Quelles méthodes non / semi-paramétriques pour estimer une densité de probabilité à partir d'un échantillon de données utilisez-vous?
(Veuillez ne pas inclure plus d'une méthode par réponse)
probability
estimation
nonparametric
Andre Holzner
la source
la source
Réponses:
Les modèles de mélange de Dirichlet Process peuvent être une approche bayésienne non paramétrique très flexible pour la modélisation de la densité, et peuvent également être utilisés comme blocs de construction dans des modèles plus complexes. Ils sont essentiellement une généralisation infinie des modèles de mélange gaussiens paramétriques et ne nécessitent pas de spécifier à l'avance le nombre de composants dans le mélange.
la source
Les processus gaussiens peuvent également être une autre approche bayésienne non paramétrique pour l'estimation de la densité. Voir ce papier d' échantillonnage de densité de processus gaussien .
la source
J'utilise l'estimateur de densité de noyau adaptatif de Silverman. voir par exemple la
akjpage d'aidela source
Profondeur demi-espace, alias sac-parcelles.
http://www.r-project.org/user-2006/Slides/Mizera.pdf
la source
Un joli court article de Jose Bernardo donne ici une méthode bayésienne utile pour estimer une densité. Mais comme pour la plupart des choses bayésiennes, le coût de calcul doit être payé pour cette méthode.
la source