Estimação de Densidade Kernel e Teste de Distribuição (KDE)
A Estimação de Densidade Kernel é um método não paramétrico que estima uma densidade de probabilidade contínua colocando uma função kernel suave sobre cada observação, sem assumir qualquer distribuição paramétrica. Suas origens remontam a Rosenblatt (1956) e ao tratamento em livro-texto de Silverman (1986), e também suporta testes de comparação de distribuição baseados nas densidades estimadas.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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
Como citar esta página
ScholarGate. (2026, June 1). Kernel Density Estimation and Distribution Testing (KDE). ScholarGate. https://scholargate.app/pt/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.
- Teste de Normalidade de Anderson-DarlingEstatística↔ compare
- Teste de Lilliefors para NormalidadeEstatística↔ compare
- Teste da Mediana de MoodEstatística↔ compare
- Regressão QuantílicaEconometria↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →