Estimasi Kepadatan Kernel dan Pengujian Distribusi (KDE)
Estimasi Kepadatan Kernel adalah metode nonparametrik yang mengestimasi kepadatan probabilitas kontinu dengan menempatkan fungsi kernel halus di atas setiap observasi, tanpa mengasumsikan distribusi parametrik apa pun. Metode ini berakar dari Rosenblatt (1956) dan pembahasan buku teks oleh Silverman (1986), serta mendukung uji perbandingan distribusi yang dibangun di atas kepadatan yang diestimasi.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara menyitasi halaman ini
ScholarGate. (2026, June 1). Kernel Density Estimation and Distribution Testing (KDE). ScholarGate. https://scholargate.app/id/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.
- Uji Normalitas Anderson-DarlingStatistika↔ compare
- Uji Lilliefors untuk NormalitasStatistika↔ compare
- Uji Median MoodStatistika↔ compare
- Regresi KuantilEkonometrika↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →