Estimación de Densidad por Kernel y Pruebas de Distribución (KDE)
La Estimación de Densidad por Kernel (KDE) es un método no paramétrico que estima una densidad de probabilidad continua colocando una función kernel suave sobre cada observación, sin asumir ninguna distribución paramétrica. Sus orígenes se remontan a Rosenblatt (1956) y al tratamiento en libro de texto de Silverman (1986), y también soporta pruebas de comparación de distribuciones basadas en las densidades estimadas.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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
Cómo citar esta página
ScholarGate. (2026, June 1). Kernel Density Estimation and Distribution Testing (KDE). ScholarGate. https://scholargate.app/es/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.
- Prueba de normalidad de Anderson-DarlingEstadística↔ compare
- Prueba de Lilliefors para NormalidadEstadística↔ compare
- Prueba de la Mediana de MoodEstadística↔ compare
- Regresión CuantílicaEconometría↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →