Kernetæthedsestimering og fordelingstest (KDE)
Kernetæthedsestimering er en ikke-parametrisk metode, der estimerer en kontinuert sandsynlighedstæthed ved at placere en glat kernelfunktion over hver observation, uden at antage nogen parametrisk fordeling. Den stammer tilbage fra Rosenblatt (1956) og den lærebogsbehandling af Silverman (1986), og den understøtter også fordelingssammenligningstests bygget på de estimerede tætheder.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 1). Kernel Density Estimation and Distribution Testing (KDE). ScholarGate. https://scholargate.app/da/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.
- Anderson-Darling normalitetstestStatistik↔ compare
- Lilliefors' normalitetstestStatistik↔ compare
- Moods median-testStatistik↔ compare
- KvantilregressionØkonometri↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →