Cuando los errores estándar son conocidos/estimado de suavizado

Question

Tengo un conjunto de estimaciones de los valores de la función, junto con las estimaciones de los errores estándar. Para simplificar un poco la materia: para $x$ ejecución de $1$ $70$ (entero) pasos (de hecho, un parámetro en el modelo de selección), tengo una estimación de la coincidencia de $y$-valor (de hecho una de las AUC) y una estimación de su SE. No puedo hacer supuestos sobre la forma de la curva (que ni siquiera es cierto que es unimodal, por ejemplo), aparte de que debe ser suave en la escala de mi $x$ valores.

Estoy buscando una forma de traducir a una más suave forma, ya que el método que estoy utilizando que tiende a crear las ocasionales pico que tengo la esperanza de eludir.

Ahora, la mayoría de los algoritmos de suavizado sólo el uso de la $y$ de los valores, que, en este caso, parece ser una pérdida de información (es decir, no utilizando la SE). Además, también me gustaría suavizar un error de la banda de los marcadores de error.

Para mi sorpresa, no he encontrado una técnica que proporciona este. No he buscado lo suficiente? También me gustaría realizar esto en R, por lo que si alguien tiene un paquete que hace el truco, yo sería muy feliz.

Answer 1

Usted puede dar cuenta de la diferencia de los errores estándar utilizando la inversa de la varianza de los pesos. Sería el peso de cada observación por la inversa de su varianza, es decir, uno más de la plaza de su error estándar. El caso más simple es la de mínimos cuadrados ponderados , pero los mismos principios se aplican a la mayoría de los otros tipos de modelos de regresión. Hay muchas posibles suavizado de métodos tales como los splines de suavizado o local polinomios.. la elección depende de lo que parece que sus datos, como qué desea hacer con los resultados y lo que el software que usted tiene disponible. Cualquier método debe ser capaz de producir la confianza o la predicción de las bandas alrededor de los armarios de la curva.

No estoy muy familiarizado con lo que está disponible en R; veo a la lm función permite que un weights argumento y el smooth.Pspline función de la pspline paquete tiene un w argumento. Me asumir otras funciones y paquetes de tener algo similar - tal vez alguien puede ampliar (estoy más familiarizado con el programa Stata que permite a los pesos en prácticamente todos sus modelos de regresión).