单变量和双变量数据的核平滑函数估计
从两个正态分布的混合物中生成一个样本数据集。
rng(“默认”)%为了再现性1 x = [randn(30日);5 + randn(30日1)];
绘制估计密度图。
[f, xi] = ksdensity (x);图绘制(xi, f);
密度估计显示了样品的双峰性。
从半正态分布生成非负样本数据集。
rng(“默认”)%为了再现性pd = makedist (“半正常”,“亩”,0,“σ”1);x =随机(pd, 100, (1);
用对数变换和反射两种不同的边界校正方法对pdf进行估计“BoundaryCorrection”
名称-值对的论点。
分= linspace (0, 1000);%评估估计器的要点[f1,ξ1]= ksdensity (x,分,“金宝app支持”,“积极”); [f2,xi2]=Ks密度(x,pts,“金宝app支持”,“积极”,“BoundaryCorrection”,“反射”);
绘制两个估计的PDF。
绘图(xi1、f1、xi2、f2)lgd=图例(“日志”,“反射”); 标题(lgd,“边界修正法”) xl = xlim;xlim ([-0.25 xl xl (1) (2)))
ksdensity
当指定正支持或有界支持时,使用边界校正方法。金宝app默认的边界校正方法是对数变换。当ksdensity
将支持转换回来,它引入金宝app1 / x
核密度估计器中的项。因此,估计值接近峰值x=0
.另一方面,反射法不会在边界附近产生不良的峰。
加载示例数据。
负载医院
计算并绘制在指定值集计算的估计cdf。
分= (min (hospital.Weight): 2:马克斯(hospital.Weight));图()ecdf (hospital.Weight)在(f, xi, bw) = ksdensity(医院。体重、分“金宝app支持”,“积极”,...“函数”,“cdf”);情节(xi, f,“g”,“线宽”2)传说(“经验提供”,'内核bw:默认',“位置”,“西北”)包含(“病人体重”) ylabel (“估计提供”)
ksdensity
似乎过于平滑累积分布函数估计。带宽较小的估计可能会产生更接近经验累积分布函数的估计。
返回平滑窗口的带宽。
bw
bw = 0.1070
绘制累积分布函数估计使用较小的带宽。
[f, xi] = ksdensity(医院。体重、分“金宝app支持”,“积极”,...“函数”,“cdf”,“带宽”, 0.05);情节(xi, f,“——r”,“线宽”2)传说(“经验提供”,'内核bw:默认',“kernel-bw: 0.05”,...“位置”,“西北”)举行从
的ksdensity
带宽越小,估计值越符合经验累积分布函数。
加载示例数据。
负载医院
在50个等距点处绘制估计的cdf值。
图()ksdensity(医院。重量,“金宝app支持”,“积极”,“函数”,“cdf”,...“NumPoints”, 50)包含(“病人体重”) ylabel (“估计提供”)
从均值为3的指数分布中生成样本数据。
rng(“默认”)%为了再现性随机(x =“经验”, 3100, (1);
创建一个表示审查的逻辑向量。在这里,寿命超过10年的观测结果被删除。
T=10;cens=(x>T);
计算并绘制估计的密度函数。
图ksdensity (x,“金宝app支持”,“积极”,“审查”岑);
计算并绘制幸存者函数。
图ksdensity (x,“金宝app支持”,“积极”,“审查”岑,...“函数”,“幸存者”);
计算并绘制累积风险函数。
图ksdensity (x,“金宝app支持”,“积极”,“审查”岑,...“函数”,“cumhazard”);
生成两种正态分布的混合,并在一组指定的概率值处绘制估计的逆累积分布函数。
rng(“默认”)%为了再现性1 x = [randn(30日);5 + randn(30日1)];π= linspace (0 . 01, 99);图ksdensity (x,π,“函数”,“icdf”);
生成两个正态分布的混合物。
rng(“默认”)%为了再现性1 x = [randn(30日);5 + randn(30日1)];
返回概率密度估计平滑窗口的带宽。
[f,席,bw ]=ks密度(x);体重
体重=1.5141
默认带宽对于正常密度是最优的。
绘制估计密度图。
图绘制(xi, f);包含(“十一”) ylabel (“f”)举行在
使用增加的带宽值绘制密度。
[f, xi] = ksdensity (x,“带宽”, 1.8);情节(xi, f,“——r”,“线宽”, 1.5)
更高的带宽进一步平滑密度估计,这可能掩盖了分布的一些特性。
现在,用减小的带宽值绘制密度。
[f, xi] = ksdensity (x,“带宽”, 0.8);情节(xi, f,“同意”,“线宽”传说,1.5)(“bw =违约”,“bw = 1.8”,“bw = 0.8”)举行从
带宽越小,密度估计的平滑度越小,这就夸大了样本的某些特性。
创建要计算密度的点的两列向量。
gridx1 = -0.25: .05:1.25;gridx2 = 0: .1:15;[x1,x2] = meshgrid(gridx1, gridx2);x1 = x1 (:);x2 = x2 (:);= [x1 x2];
从二元正态分布的混合物中生成一个包含随机数的30 × 2矩阵。
rng(“默认”)%为了再现性X = [0+ 0.5 *rand(20,1) 5+2.5*rand(20,1);综合成绩+ .25 *兰德(10,1)8.75 + 1.25 *兰德(10,1)];
绘制样本数据的估计密度。
图ksdensity (x, xi);
x
- - - - - -样本数据临时秘书处
- - - - - -评估点f
评估点f
,指定为向量或两列矩阵。对于单变量数据,临时秘书处
可以是行或列向量。返回输出的长度f
等于中的点数临时秘书处
.
例子:分= (0:1:25);ksdensity (x,分);
数据类型:单
|双重的
斧头
- - - - - -轴处理图的坐标轴手柄ksdensity
图到,指定为句柄。
例如,如果h
是数字的柄吗ksdensity
可以绘制出如下图。
例子:Ks密度(h,x)
指定可选的逗号分隔的对名称,值
论据。的名字
参数名和价值
为对应值。的名字
必须出现在引号内。可以以任意顺序指定多个名称和值对参数名称1,值1,…,名称,值
.
“审查”、“审查”、“内核”、“三角形”、“NumPoints”、“20”、“函数”、“cdf”
指定ksdensity
通过对覆盖数据范围的20个等间距点进行评估,使用三角核平滑函数,并考虑向量中的删失数据信息,估计CDF岑
.
“BoundaryCorrection”
- - - - - -边界修正法边界校正方法,指定为逗号分隔对组成“BoundaryCorrection”
和“日志”
或“反射”
.
价值 | 描述 |
---|---|
“日志” |
的价值 |
“反射” |
|
ksdensity
仅在指定时应用边界校正“金宝app支持”
作为一个值,而不是“无限”
.
例子:“BoundaryCorrection”、“反射”
“审查”
- - - - - -逻辑向量逻辑向量,指示哪些条目被删除,指定为逗号分隔对,由“审查”
和一个二进制值向量。0表示不截尾,1表示观察被截尾。默认是没有审查。此名称-值对仅对单变量数据有效。
例子:“审查”,censdata
数据类型:逻辑
“函数”
- - - - - -函数来估计“pdf”
(默认)|“cdf”
|“icdf”
|“幸存者”
|“cumhazard”
函数估计,指定为由逗号分隔的对组成“函数”
下面是其中之一。
价值 | 描述 |
---|---|
“pdf” |
概率密度函数。 |
“cdf” |
累积分布函数。 |
“icdf” |
逆累积分布函数。 此值仅对单变量数据有效。 |
“幸存者” |
幸存者的功能。 |
“cumhazard” |
累积危险函数。 此值仅对单变量数据有效。 |
例子:“函数”
,“icdf”
“内核”
- - - - - -核平滑器类型“正常”
(默认)|“盒子”
|“三角形”
|“埃帕内切尼科夫”
|函数处理|特征向量|字符串标量内核平滑器的类型,指定为逗号分隔对,由“内核”
下面是其中之一。
“正常”
(默认)
“盒子”
“三角形”
“埃帕内切尼科夫”
自定义或内置的内核函数。将函数指定为函数句柄(例如,@我的功能
或@normpdf
)或作为字符向量或字符串标量(例如,“我的功能”
或“normpdf”
).该软件使用一个参数调用指定的函数,该参数是数据值和计算密度的位置之间的距离数组。函数必须返回一个大小相同的数组,其中包含内核函数的相应值。
当“函数”
是“pdf”
时,核函数返回密度值。否则,它将返回累积概率值。
指定自定义内核“函数”
是“icdf”
返回一个错误。
对于二元数据,ksdensity
对每个维度应用相同的内核。
例子:“内核”、“盒子”
“NumPoints”
- - - - - -等间距点的数目等间距点的数目席
,指定为逗号分隔的对,由“NumPoints”
和标量值。此名称-值对仅对单变量数据有效。
例如,对于样本数据范围内80个等距点处指定函数的核平滑估计,输入:
例子:“NumPoints”,80年
数据类型:单
|双重的
“金宝app支持”
- - - - - -金宝app密度支持“无限”
(默认)|“积极”
|二元向量,(L U)
|2乘2矩阵,[L1 L2;U1 U2]
金宝app支持密度,指定为逗号分隔对,由“金宝app支持”
下面是其中之一。
价值 | 描述 |
---|---|
“无限” |
默认值。允许密度延伸到整个实线。 |
“积极” |
将密度限制为正值。 |
双元素向量,(L U) |
给出支持密度的有限上下限。此选项仅对单变量样本数据有效。金宝app |
二乘二矩阵,[L1 L2;U1 U2] |
给出密度支撑的有限上界和下界。金宝app第一行包含下限,第二行包含上限。此选项仅对双变量样本数据有效。 |
对于二元数据,“金宝app支持”
可以是正的、无界的或有界的变量的组合,指定为[0负无穷;正正)
或[0 L;正你)
.
例子:“金宝app支持”,“积极”
例子:“金宝app支持”,[0 10]
数据类型:单
|双重的
|烧焦
|字符串
“重量”
- - - - - -样本数据权重bw
—平滑窗口带宽平滑窗口的带宽,作为标量值返回。
如果您指定“BoundaryCorrection”
作为“日志”
(默认),“金宝app支持”
或者“积极”
还是向量(L U)
,ksdensity
通过使用日志转换将有界数据转换为无界数据。的价值bw
是以转换后的值为尺度的。
核分布是随机变量的概率密度函数(pdf)的非参数表示。当参数分布不能正确描述数据时,或者当您希望避免对数据的分布做出假设时,您可以使用核分布。核分布由平滑函数和带宽值定义,它控制得到的密度曲线的平滑度。
核密度估计器是随机变量的估计pdf。对于任意实值x,核密度估计的公式由下式给出
在哪里x1,x2、……xn是来自未知分布的随机样本,n为样本量, 是核平滑函数,和h是带宽。
的任意实值的累积分布函数(cdf)的核估计量x,是由
在哪里 .
有关详细信息,请参阅内核分配.
反射法是一种边界校正方法,当一个随机变量具有有界支撑时,它可以精确地找到核密度估计量。如果您指定金宝app“BoundaryCorrection”、“反射”
,ksdensity
使用反射方法。该方法通过在边界附近添加反射数据来增加有界数据,并估计pdf。然后ksdensity
通过适当的标准化返回与原始支持对应的估计PDF,以便估计PDF对原始支持的积分等于1。金宝app
如果你另外指定“金宝app支持”,[L U]
,然后ksdensity
求核估计量如下。
如果“函数”
是“pdf”
,则核密度估计为
为l≤x≤U,
在哪里
,
,x我是我
示例数据。
如果“函数”
是“cdf”
,则CDF的核估计量为
为l≤x≤U.
获取逆cdf、幸存者函数或累积风险函数(当“函数”
是“icdf”
,“幸存者”
,或“卡姆哈德”
),ksdensity
使用两种
和
.
如果你另外指定“金宝app支持”
作为“积极”
或[0 inf]
,然后ksdensity
通过替换来查找核估计量(L U)
与[0 inf]
在上述方程中。
[1] 鲍曼、A.W.和A.Azzalini。应用平滑技术进行数据分析.纽约:牛津大学出版社,1997。
[2] Hill, P. D.“分布函数的核估计”。统计学中的通信.理论和方法. 第14卷,第2期。1985年3月,第605-620页。
[3] 核密度估计的简单边界校正统计和计算.1993年第3卷第3期135-146页。
B. W.西尔弗曼用于统计和数据分析的密度估计.查普曼和霍尔/CRC, 1986。
对于内存不足的数据,这个函数金宝app支持高数组,但有一些限制。
不支持一些需要额外传递或对输入数据进行排序的选项:金宝app
“BoundaryCorrection”
“审查”
“金宝app支持”
(金宝app支持始终是无限的)。
使用标准偏差(而不是中值绝对偏差)来计算带宽。
有关详细信息,请参阅内存不足数据的高阵列.
使用说明和限制:
不支持绘图。金宝app
名称-值对参数中的名称必须是编译时常量。
以下名称-值对参数中的值也必须是编译时常量:“BoundaryCorrection”
,“函数”
,“内核”
。例如,使用‘功能’,‘cdf’
生成的代码中的名称-值对参数,包括{coder.Constant('Function'),coder.Constant('cdf')}
在arg游戏
的价值codegen
.
价值“内核”
名称-值对参数不能是自定义函数句柄。要指定自定义内核函数,请使用字符向量或字符串标量。
因为“金宝app支持”
名称-值对参数时,编译时数据类型必须与运行时数据类型匹配。
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。金宝app
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。