In this paper,we consider the non-p

In this paper,we consider the non-parametric estimation of the analysis of variance (ANOVA) decomposition,which is useful for applications in sensitivity analysis (SA) and in the more general emulation framework. Purs uing the point of view of the state-dependent parameter (SDP)estimation, the non-parametric kernel estimation (in cluding high order kernel estimator) is built for those purposes. On the basis of the kernel technique, the asymptotic convergence rate is theoretically obtained for the estimator of sensitivity indices. It is shown that the kernel estimation can provide a faster convergence
rate than the SDP estimation for both the ANOVA decomposition and the sensitivity indices.This would help one to get a more accurate estimation at a smaller computational cost.

ผลลัพธ์ (ไทย) 1:

ในกระดาษนี้ เราพิจารณาประมาณการวิเคราะห์ความแปรปรวน (ANOVA) สลายตัว ซึ่งจะเป็นประโยชน์สำหรับโปรแกรมประยุกต์ ในการวิเคราะห์ความไว (SA) และ ในกรอบจำลองทั่วไป ไม่ใช่แบบพาราเมตริก Purs uing มองของการประเมินขึ้นอยู่กับสถานะพารามิเตอร์ (SDP) ประเมินไม่ใช่พาราเมตริกเคอร์เนล (ใน cluding สูงสั่งเคอร์เนลประเมิน) สร้างขึ้นสำหรับวัตถุประสงค์ดังกล่าว ตามเทคนิคเคอร์ อัตรา asymptotic บรรจบทางทฤษฎีได้สำหรับประเมินดัชนีความไว แสดงการประเมินเคอร์เนลสามารถให้บรรจบกันเร็วขึ้นราคากว่าประเมิน SDP สำหรับการย่อยสลายของ ANOVA และดัชนีความไว นี้จะช่วยให้การรับการประเมินถูกต้องมากขึ้นต้นทุนการคำนวณขนาดเล็ก

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราจะพิจารณาประมาณการไม่ใช่พารามิเตอร์ของการวิเคราะห์ความแปรปรวนจากการสลายตัว (ANOVA) ซึ่งจะเป็นประโยชน์สำหรับการประยุกต์ใช้ในการวิเคราะห์ความไว (SA) และกรอบการจำลองทั่วไปมากขึ้น เปอร์ซูท uing มุมมองของพารามิเตอร์รัฐขึ้นอยู่กับ (SDP) ประมาณค่าไม่พาราประมาณค่าเคอร์เนล (ใน cluding สูงเพื่อเคอร์เนลประมาณการ) ถูกสร้างขึ้นเพื่อวัตถุประสงค์ดังกล่าว บนพื้นฐานของเทคนิคเคอร์เนลที่อัตราการบรรจบ asymptotic จะได้รับในทางทฤษฎีสำหรับประมาณการของดัชนีความไว มันแสดงให้เห็นว่าการประมาณค่าเคอร์เนลสามารถให้บรรจบกันได้เร็วขึ้น
อัตรากว่าประมาณการ SDP สำหรับทั้งการสลายตัว ANOVA และ indices.This ไวจะช่วยหนึ่งที่จะได้รับการประเมินที่ถูกต้องมากขึ้นด้วยต้นทุนการคำนวณที่มีขนาดเล็ก