Tengo una situación en la que puedo estimar (los primeros) momentos de un conjunto de datos, y me gustaría usarlo para producir una estimación de la función de densidad.kkk Ya me encontré con la distribución de Pearson , pero me di cuenta de que solo se basa en los primeros 4 momentos (con algunas...
Tengo que calcular la estimación de densidad de kernel 2d (kde) a partir de una lista de coordenadas de latitud y longitud. Pero un grado en latitud no es la misma distancia que un grado en longitud, esto significa que los núcleos individuales serían ovales, especialmente cuanto más lejos esté el...
Estoy buscando referencias sobre el cálculo de intervalos de confianza para el modo (en general). Puede parecer que Bootstrap es la primera opción natural, pero como lo comenta Romano (1988), el bootstrap estándar falla para el modo y no proporciona ninguna solución simple. ¿Ha cambiado algo desde...
Deseo probar algunas de mis ideas que creo que son mejores que cualquier cosa que haya visto. Podría estar equivocado, pero me gustaría probar mis ideas y vencer mis dudas con observaciones más ciertas. Lo que he estado pensando hacer es lo siguiente: Definir analíticamente un conjunto de...
Las características aleatorias de Fourier proporcionan aproximaciones a las funciones del núcleo. Se utilizan para varios métodos de kernel, como SVM y procesos gaussianos. Hoy, intenté usar la implementación de TensorFlow y obtuve valores negativos para la mitad de mis funciones. Según tengo...
Tengo algunas observaciones y quiero imitar el muestreo basado en estas observaciones. Aquí considero un modelo no paramétrico, específicamente, utilizo el suavizado del núcleo para estimar un CDF a partir de las observaciones limitadas. Luego dibujo valores al azar del CDF obtenido. El siguiente...
Estoy haciendo una estimación de densidad de Kernel, con un conjunto de puntos ponderados (es decir, cada muestra tiene un peso que no es necesario), en N dimensiones. Además, estas muestras están solo en un espacio métrico (es decir, podemos definir una distancia entre ellas) pero nada más. Por...
Sean observaciones extraídas de una distribución de probabilidad desconocida (pero ciertamente asimétrica).{ x1, ... , xnorte}{X1,...,Xnorte}\{x_1,\ldots,x_N\} Me gustaría encontrar la distribución de probabilidad utilizando el enfoque KDE: Sin embargo, intenté usar un núcleo gaussiano, pero...
¿Hay alguna razón particular por la que elegirás la estimación de densidad del kernel sobre la estimación paramétrica? Estaba aprendiendo a ajustar la distribución a mis datos. Esta pregunta me vino. Mi tamaño de datos es relativamente grande con 7500 puntos de datos. Auto reclamaciones. Mi...
Tengo algunos datos en R, almacenados en una lista. Pensar d <- c(1,2,3,4) aunque estos no son mis datos. Si luego ingreso el comando plot(density(d, kernel="gaussian", width=1)) entonces obtengo la estimación de densidad de probabilidad del núcleo, donde el núcleo es normal normal. Si...
He visto una cantidad razonable de literatura sobre cómo elegir núcleos y anchos de banda al calcular una estimación de densidad del núcleo, pero actualmente estoy interesado en cómo mejorar el tiempo que lleva evaluar el KDE resultante en un número arbitrario de puntos. En mi caso, estoy usando...
Tengo datos de accidentes automovilísticos por hora del día. Como era de esperar, son altas en la mitad del día y alcanzan su punto máximo en la hora pico. geom_density predeterminado de ggplot2 lo suaviza muy bien Un subconjunto de los datos, para los accidentes relacionados con la bebida, es...
Entonces, tengo 16 ensayos en los que estoy tratando de autenticar a una persona de un rasgo biométrico usando Hamming Distance. Mi umbral está establecido en 3.5. Mis datos están a continuación y solo la prueba 1 es un verdadero positivo: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5...
Tengo un vector Xde N=900observaciones que se modelan mejor con un estimador de densidad de kernel de ancho de banda global (los modelos paramétricos, incluidos los modelos de mezcla dinámica, no resultaron ser adecuados): Ahora, quiero simular desde este KDE. Sé que esto se puede lograr...
Tengo dos grupos de 10 participantes que fueron evaluados tres veces durante un experimento. Para probar las diferencias entre los grupos y entre las tres evaluaciones, ejecuté un ANOVA de diseño mixto 2x3 con group(control, experimental), time(primero, segundo, tres) y group x time. Ambos timey...
Estoy trabajando con el conjunto de datos "géiser" del paquete MASS y comparando las estimaciones de densidad del núcleo del paquete np. Mi problema es comprender la estimación de densidad utilizando la validación cruzada de mínimos cuadrados y el núcleo
Estoy ejecutando la simulación en un modelo lineal. Obtengo 1000 resultados y los resultados se colocan en un gráfico de densidad. Entiendo que xaxis es la variable dependiente y yaxis representa la densidad del núcleo. Yaxis está en números decimales como de 0 a 0.15. ¿Cómo les explico esto a los...
Tengo algunos datos que están claramente truncados a la izquierda. Deseo ajustarlo con una estimación de densidad que lo maneje de alguna manera en lugar de tratar de suavizarlo. ¿Qué métodos conocidos (como de costumbre, en R) pueden abordar esto? Código de muestra: set.seed(1341) x <-...
Como señalaron Wand y Jones (1995), la mayoría de los núcleos estándar pueden verse como un caso de 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
Estimador de densidad de Kernel está dada por f ( x , h ) = 1f^(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}) donde iid con alguna densidad desconocida,- ancho de banda,X1,...XnX1,...XnX_1,...X_nfffhhh KKK - función del núcleo ( , ,...