浅析核密度估计方法.pdfVIP

理论广 角 China scienceandTechnologyReview ●I 浅析核密度估计方法 曹哲铭 尹立子 aE京英大长安风险管理咨询有限公司 100051) 中图分类号：0157．5 文献标识码 ：A 文章编号：1009—914X(2014)37—0345一O1 1．核密度估计概念 (meat1integratedsquareerror)MISE h【】，他们他们之 I均关系式为 kerneldensityestimation是在概率论中用来估计未知的密度函数 ，属 MISE(h)=IMSE(~．() 于非参数检验方法之一，litRosenblatt(1955)和EmanuelParzen(1962)提 出， 又名Parzen窗(Parzenwindow)Ruppert和Cline基于数据集密度 函数聚类 = fE1()一()Idx‘ 算法提出修订的核密度估计方法。由给定样本点集合求解随机变量的分布密度 = 1w{Z()+f(6l{()})出 函数问题是概率统计学的基本问题之一。解决这一问题的方法包括参数估计和 非参数估计。参数估计又可分为参数回归分析和参数判别分析。在参数回归分 析中，人们假定数据分布符合某种特定的性态 ，如线性、可化线性或指数性态 ： J()“d+。(]+_4兰[! +。()· 等，然后在 目标函数族中寻找特定的解 ，即确定回归模型中的未知参数。在参数 N[II~MISE(h)=AMISE(h) 去【 J‘ 判别分析中，人们需要假定作为判别依据的、随机取值的数据样本在各个可能 的类别中都服从特定的分布。经验和理论说明，参数模型的这种基本假定与实 际的物理模型之间常常存在较大的差距 ，这些方法并非总能取得令人满意的结 AMISE( + 果。由于上述缺陷，R0s∞b]attjI砸Parzen提出了非参数估计方法，即核密度估计 对 求导 ：—oAMIsE - K(u)Zdu (h)：I 方法．由于核密度估计方法不利用有关数据分布的先验知识 ，对数据分布不附 — 一 — — + (』“j}))[『／(x)]搠 ：。 加任何假定，是一种从数据样本本身出发研究数据分布特征的方法，因而，在统 计学理论和应用领域均受到高度的重视 2．核函数的意义以及常见核函数 l j 对于数据 2x3… ·· 核密度估计(keneraldensityestimation)有如 但该结果用处并不很大，因为它依赖于朱知密度f，注意最优带宽有 下形式()=喜 【J = 。 lj，这种N~TMISE=。l”j，该结果显示了随着样本量的增加带 这是一个加权平均，而核函数(kemalfimction)K(·)是一个权函数．核 宽缩小的速度，但对给定的数据集来说它并未指明带宽具体取多少对密度估计 函数的形状和值域控制着用来估计厂(x)在点 的值时所用数据点的个数和利 是合适的．TN~t／l一种简化方法：拇指法：简