kerndichtheidsschattingsmethoden
Kerndichteschattingsmethoden, vaak afgekort als KDE (kernel density estimation), zijn niet-parametrische technieken om een kansdichtheid uit gegevens te schatten. Ze plaatsen bij elk datapunt een kernelfunctie en tellen deze bijdragen op om een gladde, continue dichtheidsfunctie te produceren.
Kernels: De keuze van kernel beïnvloedt de gladheid en bias. Veelgebruikte opties zijn de Gaussian (normale)
Bandbreedte en selectie: De bandbreedte bepaalt de mate van gladheid en is cruciaal voor de nauwkeurigheid.
Randcorrectie: Bij data begrensd op een interval treden randbiases op. Randcorrecties zoals reflectie, randkernen of aangepaste
Multivariate KDE: Voor multi-dimensionale data gebruikt men productkernen of multivariate kernels met een bandwidthmatrix. De prestatie
Computatie en toepassingen: KDE kan efficiënt berekend worden met FFT-technieken of andere snelle algoritmen. Toepassingen omvatten