Figs. 1 (a) and (b) show the estima

Figs. 1 (a) and (b) show the estimates (solid) and
observations for smoothing spline and kernel regression,
respectively for gross national product data in Turkey. The
time variable in nonparametric model can be only displayed
graphically, because it can’t be expressed as parametric. As
shown Figs. 1 (a) and (b), shape of the effects of time on gsyh
is appears as a curve. Each plotted curve (regression curve) in
these figures (a-b) is a contribution of a term to nonparametric
predictor. These curves are closely following the real
observations. This situation indicates that estimated values are
very good. However, estimated values in Fig. 1(a) are better
than Fig. 1(b), because the curve in Fig. 1(a) is very closely
following the real observations.

Hasil (Bahasa Indonesia) 1:

Rajah-rajah 1 (a) dan (b) menunjukkan perkiraan (padat) danpengamatan untuk merapikan regresi spline dan kernel,masing-masing untuk produk Nasional Bruto data di Turki. Thevariabel waktu dalam nonparametric model dapat ditampilkan hanyasecara grafis, karena itu tidak dapat dinyatakan sebagai parametrik. Sebagaiditampilkan rajah-rajah 1 (a) dan (b), bentuk efek dari waktu di gsyhadalah muncul sebagai kurva. Masing-masing kurva direncanakan (regresi kurva) diangka-angka ini (a-b) merupakan sumbangan dari sebuah istilah untuk nonparametricperamal. Kurva ini erat mengikuti nyatapengamatan. Situasi ini menunjukkan bahwa nilai-nilai perkiraanBagus sekali. Namun, nilai-nilai perkiraan dalam 1(a) gambar lebih baikdaripada gambar 1(b), karena kurva di Fig. 1(a) sangat eratSetelah pengamatan nyata.

Hasil (Bahasa Indonesia) 2:

Buah ara. 1 (a) dan (b) menunjukkan perkiraan (padat) dan
pengamatan untuk menghaluskan spline dan regresi kernel,
masing-masing untuk data produk nasional bruto di Turki. The
variabel waktu dalam model nonparametrik dapat hanya ditampilkan
secara grafis, karena tidak dapat dinyatakan sebagai parametrik. Seperti
Gambar yang ditampilkan. 1 (a) dan (b), bentuk efek waktu pada gsyh
adalah muncul sebagai kurva. Setiap kurva diplot (kurva regresi) di
angka-angka ini (ab) merupakan kontribusi dari istilah untuk nonparametrik
prediktor. Kurva ini erat mengikuti nyata
pengamatan. Situasi ini menunjukkan bahwa nilai-nilai perkiraan yang
sangat baik. Namun, diperkirakan nilai pada Gambar. 1 (a) lebih baik
daripada Gambar. 1 (b), karena kurva pada Gambar. 1 (a) sangat erat
mengikuti pengamatan nyata.