Uvod v Kernel Density Ocena pričakovanega

Kernel Density Ocena jestatistična metoda , ki predstavlja nabor podatkov . Povezane s histogrami , Kernel Density Ocena ponuja način za oceno porazdelitve spremenljivke v populaciji . Metoda je razmeroma zapletene , vendar rezultativizualno interpretacijo spremenljivega je verjetno gostote , z drugimi besedami , pogostosti, s katerospremenljivka pojavi v populaciji . Uporablja Na

Kernel ocen Gostota ocenjevanja obliko funkcije gostote. Funkcija gostote prikazuje pogostostspremenljivka pojavi v naključnim vzorčenjem populacije . Kernel Density Ocena se šteje,non- parametrična metoda. V statistiki obstajajo parametrične in ne- parametrične metode . Parametrične metode, da bi več predpostavk kot neparametrska narave. Ni predpostavke o porazdelitvi sredstev , ali standardnih odklonov so v ne- parametrične statistike potrebna . Na primer, če si hotel vedeti, ali bodeseta preskus v razredu imajo višjo oceno kot v prvih devetih mesecih , v parametrični obrazložitvi , ki bi jih morali poznati srednjo vrednost in standardni odklon za izpeljavo odgovor. V ne - parametrične obrazložitvi , preprosto vedo, število testa je dovolj, da vem,zadnji preizkus ima 10 odstotkov možnosti, da zgoraj prejšnjih ocen .
Kernel

Kernel Density Oceno ima dve ključni komponenti:jedra inpasovne širine . Kernel jefunkcija gostote . Obstaja šest skupnih vrste funkcij gostote v ne- parametrične statistike : normalno , enotna , trikotne , Epanechnikov , quartic , triweight in kosinus . Vsaka od teh funkcij, se uporablja za oceno pogostosti slučajne spremenljivke v populaciji .
Pasovne

Druga komponenta ,pasovno širino, gladi dobljeni podatki iz funkcijo gostote jedra . Pasovno širino, zato ima močno vplivavizualna predstavitev podatkov. Nazobčane linije lahko postane postopoma zglajena , dokler sepodatki tako razlag , da ni več uporaben . V formuli za Kernel ocenjevanja gostote , jepasovna širina zastopana s črko h. To mora biti pozitiven in rezultat v distribucijo, ki povzema eno .
Prednosti

Kernel Density Oceno ima svoje prednosti do drugih ne- parametrične metode načrtovanja, zlasti histogramov . Histogrami predstavljajo porazdelitev spremenljivke v smetnjake vzdolž razpona vodoravnega . Nizi koši predstavljajo večjo gostoto spremenljivke v sektorju podatkov . Ker histogramov simbolizirajo podatkov prek smetnjake ,spremenljivka predalih in različne distribucije so nazobčane in diskretna , napačno porazdelitev tekočine spremenljivke , ki v resnici obstaja v populaciji . Kernel Density Ocena bolje predstavlja ta pretočnost z gladko linijo , katere gladkost se določi glede na pasovno širino , izbranim v formuli gostoto jedra .