Interpretação / uso da densidade do kernel

13

Esta pode ser uma pergunta ingênua, mas aqui vai. Se eu tiver um conjunto de dados empíricos e ajustar uma densidade de kernel a ele, e obter um novo valor único, possivelmente proveniente do mesmo processo que gerou o conjunto de dados original, posso atribuir uma probabilidade de que esse novo valor pertença ao conjunto / processo simplesmente lendo o valor fora do eixo y, onde o novo valor no eixo x cruza a linha de densidade do kernel e divide pela área sob a linha de densidade?

babelproofreader
fonte

Respostas:

13

Não , receio que não. A estimativa da densidade do kernel é a função de densidade da probabilidade . O valor y é uma estimativa da densidade de probabilidade com o valor de x , portanto, a área sob a curva entre x 1 e x 2 estima a probabilidade da variável aleatória X   cair entre x 1 e x 2 , assumindo que Xfoi gerado pelo mesmo processo que gerou os dados que você alimentou na estimativa de densidade do kernel. A estimativa de densidade do kernel não diz nada sobre a probabilidade de um novo valor ser gerado pelo mesmo processo.

uma parada
fonte
se a yaxis é c (0, 0,05, 0,10, 0,15) e xaxis c (5,10,15,20) e a média é 12,5. Você explicaria esses gráficos, pois há 15% de chance de a média ser 12,5? Estou com dificuldades para entender o eixo y?
usar o seguinte comando