Je dois calculer l'estimation de densité de noyau 2d (kde) à partir d'une liste de coordonnées de latitude et de longitude. Mais un degré de latitude n'est pas la même distance qu'un degré de longitude, cela signifie que les grains individuels seraient ovales, spécialement plus le point est éloigné...
J'ai une situation où je peux estimer (les premiers) moments d'un ensemble de données, et je voudrais l'utiliser pour produire une estimation de la fonction de densité.kkk J'ai déjà rencontré la distribution Pearson , mais j'ai réalisé qu'elle ne dépend que des 4 premiers moments (avec quelques...
Je recherche des références sur le calcul des intervalles de confiance pour le mode (en général). Le bootstrap peut sembler être le premier choix naturel, mais comme discuté par Romano (1988), le bootstrap standard échoue pour le mode et il ne fournit aucune solution simple. Quelque chose a-t-il...
Je souhaite tester certaines de mes idées qui me semblent meilleures que tout ce que j'ai vu. Je peux me tromper mais je voudrais tester mes idées et vaincre mes doutes par des observations plus certaines. Ce que j'ai pensé faire, c'est ce qui suit: Définissez analytiquement un ensemble de...
Les fonctionnalités de Fourier aléatoires fournissent des approximations des fonctions du noyau. Ils sont utilisés pour diverses méthodes du noyau, comme les SVM et les processus gaussiens. Aujourd'hui, j'ai essayé d'utiliser l' implémentation TensorFlow et j'ai obtenu des valeurs négatives pour la...
J'ai quelques observations, et je veux imiter l'échantillonnage basé sur ces observations. Ici, je considère un modèle non paramétrique, en particulier, j'utilise le lissage du noyau pour estimer un CDF à partir des observations limitées.Puis je tire des valeurs au hasard à partir du CDF obtenu.Le...
Je fais une estimation de la densité du noyau, avec un ensemble de points pondérés (c'est-à-dire que chaque échantillon a un poids qui n'est pas nécessaire), en N dimensions. De plus, ces échantillons sont juste dans un espace métrique (c'est-à-dire que nous pouvons définir une distance entre eux)...
Soit observations tirées d'une distribution de probabilité inconnue (mais certainement asymétrique).{ x1, … , XN}{X1,…,XN}\{x_1,\ldots,x_N\} Je voudrais trouver la distribution de probabilité en utilisant l'approche KDE: Cependant, j'ai essayé d'utiliser un noyau gaussien, mais il a mal fonctionné,...
Y a-t-il une raison particulière pour laquelle vous choisirez l'estimation de la densité du noyau plutôt que l'estimation paramétrique? J'apprenais à adapter la distribution à mes données. Cette question m'est venue. La taille de mes données est relativement grande avec 7500 points de données....
J'ai quelques données dans R, stockées dans une liste. Pense d <- c(1,2,3,4) bien que ce ne soit pas mes données. Si j'entre alors la commande plot(density(d, kernel="gaussian", width=1)) puis j'obtiens l'estimation de la densité de probabilité du noyau, où le noyau est normal normal. Si je...
J'ai vu une quantité raisonnable de documentation sur la façon de choisir les noyaux et les bandes passantes lors du calcul d'une estimation de la densité du noyau, mais je suis actuellement intéressé par la façon d'améliorer le temps nécessaire pour évaluer le KDE résultant à un nombre arbitraire...
J'ai des données sur les accidents de véhicules à moteur par heure de la journée. Comme vous vous en doutez, ils sont élevés en milieu de journée et culminent aux heures de pointe. geom_density par défaut de ggplot2 adoucit bien Un sous-ensemble de données, pour les collisions liées à la conduite...
Donc, j'ai 16 essais dans lesquels j'essaie d'authentifier une personne à partir d'un trait biométrique en utilisant Hamming Distance. Mon seuil est fixé à 3,5. Mes données sont ci-dessous et seul l'essai 1 est un vrai positif: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 7 0.47...
J'ai un vecteur Xd' N=900observations qui est mieux modélisé par un estimateur de densité de bande passante globale (les modèles paramétriques, y compris les modèles de mélange dynamique, se sont avérés ne pas être de bons ajustements): Maintenant, je veux simuler à partir de ce KDE. Je sais que...
J'ai deux groupes de 10 participants qui ont été évalués trois fois au cours d'une expérience. Pour tester les différences entre les groupes et entre les trois évaluations, j'ai exécuté une ANOVA de conception mixte 2x3 avec group(contrôle, expérimental), time(premier, deuxième, trois) et group x...
Je travaille avec l'ensemble de données "geyser" du package MASS et compare les estimations de densité du noyau du package np. Mon problème est de comprendre l'estimation de la densité en utilisant la validation croisée des moindres carrés et le noyau Epanechnikov:
J'exécute la simulation sur un modèle linéaire. J'obtiens 1000 résultats et les résultats sont mis dans un graphique de densité. Je comprends que le xaxis est la variable dépendante et que les yaxis représentent la densité du noyau. Yaxis est en nombres décimaux comme de 0 à 0,15. Comment expliquer...
J'ai quelques données qui sont clairement tronquées à gauche. Je souhaite l'adapter à une estimation de densité qui le manipulera d'une certaine manière au lieu d'essayer de le lisser. Quelles méthodes connues (comme d'habitude en R) peuvent résoudre ce problème? Exemple de code: set.seed(1341) x...
Comme l'ont noté Wand et Jones (1995), la plupart des grains standard peuvent être considérés comme K(x;p)={22p+1B(p+1,p+1)}−1(1−x2)p1{|x|<1}K(x;p)={22p+1B(p+1,p+1)}−1(1−x2)p1{|x|<1} K(x;p) = \{ 2^{2p+1} \; \mathrm{B}(p+1,p+1) \}^{-1} \; (1-x^2)^p
L'estimateur de densité du noyau est donné par où iid avec une densité inconnue , - bande passante,f^(x,h)=1nh∑i=1nK(x−Xih)f^(x,h)=1nh∑i=1nK(x−Xih)\hat{f}(x,h)=\frac{1}{nh}\sum_{i=1}^{n}K(\frac{x-X_{i}}{h})X1,...XnX1,...XnX_1,...X_nfffhhh KKK - fonction du noyau ( , , ). Le biais peut être calculé...