Kernel Densityschatting en Distributietesten (KDE)
Kernel Densityschatting is een non-parametrische methode die een continue waarschijnlijkheidsdichtheid schat door een vloeiende kernfunctie over elke waarneming te plaatsen, zonder enige parametrische verdeling te veronderstellen. Het gaat terug tot Rosenblatt (1956) en de handboekbehandeling door Silverman (1986), en het ondersteunt ook distributievergelijkingstests die zijn gebaseerd op de geschatte dichtheden.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 1). Kernel Density Estimation and Distribution Testing (KDE). ScholarGate. https://scholargate.app/nl/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-Darling NormaliteitstestStatistiek↔ compare
- Lilliefors-test voor normaliteitStatistiek↔ compare
- Mood's mediaan testStatistiek↔ compare
- KwantielregressieEconometrie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →