Saya memiliki situasi di mana saya dapat memperkirakan (yang pertama) kkk momen dari kumpulan data, dan ingin menggunakannya untuk menghasilkan estimasi fungsi kerapatan. Saya sudah menemukan distribusi Pearson , tetapi menyadari itu hanya bergantung pada 4 momen pertama (dengan beberapa...
Saya harus menghitung estimasi kepadatan kernel 2d (KDE) dari daftar koordinat lintang dan bujur. Tetapi satu derajat dalam garis lintang tidak sama dengan satu derajat dalam garis bujur, ini berarti bahwa masing-masing kernel akan berbentuk oval, khususnya titik selanjutnya dari
Saya mencari referensi tentang menghitung interval kepercayaan untuk mode (secara umum). Bootstrap mungkin tampaknya menjadi pilihan pertama yang wajar, tetapi seperti yang dibahas oleh Romano (1988), bootstrap standar gagal untuk mode dan itu tidak memberikan solusi sederhana. Apakah ada yang...
Saya ingin menguji beberapa ide saya yang menurut saya lebih baik daripada apa pun yang saya lihat. Saya bisa saja salah tetapi saya ingin menguji ide-ide saya dan mengalahkan keraguan saya dengan pengamatan yang lebih pasti. Apa yang saya pikirkan untuk lakukan adalah sebagai
Fitur Random Fourier menyediakan perkiraan untuk fungsi kernel. Mereka digunakan untuk berbagai metode kernel, seperti proses SVM dan Gaussian. Hari ini, saya mencoba menggunakan implementasi TensorFlow dan saya mendapat nilai negatif untuk setengah dari fitur saya. Seperti yang saya pahami, ini...
Saya memiliki beberapa pengamatan, dan saya ingin meniru sampel berdasarkan pengamatan ini. Di sini saya mempertimbangkan model non-parametrik, khususnya, saya menggunakan kernel smoothing untuk memperkirakan CDF dari pengamatan terbatas. Kemudian saya menggambar nilai secara acak dari CDF yang...
Saya melakukan beberapa estimasi kepadatan Kernel, dengan titik-titik tertimbang yang ditetapkan (mis., Masing-masing sampel memiliki bobot yang tidak diperlukan), dalam dimensi N. Juga, sampel ini hanya dalam ruang metrik (mis., Kita dapat menentukan jarak di antara mereka) tetapi tidak ada yang...
Biarkan menjadi pengamatan yang diambil dari distribusi probabilitas yang tidak diketahui (tetapi tentu saja asimetris).{ x1, ... , xN}{x1,...,xN}\{x_1,\ldots,x_N\} Saya ingin menemukan distribusi probabilitas dengan menggunakan pendekatan Namun, saya mencoba menggunakan kernel Gaussian, tetapi...
Apakah ada alasan khusus Anda akan memilih estimasi kepadatan kernel daripada estimasi parametrik? Saya sedang belajar menyesuaikan distribusi dengan data saya. Pertanyaan ini datang kepada saya. Ukuran data saya cukup besar dengan 7500 titik data. Klaim otomatis. Tujuan saya adalah mencocokkannya...
Saya memiliki beberapa data dalam R, disimpan dalam daftar. Berpikir d <- c(1,2,3,4) meskipun ini bukan data saya. Jika saya kemudian memasukkan perintah plot(density(d, kernel="gaussian", width=1)) kemudian saya mendapatkan estimasi kepadatan probabilitas kernel, di mana kernel adalah...
Saya telah melihat sejumlah literatur yang masuk akal tentang bagaimana memilih kernel dan bandwidth ketika menghitung estimasi kepadatan kernel, tetapi saya saat ini tertarik pada bagaimana meningkatkan waktu yang diperlukan untuk mengevaluasi KDE yang dihasilkan pada jumlah titik yang...
Saya memiliki data kecelakaan kendaraan bermotor menurut jam sehari. Seperti yang Anda harapkan, mereka tinggi di tengah hari dan puncaknya pada jam sibuk. Geom_density default ggplot2 memuluskannya dengan baik Subset dari data, untuk crash terkait drive-minum, tinggi di kedua ujung hari (malam...
Jadi, saya memiliki 16 percobaan di mana saya mencoba untuk mengotentikasi seseorang dari sifat biometrik menggunakan Hamming Distance. Ambang batas saya diatur ke 3.5. Data saya di bawah dan hanya percobaan 1 yang Benar-Benar Positif: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6...
Saya memiliki vektor Xdari N=900pengamatan yang terbaik dimodelkan oleh estimator bandwidth yang global yang kepadatan Kernel (model parametrik, termasuk model campuran yang dinamis, ternyata tidak menjadi cocok baik): Sekarang, saya ingin mensimulasikan dari KDE ini. Saya tahu ini bisa dicapai...
Saya memiliki dua kelompok yang terdiri dari 10 peserta yang dinilai tiga kali selama percobaan. Untuk menguji perbedaan antara kelompok dan di tiga penilaian, saya menjalankan ANOVA desain campuran 2x3 dengan group(kontrol, eksperimental), time(pertama, kedua, tiga), dan group x time. Keduanya...
Saya sedang bekerja dengan kumpulan data "geyser" dari paket MASS dan membandingkan perkiraan kepadatan kernel dari paket np. Masalah saya adalah untuk memahami estimasi kepadatan menggunakan cross-validasi kuadrat terkecil dan kernel
Saya menjalankan simulasi pada model linier. Saya mendapatkan 1000 hasil dan hasilnya dimasukkan ke dalam grafik kepadatan. Saya mengerti bahwa xaxis adalah variabel dependen dan yaxis mewakili kepadatan kernel. Yaxis dalam angka desimal seperti dari 0 hingga 0,15. Bagaimana cara saya menjelaskan...
Saya punya beberapa data yang jelas terpotong di sebelah kiri. Saya ingin mencocokkannya dengan estimasi kepadatan yang akan menanganinya dalam beberapa cara alih-alih mencoba memuluskannya. Metode apa yang diketahui (seperti biasa, dalam R) yang dapat mengatasi ini? Kode
Seperti dicatat oleh Wand dan Jones (1995), sebagian besar kernel standar dapat dilihat sebagai kasus K(x;p)={22p+1B(p+1,p+1)}−1(1−x2)p1{|x|<1}K(x;p)={22p+1B(p+1,p+1)}−1(1−x2)p1{|x|<1} K(x;p) = \{ 2^{2p+1} \; \mathrm{B}(p+1,p+1) \}^{-1} \; (1-x^2)^p
Penaksir kepadatan kernel diberikan oleh mana iid dengan beberapa kepadatan tidak diketahui , - bandwidth,f^(x,h)=1nh∑i=1nK(x−Xih)f^(x,h)=1nh∑i=1nK(x−Xih)\hat{f}(x,h)=\frac{1}{nh}\sum_{i=1}^{n}K(\frac{x-X_{i}}{h})X1,...XnX1,...XnX_1,...X_nfffhhh KKKFungsi - kernel ( , , ). Bias bisa dihitung...