R dpik 选择核密度估计的带宽

说明

使用直接插件方法来选择内核密度估计的带宽。

用法

dpik(x, scalest = "minim", level = 2L, kernel = "normal",   
     canonical = FALSE, gridsize = 401L, range.x = range(x), 
     truncate = TRUE)

参数

x	包含要构建核密度估计的样本的数值向量。
scalest	规模的估计。 "stdev" - 使用标准差。 使用 "iqr" - inter-quartile 范围除以 1.349。 "minim" - 使用 "stdev" 和 "iqr" 中的最小值。
level	插件规则中使用的函数估计级别数。
kernel	决定平滑核的字符串。 kernel 可以是： "normal" - 高斯密度函数(默认)。 "box" - 一个矩形框。 "epanech" - 中心 beta(2,2) 密度。 "biweight" - 中心 beta(3,3) 密度。 "triweight" - 中心 beta(4,4) 密度。这可以缩写为任何独特的缩写。
canonical	逻辑标志：如果 TRUE ，则使用规范缩放的内核
gridsize	执行分箱以获得核函数近似的等距点的数量。
range.x	包含用于计算估计值的 x 的最小值和最大值的向量。默认值是最小和最大数据值。
truncate	逻辑标志：如果TRUE，则x值超出range.x指定范围的数据将被忽略。

细节

使用直接插件方法，其中出现在渐近最优带宽表达式中的未知函数被核估计替换。正态分布用于提供初始估计。

值

所选带宽。

背景

这种选择核密度估计带宽的方法是由 Sheather 和 Jones (1991) 提出的，并在 Wand 和 Jones (1995) 的第 3.6 节中进行了说明。

例子

data(geyser, package="MASS")
x <- geyser$duration
h <- dpik(x)
est <- bkde(x, bandwidth=h)
plot(est,type="l")

参考

Sheather, S. J. and Jones, M. C. (1991). A reliable data-based bandwidth selection method for kernel density estimation. Journal of the Royal Statistical Society, Series B, 53, 683-690.

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

也可以看看

bkde , density , ksmooth