Estimació de Densitat Kernel i Proves de Distribució (KDE)
L'Estimació de Densitat Kernel (KDE) és un mètode no paramètric que estima una densitat de probabilitat contínua col·locant una funció kernel llisa centrada en cada observació, sense assumir cap distribució paramètrica. Els seus orígens es remunten a Rosenblatt (1956) i al tractament del llibre de text de Silverman (1986), i també admet proves de comparació de distribucions basades en les densitats estimades.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Rosenblatt, M. (1956). Remarks on Some Nonparametric Estimates of a Density Function. Annals of Mathematical Statistics, 27(3), 832-837. DOI: 10.1214/aoms/1177728190 ↗
- Silverman, B. W. (1986). Density Estimation for Statistics and Data Analysis. Chapman & Hall / CRC Press. ISBN: 978-0412246203
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Kernel Density Estimation and Distribution Testing (KDE). ScholarGate. https://scholargate.app/ca/statistics/kernel-density-test
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Test d'Anderson-Darling de normalitatEstadística↔ compare
- Test de Lilliefors per a la NormalitatEstadística↔ compare
- Test de la mediana de MoodEstadística↔ compare
- Regressió quantílicaEconometria↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →