R语言和核密度估计非参数统计.pptVIP

R语言与非参数统计（核密度估计） 核密度估计是在概率论中用来估计未知的密度函数，属于非参数检验方法之一，由Rosenblatt (1955)和Emanuel Parzen(1962)提出，又名Parzen窗（Parzen window）。 ???假设我们有n个数X1-Xn,我们要计算某一个数X的概率密度有多大。核密度估计的方法是这样的： ??? 其中K为核密度函数, h为设定的窗宽。???????????????????????? ?????????????????????????????????????? ?核密度估计的原理其实是很简单的。在我们对某一事物的概率分布的情况下。 如果某一个数在观察中出现了，我们可以认为这个数的概率密度很大，和这个数比较近的数的概率密度也会比较大，而那些离这个数远的数的概率密度会比较小。 基于这种想法，针对观察中的第一个数，我们都可以f(x-xi)去拟合我们想象中的那个远小近大概率密度。 当然其实也可以用其他对称的函数。针对每一个观察中出现的数拟合出多个概率密度分布函数之后，取平均。 如果某些数是比较重要，某些数反之，则可以取加权平均。 ?但是核密度的估计并不是，也不能够找到真正的分布函数。我们可以举一个极端的例子：在R中输入： plot(density(rep(0,?1000)))?? 可以看到它得到了正态分布的曲线，但实际上呢？从数据上判断，它更有可能是一个退化的单点分布。 但是这并不意味着核密度估计是不可取的，至少他可以解决许多模拟中存在的异方差问题。比如说我们要估计一下下面的一组数据： set.seed(10)?? datc(rgamma(300,shape=2,scale=2),rgamma(100,shape=10,scale=2))?? 可以看出它是由300个服从gamma（2,2）与100个gamma（10,2）的随机数构成的，他用参数统计的办法是没有办法得到一个好的估计的。那么我们尝试使用核密度估计： plot(density(dat),ylim=c(0,0.2))?? 将利用正态核密度与标准密度函数作对比 dfn-function(x,a,alpha1,alpha2,theta){?? a*dgamma(x,shape=alpha1,scale=theta)+(1-a)*dgamma(x,shape=alpha2,scale=theta)}?? pfn-function(x,a,alpha1,alpha2,theta){?? a*pgamma(x,shape=alpha1,scale=theta)+(1-a)*pgamma(x,shape=alpha2,scale=theta)}?? curve(dfn(x,0.75,2,10,2),add=T,col=red)?? 得到下图： （红色的曲线为真实密度曲线） 可以看出核密度与真实密度相比，得到大致的估计是不成问题的。至少趋势是得到了的。如果换用gamma分布的核效果无疑会更好，但是遗憾的是r中并没有提供那么多的核供我们挑选（其实我们知道核的选择远没有窗宽的选择来得重要），所以也无需介怀。 R中提供的核：kernel = c(gaussian, epanechnikov, rectangular,?????????????????? triangular, biweight,cosine, optcosine)。 我们先来看看窗宽的选择对核密度估计的影响： dfn1-function(x){?? 0.5*dnorm(x,3,1)+0.5*dnorm(x,-3,1)}?? par(mfrow=c(2,2))?? curve(dfn1(x),from=-6,to=6)?? data-c(rnorm(200,3,1),rnorm(200,-3,1))?? plot(density(data,bw=8))?? plot(density(data,bw=0.8))?? plot(density(data,bw=0.08))?? 得到下图，我们可以清楚的看到带宽为0.8恰好合适，其余的不是拟合不足便是过拟合。 窗宽究竟该如何选择呢？ 我们这里不加证明的给出最佳窗宽选择公式： ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (这个基于积分均方误差最小的角度得到的) 这里介绍两个可操作的窗宽估计办法：(这两种方法都比较容易导致过分光滑) 1、? Silverman大拇指法则 这里使用R(phi’’)/sigma^5估计R（f’’），phi代表标准正态密度函数，得到h的表达式： h=(4/(3n))^(*1/5)