Biarkan menjadi pengamatan yang diambil dari distribusi probabilitas yang tidak diketahui (tetapi tentu saja asimetris).
Saya ingin menemukan distribusi probabilitas dengan menggunakan pendekatan Namun, saya mencoba menggunakan kernel Gaussian, tetapi kinerjanya buruk, karena simetris. Jadi, saya telah melihat bahwa beberapa karya tentang kernel Gamma dan Beta telah dirilis, meskipun saya tidak mengerti bagaimana cara mengoperasikannya.
Pertanyaan saya adalah: bagaimana menangani kasus asimetris ini, seandainya dukungan distribusi yang mendasarinya tidak dalam interval ?
probability
distributions
pdf
kernel-smoothing
Eleanore
sumber
sumber
Jawaban:
Pertama-tama, KDE dengan kernel simetris juga dapat bekerja dengan sangat baik ketika data Anda asimetris. Kalau tidak, sebenarnya akan sama sekali tidak berguna dalam praktek.
sumber
log(x)
mengubah skala menjadi , apakah Anda juga perlu memperhitungkan jacobian?Hmm. Anda mungkin menginginkan lebar kernel yang berubah sebagai fungsi lokasi.
Jika saya melihat masalah di eCDF maka saya mungkin mencoba dan membuat kemiringan numerik CDF berhubungan dengan ukuran Kernel.
Saya pikir jika Anda akan melakukan transformasi koordinat, maka Anda harus memiliki ide yang bagus tentang titik awal dan akhir. Jika Anda mengetahui distribusi target dengan baik, maka Anda tidak memerlukan pendekatan Kernel.
sumber