Sejam observações extraídas de uma distribuição de probabilidade desconhecida (mas certamente assimétrica).
Gostaria de encontrar a distribuição de probabilidade usando a abordagem do KDE: No entanto, tentei usar um kernel gaussiano, mas ele teve um desempenho ruim, pois é simétrico. Assim, vi que alguns trabalhos sobre os kernels Gamma e Beta foram lançados, embora eu não entendesse como operar com eles.
Minha pergunta é: como lidar com esse caso assimétrico, supondo que o suporte da distribuição subjacente não esteja no intervalo ?
probability
distributions
pdf
kernel-smoothing
Eleanore
fonte
fonte
Respostas:
Primeiro, o KDE com kernels simétricos também pode funcionar muito bem quando seus dados são assimétricos. Caso contrário, na prática, seria completamente inútil.
Em segundo lugar, você já pensou em redimensionar seus dados para corrigir a assimetria, se acredita que isso está causando o problema. Por exemplo, pode ser uma boa ideia tentar , pois isso é conhecido por ajudar em muitos problemas.log(x)
fonte
log(x)
, também precisará ser responsabilizado por um jacobiano?Hmm. Você pode querer uma largura do kernel que mude em função da localização.
Se eu estivesse analisando o problema no eCDF, poderia tentar fazer com que uma inclinação numérica do CDF se relacionasse com o tamanho do Kernel.
Penso que, se você for fazer uma transformação de coordenadas, precisará ter uma boa ideia dos pontos de início e de fim. Se você conhece bem a distribuição de destino, não precisa da aproximação do Kernel.
fonte