 |
SmoothKernelDistribution
SmoothKernelDistribution[{x1, x2, ...}]
表示基于数据值 
的平滑核分布.
SmoothKernelDistribution[{{x1, y1, ...}, {x2, y2, ...}, ...}]
表示基于数据值 
的多元平滑核分布.
SmoothKernelDistribution[..., bw]
表示带宽为 bw 的平滑核分布.
SmoothKernelDistribution[..., bw, ker]
表示带宽为 bw 以及平滑核为 ker 的平滑核分布.
更多信息
- SmoothKernelDistribution 返回一个可以像任何其它概率分布一样使用的 DataDistribution 对象.
- 一个值
的 SmoothKernelDistribution 的概率密度函数由平滑核 
和带宽参数 
的 
的线性插值版本给出. - 可以给出如下带宽说明 bw：
-
h 要使用的带宽 {"Standardized",h} 以标准差为单位的带宽 {"Adaptive",h,s} 具有初始带宽 h 和灵敏度 
的自适应性Automatic 自动计算的带宽 "name" 使用一个已命名的带宽选择方法 {bwx,bwy,...} 对 x、y 等的不同的带宽说明 - 对于多变量密度，h 可以是正定对称矩阵.
- 对于自适应带宽，敏感度 s 必须是介于0和1之间的实数或 Automatic. 如果使用 Automatic，s 被设为
，其中 
是数据的维数. - 可能的已命名带宽选择方法包括：
-
"LeastSquaresCrossValidation" 使用最小二乘交叉核实法 "Oversmooth" 比标准高斯宽1.08倍 "Scott" 使用 Scott 规则来确定带宽 "SheatherJones" 使用 Sheather-Jones 插入式估计量 "Silverman" 使用 Silverman 规则来确定带宽 "StandardDeviation" 使用标准差作为带宽 "StandardGaussian" 标准正态数据的最佳带宽 - 默认使用
法. - 对于自动带宽计算，假定常量数组具有单位方差.
- 可以给出的可能的核说明 ker 有：
-
"Biweight" 
"Cosine" 
"Epanechnikov" 
"Gaussian" 
"Rectangular" 
"SemiCircle" 
"Triangular" 
"Triweight" 
func 
- 为了使 SmoothKernelDistribution 能够生成一个真正的密度估计，函数 fn 应该是一个有效的概率密度函数.
- 默认使用
核. - 对于多变量密度，核函数 ker 可以分别使用
和 
指定 Product 和 Radial 类型. 如果没有指定类型，则使用 Product 类型核. - 密度估计所用的精度是在 bw 和数据中给出的最小精度.
- 可以给出以下选项：
-
InterpolationPoints Automatic 所使用的插值点的初始数目 MaxMixtureKernels Automatic 所使用的核的最大数目 MaxRecursion Automatic 所允许的递归细分数目 PerformanceGoal Automatic 对速度或者质量进行优化 MaxExtraBandwidths Automatic 超过要使用的数据的最大带宽 - SmoothKernelDistribution 可以与诸如 Mean、CDF 和 RandomVariate 等函数一起使用.
版本 8 的新功能
