Odhad hustoty pomocí jader a testování rozdělení (KDE)
Odhad hustoty pomocí jader (Kernel Density Estimation, KDE) je neparametrická metoda, která odhaduje spojitou hustotu pravděpodobnosti umístěním hladké jádrové funkce nad každý pozorovaný údaj, aniž by předpokládala jakékoli parametrické rozdělení. Metoda vychází z prací Rosenblatta (1956) a učebnicového zpracování Silvermana (1986) a podporuje také testy porovnání rozdělení založené na odhadnutých hustotách.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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
Jak citovat tuto stránku
ScholarGate. (2026, June 1). Kernel Density Estimation and Distribution Testing (KDE). ScholarGate. https://scholargate.app/cs/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 Andersona-Darlinga na normalituStatistika↔ compare
- Lillieforsův test normalityStatistika↔ compare
- Mediánový test podle MoodaStatistika↔ compare
- Kvantilová regreseEkonometrie↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →