Ydintiheyden estimointi ja jakaumatestaus (KDE)
Ydintiheyden estimointi (Kernel Density Estimation, KDE) on ei-parametrinen menetelmä, joka estimoi jatkuvan todennäköisyysfunktion sijoittamalla sileän ydinfunktion jokaisen havainnon kohdalle ilman oletusta parametrisesta jakaumasta. Menetelmä juontaa juurensa Rosenblattiin (1956) ja Silvermannin (1986) oppikirjakäsittelyyn, ja se tukee myös estimoituihin tiheyksiin perustuvia jakaumien vertailutestejä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Kernel Density Estimation and Distribution Testing (KDE). ScholarGate. https://scholargate.app/fi/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-Darlingin normaliteettitestiTilastotiede↔ compare
- Lillieforsin testi normaalisuudelleTilastotiede↔ compare
- Mood's Median TestTilastotiede↔ compare
- KvanttiiliregressioEkonometria↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →