Estimativa de Densidade de Kernel

term_id: kernel_density_estimation

Category: basic_concepts

Definition

A Estimativa de Densidade de Kernel (KDE, do inglês Kernel Density Estimation) é uma técnica estatística fundamental que suaviza pontos de dados discretos para criar uma curva de distribuição de probabilidade contínua. Ela coloca uma função kernel, tipicamente Gaussiana, em cada ponto de dados e soma essas contribuições para formar a estimativa de densidade.

Summary

Um método não paramétrico usado para estimar a função densidade de probabilidade de uma variável aleatória com base em uma amostra finita de dados.

Key Concepts

  • Função Densidade de Probabilidade
  • Estatística Não Paramétrica
  • Suavização
  • Kernel Gaussiano

Use Cases

  • Análise Exploratória de Dados (EDA)
  • Detecção de anomalias em dados univariados
  • Visualização de distribuições de características em conjuntos de dados

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