Домашняя страница › Индекса Многоязычнoго Архива › Оценка плотности

Оценка плотности

В вероятность и статистик, оценка плотности конструкция предварительного подчета, основанная на после того как я наблюдала данные, unobservable основного функция плотности вероятности. Unobservable функция плотности подумана по мере того как плотность согласно большая населенность распределена; данные обычно подуманы как случайной выборки от той населенности.

Использовано разнообразие подходов к оценке плотности, вклюая Окна Parzen и ряд связывать данных методы, вклюая квантование вектора.

Пример оценки плотности

Мы рассматриваем показатели падения мочеизнурение. Following закавычено verbatim от комплект данных описание:

Населенность женщин были по крайней мере 21 лет старый, Pima Индийские наследие и прожитие около Phoenix, Аризоны, были испытаны для мочеизнурения согласно Всемирная организация здравоохранения критерии. Данные были собраны институтом США национальным мочеизнурения и заболеваний пищеварительных и почки. Мы использовали 532 вполне показателя.

В этом примере, мы строим 3 предварительного подчета плотности для «glu» (плазма глюкоза концентрация), одно условно на присутсвии мочеизнурения, втором conditional на отсутствии мочеизнурения, и conditional трети не на мочеизнурении. Предварительные подчеты плотности условного распределения после этого были использованы для того чтобы построить вероятность conditional мочеизнурения на «glu».

Данные по «glu» были получены от МАССОВОГО пакета Язык программирования r. В пределах 'R, ? Pima.tr и ? Pima.te дайте более полный учет данных.

середина «glu» в случаях мочеизнурения 143.1 и стандартное отступление 31.26. Середина «glu» в случаях non-мочеизнурения 110.0 и стандартное отступление 24.29. От этого мы видим что, в этом комплекте данных, случаи мочеизнурения связаны с большими уровнями «glu». Это будет сделано clearer графиками оцененных функций плотности.

Первый на рисунок показано предварительные подчеты плотности p(glu | diabetes=1), p(glu | diabetes=0), и p(glu). Предварительными подчетами плотности будут предварительные подчеты плотности стерженя использующ гауссовый стержень. That is, гауссовая функция плотности помещена на каждом частном значении, и сумма функций плотности вычислена над рядом данных.

От плотности conditional «glu» на мочеизнурении, мы можем получить вероятность conditional мочеизнурения на «glu» через Формула Байеса. Для сокращенности, «мочеизнурением» будет сокращенный «db.» в этой формуле.

Второй на рисунок показано оцененную posterior вероятность p(diabetes=1 | glu). От этих данных, оно кажется что увеличенный уровень «glu» связан с мочеизнурением.

Сценарий например

Команды следовать за Язык программирования r создаст рисунки показанные выше. Эти команды можно вписать на запрос командй путем использовать вырезать и вставить.

архив (МАССОВО)
 данный (Pima.tr)

 данный (Pima.te)

 Pima <- glu rbind (Pima.tr, Pima.te
) <- Pima [, «glu»]

 d0 <- == «не» d1 Pima [, «типа»
] <- Pima [, «тип»] == «да»
 base.rate.d1 <- суммирует (d1)/(сумма (d1) + сумма (d0))

glu.density <- плотность (glu)
 glu.d0.density <- плотность (glu [d0])
 glu.d1.density <- approxfun плотности (glu [d1]

) (glu.d0.density$x, glu.d0.density$y) -> approxfun
 glu.d0.f (glu.d1.density$x, glu.d1.density$y) -> glu.d1.f

 p.d.given.glu <- функция (glu, base.rate.d1)
 {
p1 <- glu.d1.f (glu) * base.rate.d1
 p0 <- glu.d0.f (glu) * (1 - base.rate.d1)
 p1/(p0+p1)
}

x <- 1:250
 y <- график p.d.given.glu (x, base.rate.d1
) (x, y, type='l', col='red', xlab='glu', ylab='estimated p (мочеизнурение|график glu) '

) (плотность (glu [d0]), ylab='estimate p col='blue', xlab='glu', (glu),
 p (glu|мочеизнурение), p (glu|не мочеизнурение) ', линии main=NA
) (плотность (glu [d1]), линии
 col='red') (плотность (glu))

См. также

• Оценка плотности стерженя

Справки

• D. Брайан. Ripley. Распознавания по образцу и нервные системы. Cambridge: Давление университета Cambridge, 1996.
• Trevor Hastie, Роберт Tibshirani, и Jerome Friedman. Природная стихия статистически учить. Нью-йорк: Springer, 2001. ISBN 0-387-95284-5. (См. главу 6.)
• D.W. Scott. Оценка многомерной плотности вероятности. Теория, практика и визуализирование. Нью-йорк: Wiley, 1992.
• B.W. Silverman. Оценка плотности. Лондон: Chapman и Hall, 1986.
• J.W. Smith, J.E. Everhart, W.C. Dickson, W.C. Knowler, и R.S. Johannes. «Использующ алгоритм ADAP учя для того чтобы прогнозировать onset mellitus мочеизнурения». В Продолжения симпозиума на прикладных программах для компьютера в медицинском обслуживании (Вашингтон, 1988), ed. R.A. Greenes, pp. 261-265. Los Alamitos, CA: Давление общества компьютера IEEE, 1988.

Внешние соединения

• CREEM: Центризуйте для исследования в экологическое и относящое к окружающей среде моделирование Downloads для свободно пакетов программ оценки плотности Расстояние 4 (от блока исследования для оценки «RUWPA» населенности Wildlife) и WiSP.
• Сводка архива учить машины UCI содержимая (См. «базу данных мочеизнурения индейцев Pima» для первоначально комплекта данных 732 показателей, и дополнительные примечания.)
• Свободно m-архив Matlab для одного и плоская оценка плотности