Estimation par noyau de la densité et tests de distribution (KDE)
L'estimation par noyau de la densité est une méthode non paramétrique qui estime une densité de probabilité continue en plaçant une fonction noyau lisse sur chaque observation, sans supposer de distribution paramétrique. Elle remonte à Rosenblatt (1956) et à l'ouvrage de référence de Silverman (1986), et elle supporte également des tests de comparaison de distributions basés sur les densités estimées.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 1). Kernel Density Estimation and Distribution Testing (KDE). ScholarGate. https://scholargate.app/fr/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 de normalité d'Anderson-DarlingStatistique↔ compare
- Test de Lilliefors pour la normalitéStatistique↔ compare
- Test du médian de MoodStatistique↔ compare
- Régression quantileÉconométrie↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →