Resumen

Proponemos un criterio para estimar la función de regresión mediante un estimador no paramétrico y de conjuntos difusos del tipo Nadaraya-Watson, para pares de datos independientes, logrando una reducción del error cuadrático medio integrado del estimador de conjuntos difusos con respecto al error cuadrático medio integrado de los estimadores clásicos de núcleo. Esta reducción muestra que el estimador de conjuntos difusos tiene un mejor rendimiento que las estimaciones de núcleo. Además, se calcula la tasa de convergencia del factor de escala óptimo, que coincide con la tasa de convergencia en la estimación clásica de núcleo. Finalmente, estos hallazgos teóricos se ilustran mediante un ejemplo numérico.

• Materias:Modelos de regresión Conjunto borroso Agrupamiento Factores de transcripción Modelo autorregresivo
• Subjects:Regression models Fuzzy set Clustering Transcription factors Autoregressive model
• Palabras claves:Criterio; Función de regresión; No paramétrico; Estimador de conjunto difuso; Tipo Nadaraya-Watson; Error cuadrático medio integrado
• Keywords:Criterion; Regression function; Nonparametric; Fuzzy set estimator; Nadaraya-Watson type; Integrated mean square error