Práce v Matlabu

1. V příkazovém řádku spusťe příkaz ksdens. Po spuštění aplikace klikněte na Input a poté na Make simulation. V následujícím okně vygenerujte 100 hodnot z Exponenciálního rozdělení s parametrem 1. Klikněte na Save a pokračujte do předchozího okna. Zde do políčka "True density function" napište exp(-x) a klikněte OK. V dalším okně klikněte na Setting a poté zvolte Epanečnikovo jádro. Pak vyberte některou z metod pro odhad optimálního vyhlazovacího parametru a v políčku "Lower bound" nastavte 0. Tlačítkem Accept values zobrazíte jádrový odhad hustoty. Kliknutím na tlačítko Draw true density přikreslíte skutečnou hustotu rozdělení. Tlačítkem L opravíte hraniční efekt u levé hranice.

2. V příkazovém řádku spusťe příkaz ksdens. Po spuštění aplikace klikněte na Input a načtěte soubor

(data obsahují obsah alkoholu ve vybraných vzorcích vín z různých italských vinic)

V aplikaci klikněte na tlačítko Estim.setting. V dalším okně zvolte Epanečnikovo jádro a vykreslete si jej. Poté vyberte některou z metod pro odhad optimálního vyhlazovacího parametru a odhadněte hustotu. Porovnávejte odhady hustoty pro vyhlazovací parametry získané různými metodami.

3.  V příkazovém řádku spusťe příkaz ksregress. Po spuštění aplikace klikněte na Simulation a do horního políčka vepište název nějaké regresní funkce, např. sin(pi*x). Poté klikněte na Simulate, pak na var a Close.  V dalším okně klikněte na Continue a v novém okně na Setting. Tím se vyvolá další okno, kde si vlevo dole nastavíte typ odhadu, např. Nadaraya- Watson a kliknete na Menu. Otevře se nabídka s různými metodami pro volbu vyhlazovacího parametru. Vybírejte si různé metody. Tlačítkem Close akceptujete aktuální hodnotu a dalším Close se dostanete do hlavní nabídky, kde tlačítkem NW  zobrazíte Nadaraya-Watsonův odhad regresní funkce. Zkoušejte různé typy odhadů, jader a metod pro vyhlazovací parametry.

4.  V příkazovém řádku spusťe příkaz ksregress. Po spuštění aplikace klikněte na Browse a načtěte soubor

(hloubka Huronského jezera v letech 1875 - 1972).

V úvodním okně nastavte správně názvy proměnných na x a y. Poté najděte vhodný odhad regresní funkce popisující hloubku jezera v závislosti na čase.