R bkde2D 计算 2D 分箱核密度估计

说明

返回每个坐标方向上的网格点集，以及由网格点引起的网格上的密度估计矩阵。核是标准二元正态密度。

用法

bkde2D(x, bandwidth, gridsize = c(51L, 51L), range.x, truncate = TRUE)

参数

x	一个两列数值矩阵，包含要估计密度的分布的观测值。不允许存在缺失值。
bandwidth	长度为 2 的数值向量，包含每个坐标方向要使用的带宽。
gridsize	包含要估计密度的每个方向上等距点的数量的向量。
range.x	包含两个向量的列表，其中每个向量包含 x 的最小值和最大值，用于计算每个方向的估计值。每个方向的默认最小值是最小数据值减去该方向带宽的 1.5 倍。默认最大值是最大数据值加上该方向带宽的 1.5 倍
truncate	逻辑标志：如果为 TRUE，则 x 值超出 range.x 指定范围的数据将被忽略。

值

包含以下组件的列表：

x1	计算估计值的第一个坐标方向上的网格点值的向量。
x2	计算估计值的第二坐标方向上的网格点值的向量。
fhat	由 x1 和 x2 引起的网格上的密度估计矩阵。

细节

这是二维核密度估计的分箱近似值。线性分箱用于获得分箱计数，快速傅立叶变换用于执行离散卷积。对于每个 x1 、 x2 对，二元高斯核以该位置为中心，并且按带宽缩放的核高度在每个数据点处进行求和。经过标准化后，该总和就是输出中相应的 fhat 值。

例子

data(geyser, package="MASS")
x <- cbind(geyser$duration, geyser$waiting)
est <- bkde2D(x, bandwidth=c(0.7, 7))
contour(est$x1, est$x2, est$fhat)
persp(est$fhat)

参考

Wand, M. P. (1994). Fast Computation of Multivariate Kernel Estimators. Journal of Computational and Graphical Statistics, 3, 433-445.

Wand, M. P. and Jones, M. C. (1995). Kernel Smoothing. Chapman and Hall, London.

也可以看看

bkde、density、hist。