In der Statistik ist die Kerndichteschätzung eine nichtparametrische Methode, um die Wahrscheinlichkeitsdichtefunktion einer Zufallsvariablen zu schätzen. Die Schätzung der Kerndichte ist ein grundlegendes Problem der Datenglättung, bei dem auf der Grundlage einer endlichen Datenstichprobe Rückschlüsse auf die Population gezogen werden.
Wie berechnet man die Kerndichte?
Kernel Density Estimation (KDE)
Es wird einfach durch Addieren der Kernel-Werte (K) von allen Xj Mit Bezug auf die obige Tabelle, KDE für Der gesamte Datensatz wird durch Addieren aller Zeilenwerte erh alten. Die Summe wird dann normalisiert, indem die Anzahl der Datenpunkte dividiert wird, in diesem Beispiel sechs.
Was ist ein Kernel in der Kerneldichteschätzung?
Während ein Histogramm die Anzahl der Datenpunkte in etwas willkürlichen Regionen zählt, ist eine Kerndichteschätzung eine Funktion, die als Summe einer Kernfunktion für jeden Datenpunkt definiert istDie Kernfunktion weist typischerweise die folgenden Eigenschaften auf: Symmetrie derart, dass K (u)=K (− u).
Warum verwenden wir die Schätzung der Kerndichte?
Die Kerndichteschätzung ist eine Technik zur Schätzung der Wahrscheinlichkeitsdichtefunktion die ein Muss ist und es dem Benutzer ermöglicht, die untersuchte Wahrscheinlichkeitsverteilung besser zu analysieren als mit einem traditionellen Histogramm.
Was ist eine Gaußsche Kerndichteschätzung?
Das untere rechte Diagramm zeigt eine Gaußsche Kerndichteschätzung, in der jeder Punkt eine Gaußsche Kurve zur Gesamtzahl beiträgt Das Ergebnis ist eine glatte Dichteschätzung, die von abgeleitet wird Daten und fungiert als leistungsstarkes nichtparametrisches Modell der Verteilung von Punkten.
