Estimación de densidad kernel

term_id: kernel_density_estimation

Category: basic_concepts

Definition

La Estimación de Densidad Kernel (KDE) es una técnica estadística fundamental que suaviza puntos de datos discretos para crear una curva de distribución de probabilidad continua. Coloca una función kernel, típicamente gaussiana, en cada punto de datos y suma estas contribuciones para obtener la estimación de densidad.

Summary

Un método no paramétrico utilizado para estimar la función de densidad de probabilidad de una variable aleatoria basada en una muestra de datos finita.

Key Concepts

  • Función de densidad de probabilidad
  • Estadística no paramétrica
  • Suavizado
  • Kernel gaussiano

Use Cases

  • Análisis exploratorio de datos (EDA)
  • Detección de anomalías en datos univariantes
  • Visualización de distribuciones de características en conjuntos de datos

Code Example

1
2
3
4
5
6
7

from scipy.stats import gaussian_kde
import numpy as np

data = np.random.normal(0, 1, 100)
kde = gaussian_kde(data)
x_vals = np.linspace(-3, 3, 100)
y_vals = kde(x_vals)

Related