R bkde2D 計算 2D 分箱核密度估計

說明

返回每個坐標方向上的網格點集，以及由網格點引起的網格上的密度估計矩陣。核是標準二元正態密度。

用法

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

參數

x	一個兩列數值矩陣，包含要估計密度的分布的觀測值。不允許存在缺失值。
bandwidth	長度為 2 的數值向量，包含每個坐標方向要使用的帶寬。
gridsize	包含要估計密度的每個方向上等距點的數量的向量。
range.x	包含兩個向量的列表，其中每個向量包含 x 的最小值和最大值，用於計算每個方向的估計值。每個方向的默認最小值是最小數據值減去該方向帶寬的 1.5 倍。默認最大值是最大數據值加上該方向帶寬的 1.5 倍
truncate	邏輯標誌：如果為 TRUE，則 x 值超出 range.x 指定範圍的數據將被忽略。

值

包含以下組件的列表：

x1	計算估計值的第一個坐標方向上的網格點值的向量。
x2	計算估計值的第二坐標方向上的網格點值的向量。
fhat	由 x1 和 x2 引起的網格上的密度估計矩陣。

細節

這是二維核密度估計的分箱近似值。線性分箱用於獲得分箱計數，快速傅立葉變換用於執行離散卷積。對於每個 x1 、 x2 對，二元高斯核以該位置為中心，並且按帶寬縮放的核高度在每個數據點處進行求和。經過標準化後，該總和就是輸出中相應的 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)

參考

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。