สมมติว่าฉันมีตัวแปรเช่นเดียวX
กับการกระจายที่ไม่รู้จัก ใน Mathematica โดยใช้SmoothKernelDensity
ฟังก์ชั่นที่เราสามารถมีประมาณ function.This ความหนาแน่นของฟังก์ชั่นความหนาแน่นประมาณสามารถนำมาใช้ควบคู่ไปกับPDF
ฟังก์ชั่นฟังก์ชั่นความหนาแน่นของการคำนวณความน่าจะเป็นของมีค่าเช่นX
ในรูปแบบของPDF[density,X]
สมมติว่า "ความหนาแน่น" SmoothKernelDensity
เป็นผลมาจาก มันจะดีถ้ามีคุณสมบัติดังกล่าวใน R นี่คือวิธีการทำงานใน Mathematica
http://reference.wolfram.com/mathematica/ref/SmoothKernelDistribution.html
เป็นตัวอย่าง (ขึ้นอยู่กับฟังก์ชั่น Mathematica):
data = RandomVariate[NormalDistribution[], 100]; #generates 100 values from N(0,1)
density= SmoothKernelDistribution[data]; #estimated density
PDF[density, 2.345] returns 0.0588784
คุณสามารถหาข้อมูลเพิ่มเติมเกี่ยวกับ PDF ได้ที่นี่
http://reference.wolfram.com/mathematica/ref/PDF.html
ฉันรู้ว่าฉันสามารถวางแผนฟังก์ชั่นความหนาแน่นของมันโดยใช้density(X)
ใน R และโดยการใช้ecdf(X)
ฉันสามารถได้รับฟังก์ชั่นการแจกแจงสะสมเชิงประจักษ์มันเป็นไปได้ที่จะทำสิ่งเดียวกันใน R ตามสิ่งที่ฉันอธิบายเกี่ยวกับ Mathematica?
ความช่วยเหลือและความคิดใด ๆ ที่ชื่นชม
ecdf(X)
ให้เปอร์เซ็นต์ที่เทียบเท่ากับ 7.5 แต่ไม่ใช่สิ่งที่ฉันกำลังมองหา
ecdf(b)-ecdf(a)
โดยการคำนวณสัดส่วนตัวอย่างของค่าที่ 0.75
density(x)
ให้ค่าประมาณของ pdf ตามที่คุณได้บันทึกไว้ แต่ความเหมาะสมของมันขึ้นอยู่กับวัตถุประสงค์ที่คุณต้องการให้มีความหนาแน่น หมายเหตุตัวอย่างเช่นความแปรปรวนนั้นมีอคติมากขึ้น (ในการดำเนินการโน้มน้าวใจคุณเพิ่มความแปรปรวนของเคอร์เนลให้กับความแปรปรวนของข้อมูลซึ่งเป็นค่าประมาณที่ไม่เอนเอียง) - การแลกเปลี่ยนความแปรปรวนแบบอคตินั้นเป็นที่แพร่หลาย มีทางเลือกอื่น ๆ เช่นการประมาณความหนาแน่นของ log-spline เช่น - แต่อีกครั้งความเหมาะสมของมันขึ้นอยู่กับสิ่งที่คุณต้องการจะทำกับมัน