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...
Alguém pode relatar sua experiência com um estimador de densidade de kernel adaptável? (Existem muitos sinônimos: adaptável | variável | largura variável, KDE | histograma | interpolador ...) A estimativa da densidade variável do kernel diz "variamos a largura do kernel em diferentes regiões do...
Ao visualizar dados unidimensionais, é comum usar a técnica de Estimativa de densidade do kernel para contabilizar larguras de compartimento escolhidas incorretamente. Quando meu conjunto de dados unidimensional tem incertezas de medição, existe uma maneira padrão de incorporar essas...
Eu tenho um conjunto de dados com muitos zeros que se parece com isso: set.seed(1) x <- c(rlnorm(100),rep(0,50)) hist(x,probability=TRUE,breaks = 25) Gostaria de desenhar uma linha para sua densidade, mas a density()função usa uma janela em movimento que calcula valores negativos de...
Eu desenvolvi um estimador de densidade de kernel simples em Java, com base em algumas dezenas de pontos (talvez até cem) ou mais e uma função de kernel gaussiana. A implementação me fornece o PDF e o CDF da minha distribuição de probabilidade a qualquer momento. Agora eu gostaria de implementar...
Esta pergunta é uma continuação da minha pergunta anterior aqui e também está relacionada, intencionalmente, a esta pergunta . Por esta página wiki valores de densidade de probabilidade a partir de uma distribuição normal assumido para o conjunto de treino são usados para calcular um Bayesiana...