Stima di Densità Kernel e Test di Distribuzione (KDE)
La stima di densità kernel (Kernel Density Estimation, KDE) è un metodo non parametrico che stima una densità di probabilità continua posizionando una funzione kernel liscia su ciascuna osservazione, senza assumere alcuna distribuzione parametrica. Le sue origini risalgono a Rosenblatt (1956) e al trattamento testuale di Silverman (1986), e supporta anche test di confronto di distribuzioni basati sulle densità stimate.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 1). Kernel Density Estimation and Distribution Testing (KDE). ScholarGate. https://scholargate.app/it/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 di normalità di Anderson-DarlingStatistica↔ compare
- Test di Lilliefors per la NormalitàStatistica↔ compare
- Test del Mediano di MoodStatistica↔ compare
- Regressione quantilicaEconometria↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →