Kernel Density Arvio on tilastollinen menetelmä edustavaterilaisia tietoja . Liittyvät histogrammeja , Kernel Density Arvio tarjoaatapa arvioidajakelumuuttujan väestöstä. Menetelmä on suhteellisen kehittynyt , mutta tuloksetvisuaalinen tulkintamuuttujan todennäköinen tiheys, toisin sanoen taajuus, jollamuuttuja esiintyyväestössä. Käyttää
Kernel Density Arvio arvioiden muototiheysfunktio . Tiheys toiminto näyttää taajuuden, jollamuuttuja näkyysatunnaisotannallaväestön . Kernel Density Arvio pidetäänepäparametrinen menetelmällä . Tilastoissa on parametrinen ja epäparametrinen menetelmiä . Parametriset menetelmät tehdä enemmän oletuksia kuin epäparametrinen niistä. Ei oletukset jakelu, tavalla tai keskihajonnat tarvitaan epäparametrinen tilastoja . Esimerkiksi , jos halusi tietää, onkokymmenennen testinluokkahuoneessa olisiparemmat pisteet kuinensimmäisen yhdeksän , parametrimuodossa päättely sinun täytyisi tietääkeskiarvo ja keskihajonta johtaavastauksen . Ei- parametrinen päättely , yksinkertaisesti tietäämäärä testi on tarpeeksi tietääviimeinen testi on10 prosentin mahdollisuus olla edellistä tulokset.
Kernel
kernel Density Arvio on kaksi keskeistä osaa:ydin jakaistanleveys . Kernel ontiheysfunktio . On olemassa kuusi yhteistä erilaista tiheys toimintoja epäparametrinen tilastot: normaali tasainen , kolmion , Epanechnikov , quartic , triweight ja kosini . Kukin näistä toiminnoista käytetään arvioidataajuussatunnaismuuttujaväestöstä .
Kaista
toinen komponentti ,kaistanleveys , tasoittaa tuloksena tietojatiheysfunktioytimen . Kaistanleveys on näin ollen vaikuttaa voimakkaasti visuaalisesti tietoja. Sahalaitajuovia voi vähitellen tasoittaa kunnestiedot on niin selittäen , että se ei ole enää hyötyä . Ytimen tiheys arvion kaava,kaistanleveys edustaakirjain h . Sen on oltava positiivinen ja johtaajakelu joka summaa yhteen .
Edut
Kernel Density Arvio on etuja muihin epäparametrinen arviointimenetelmiä , erityisesti histogrammeja . Histogrammit esittävätjakelumuuttujan jäteastioita pitkinvaaka- alue . Pinottu roskakorit ovattiheämmänmuuttujanalantietoa. Koska histogrammeja symboloivat dataa roskakorit ,muuttuja on lokeroitu ja erilaiset jakaumat ovat rosoisia ja diskreetti, vääristelyänesteen jakelumuuttuja, joka todella on olemassaväestöstä. Kernel Density Arvio paremmin edustaa tätä sujuvuutta sileä linja, jonka tasaisuus määräytyykaistanleveyden valittuytimen tiheyden kaava .