Logo nl.boatexistence.com

Voor schatting van de dichtheid van de kern?

Inhoudsopgave:

Voor schatting van de dichtheid van de kern?
Voor schatting van de dichtheid van de kern?

Video: Voor schatting van de dichtheid van de kern?

Video: Voor schatting van de dichtheid van de kern?
Video: A density estimation technique you probably did not know 2024, Mei
Anonim

In statistieken is het schatten van de kerndichtheid een niet-parametrische manier om de kansdichtheidsfunctie van een willekeurige variabele te schatten. De schatting van de kerneldichtheid is een fundamenteel probleem voor het gladstrijken van gegevens waarbij conclusies over de populatie worden gemaakt op basis van een eindige gegevenssteekproef.

Hoe bereken je de korreldichtheid?

Kernel Density Estimation (KDE)

Het wordt eenvoudig geschat door het toevoegen van de kernelwaarden (K) van alle Xj Met verwijzing naar de bovenstaande tabel, KDE voor hele dataset wordt verkregen door alle rijwaarden toe te voegen. De som wordt vervolgens genormaliseerd door het aantal gegevenspunten te delen, wat in dit voorbeeld zes is.

Wat is een kernel in de schatting van de kerneldichtheid?

Terwijl een histogram het aantal gegevenspunten in enigszins willekeurige regio's telt, is een schatting van de kerneldichtheid een functie gedefinieerd als de som van een kernelfunctie op elk gegevenspuntDe kernelfunctie vertoont typisch de volgende eigenschappen: Symmetrie zodanig dat K (u)=K (− u).

Waarom gebruiken we schatting van de dichtheid van de kern?

Kerneldichtheidsschatting is een techniek voor het schatten van kansdichtheidsfunctie die een must-have is waarmee de gebruiker de bestudeerde kansverdeling beter kan analyseren dan bij gebruik van een traditioneel histogram.

Wat is een schatting van de Gauss-kerneldichtheid?

De grafiek rechtsonder toont een schatting van de Gauss-kerneldichtheid, waarin elk punt een Gauss-curve bijdraagt aan het totaal Het resultaat is een gladde schatting van de dichtheid die is afgeleid van de data, en functioneert als een krachtig niet-parametrisch model van de verdeling van punten.

Aanbevolen: