Local Kernel Density Estimation
Local Kernel Density Estimation (Local KDE) is a non-parametric spatial method that estimates the density of point events at each location by applying a kernel function with a spatially adaptive bandwidth. Unlike global KDE, which uses a fixed bandwidth across the entire study area, Local KDE adjusts the smoothing window according to local data density, capturing fine-scale clustering where events are sparse or concentrated.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
- Silverman, B. W. (1986). Density Estimation for Statistics and Data Analysis. Chapman and Hall, London. · ISBN 978-0412246203
- Diggle, P. J. (1985). A kernel method for smoothing point process data. Journal of the Royal Statistical Society: Series C (Applied Statistics), 34(2), 138-147. · URL
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.