Kernel Gęstość Oszacowanie jestmetoda statystyczna stanowi zakres danych . Podobne do histogramy , Kernel Gęstość Oszacowanie oferuje sposób szacowania rozkładu zmiennej w populacji . Sposób jest stosunkowo skomplikowany , ale wynikiwizualnej interpretacji zmiennej gęstości prawdopodobne , innymi słowy , częstotliwość , z jakązmienna pojawia się populacji. Używa
Kernel przewidywany Gęstość estymacji kształt funkcji gęstości . Funkcja gęstości pokazuje częstotliwośćzmienna pojawia się w losowych próbek populacji . Kernel Gęstość Oszacowanie jest uważanymetoda nieparametryczne . W statystyce są Metody parametryczne i nieparametryczne . Metody parametryczne zrobić kilka założeń niż te nieparametrycznych . Nie są potrzebne żadne założenia dotyczące dystrybucji środków lub odchyleń standardowych w nieparametrycznych statystyk . Na przykład , jeśli chcesz wiedzieć, czydziesiąty testu w klasie będzie miał wyższy wynik niż w pierwszych dziewięciu , w parametrycznej rozumowania trzeba by wiedzieć, średnią i odchylenie standardowe w celu uzyskania odpowiedzi. W nieparametrycznym rozumowania , po prostu znając numer testu wystarczy wiedzieć,ostatni test ma 10 procent szans na bycie powyżej poprzednich wyników .
Kernel
Kernel Gęstość Oszacowanie ma dwa zasadnicze elementy:jądra iprzepustowości . Kernel jestfunkcja gęstości . Istnieje sześć wspólnych rodzaje funkcji gęstości w nieparametrycznych statystyk : normalny , jednolite , trójkątne , Epanechnikov , czwartego stopnia , triweight i cosinus . Każdy z nich jest wykorzystywana do oszacowania częstości zmiennej losowej w populacji . Imperium Przepustowość
drugi składnik ,przepustowość , wygładza Uzyskane dane z funkcji gęstości jądra. Przepustowość , więc zdecydowanie wpływwizualną reprezentację danych . Postrzępione linia może się stopniowo wygładzane dopókidane zostały więc sparafrazować , że to już nie jest przydatna . We wzorze szacowania gęstości ziarna,przepustowość jest reprezentowany przez literę godziny. To musi być pozytywne i doprowadzić do podziału , który podsumowuje jeden.
Zalety
Kernel Gęstość Oszacowanie ma przewagę na innymi nieparametrycznych metod szacowania , zwłaszcza histogramy . Histogramy przedstawiają rozkład zmiennej w koszach wzdłuż poziomej zakresie . Ułożone pojemniki stanowią większą gęstość zmiennej sektora danych. Ponieważ histogramy symbolizują dane przez kosze ,zmienna jest przedziały i różne dystrybucje są postrzępione i dyskretny , przeinaczanie dystrybucję płynu zmiennej, która naprawdę istnieje w populacji . Gęstość jądra Szacowanie lepiej reprezentuje tę płynność o gładkich liniach , których płynność jest określona przez szerokość pasma wybranego w formule gęstości jądra . Imperium