R locpoly 使用局部多项式估计函数

说明

使用局部多项式估计概率密度函数、回归函数或其导数。使用在等距网格上的快速分箱实现。

用法

locpoly(x, y, drv = 0L, degree, kernel = "normal", 
        bandwidth, gridsize = 401L, bwdisc = 25, 
        range.x, binned = FALSE, truncate = TRUE)

参数

x	x 数据的数值向量。不接受缺失值。
bandwidth	内核带宽平滑参数。它可以是单个数字或具有长度gridsize的数组，表示根据估计位置而变化的带宽。
y	y 数据的向量。该长度必须与 x 相同，并且不接受缺失值。
drv	要估计的导数的顺序。
degree	使用的局部多项式的次数。它的值必须大于或等于 drv 的值。 degree 的默认值为drv + 1。
kernel	"normal" - 高斯密度函数。目前被忽略。
gridsize	要估计函数的等距网格点的数量。
bwdisc	bandwidth 离散化的对数等距带宽数量，以加快计算速度。
range.x	包含用于计算估计值的 x 的最小值和最大值的向量。
binned	逻辑标志：如果 TRUE ，则 x 和 y 被视为网格计数而不是原始数据。
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。

值

如果指定y，则计算 E[Y|X](或其导数)的局部多项式回归估计。如果 y 丢失，则计算 x(或其导数)密度的局部多项式估计。

包含以下组件的列表：

x	计算估计值时排序的 x 值的向量。
y	相应 x 处的密度或回归的平滑估计向量。

细节

与核权重的局部多项式拟合用于估计密度、回归函数或其导数。在密度估计的情况下，数据被分箱并且局部拟合过程被应用于分箱计数。在任何一种情况下，均等间距网格上的分箱近似用于快速计算。带宽可以是标量或长度为 gridsize 的向量。

例子

data(geyser, package = "MASS")
# local linear density estimate
x <- geyser$duration
est <- locpoly(x, bandwidth = 0.25)
plot(est, type = "l")

# local linear regression estimate
y <- geyser$waiting
plot(x, y)
fit <- locpoly(x, y, bandwidth = 0.25)
lines(fit)

参考

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

也可以看看

bkde、density、dpill、ksmooth、loess、smooth、supsmu。