Kärntäthetsuppskattning

term_id: kernel_density_estimation

Category: basic_concepts

Definition

Kärntäthetsuppskattning (KDE) är en grundläggande statistisk teknik som slätar diskreta datapunkter för att skapa en kontinuerlig kurva för sannolikhetsfördelning. Den placerar en kärnfunktion, vanligtvis en Gaussisk kärna, över varje datapunkt…

Summary

En icke-parametrisk metod som används för att uppskatta sannolikhetstäthetsfunktionen för en slumpvariabel baserat på ett ändligt datamaterial.

Key Concepts

  • Sannolikhetstäthetsfunktion
  • Icke-parametrisk statistik
  • Slätning
  • Gaussisk kärna

Use Cases

  • Utforskande dataanalys (EDA)
  • Avvikelsedetektering i univariat data
  • Visualisering av funktionsfördelningar i dataset

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