadores; Estimador; Regresión no paramétrica; Patrones mixtos; Spline de suavizado; Serie de Fourier
• Keywords:Researchers; Estimator; Nonparametric regression; Mixed patterns; Smoothing spline; Fourier series