In this paper, we consider using nonparametric mixtures for density estimation. The mixture density estimation problem simply reduces to the problem of estimating a mixing distribution in the nonparametric mixture model. We focus on the least squares method for mixture density estimation problem. In a simulation experiment, the performance of the least squares mixture density estimator (MDE) and the kernel density estimator (KDE) is assessed by the mean integrated squared error. The performance

more »

... improvement of MDE over KDE for some common densities is achieved by using crossvalidation method for bandwidth selection. Abstrak Dalam kertas ini, kami mempertimbangkan penggunaan model bercampur tak berparameter untuk penganggaran fungsi ketumpatan. Masalah penganggaran fungsi ketumpatan secara campuran merupakan masalah penganggaran taburan bercampur dalam model bercampur tak berparameter. Kami menumpukan kepada kaedah kuasa dua terkecil untuk masalah penganggaran fungsi ketumpatan secara campuran. Dalam satu ujikaji simulasi, prestasi penganggar kuasa dua terkecil fungsi ketumpatan secara campuran (MDE) dan penganggar fungsi ketumpatan secara inti (KDE) telah dinilai oleh min ralat kuasa dua terkamir. Peningkatan prestasi MDE terhadap KDE bagi sesetengah fungsi ketumpatan popular telah dicapai dengan menggunakan kaedah silang pengesahan untuk pemilihan lebar jalur. Kata kunci: Model bercampur tak berparameter; penganggaran kuasa dua terkecil; penganggaran fungsi ketumpatan secara inti; pemilihan lebar jalur; silang pengesahan