正規分布の100個の乱数と異なる平滑化帯域幅によるカーネル密度推定。

カーネル密度推定(カーネルみつどすいてい、: kernel density estimation)は、統計学において、確率変数確率密度関数推定するノンパラメトリック手法のひとつ。エマニュエル・パルツェン英語版の名をとってパルツェン窓: Parzen window)とも。大まかに言えば、ある母集団標本のデータが与えられたとき、カーネル密度推定を使えばその母集団のデータを外挿できる。

ヒストグラムは、一様なカーネル関数によるカーネル密度推定量と見ることもできる。

定義

編集

x1, x2, ..., xn を(未知の)確率密度関数 ƒ を持つ独立同分布からの標本とする。カーネル関数 K、バンド幅(平滑化パラメータ)hカーネル密度推定量: kernel density estimator)とは

のことである[1]。カーネル関数としては、標準ガウス関数平均がゼロで分散が1)

を採用することが多い。

直観的説明

編集

あまり平滑でない推定器(例えばヒストグラム密度推定器)は漸近的に一致させられるが、他の推定器は不連続であるか、カーネル密度推定より収束が遅い。カーネル密度推定器は、標本を一定幅の箱に入れて数えるのではなく、カーネル関数から決定されたコブを各標本に与えるものと見ることができる。つまり、「コブの総和」によって推定が形成されるため、結果として非常に滑らかになる(下図参照)。

6つのガウス曲線(赤)とそれらの総和(青)。パルツェン窓密度推定 f(x) は、この総和を6(元のガウス曲線の数)で割ることで得られる。ガウス関数の分散は 0.5 に設定されている。見ての通り、標本点が稠密にあるほど、密度推定値は大きくなる。

特性

編集

確率密度関数 ƒ の L2 リスク関数 とする。確率密度関数 ƒ とカーネル関数 K に関する弱い仮定から次が得られる。

理論的リスク関数を最小化することで、最適なバンド幅は以下のように示される。

ここで



である。最適なバンド幅を選択したとき、リスク関数は であり c4 > 0 はある定数である。弱い仮定の下で、カーネル推定器より早く収束するノンパラメトリックな推定器は存在しないことが示される。なお、n−4/5 という収束レートは、パラメトリックな手法での典型である n−1 という収束レートよりも遅い。

実装例

編集
  • MATLAB - カーネル密度推定は ksdensity 関数で実装されている。
  • Origin - 2Dカーネル密度プロットがユーザーインターフェースより作画できるほか、Ksdensity(1D用)とKs2density(2D用)の両関数がLabTalk言語PythonC言語からアクセス可能である。
  • PAST - Plot項目の中のHistogramで,カーネル曲線が描ける。
  • R言語 - density 関数で実装されている。
  • Stata - kdensity で実装されている。例えば、histogram x, kdensity
  • SAS - proc kde は1変量または2変量のカーネル密度推定に使われる。

脚注

編集

参考文献

編集
  • Duda, R. and Hart, P. (1973). Pattern Classification and Scene Analysis. John Wiley & Sons. ISBN 0-471-22361-1.
  • Parzen E. (1962). On estimation of a probability density function and mode, Ann. Math. Stat. 33, pp. 1065-1076.
  • Silverman, B. W. (1986). Density estimation for statistics and data analysis. Monographs on Statistics and Applied Probability. Chapman & Hall, London. ISBN 0-412-24620-1. MR 0848134. Zbl 0617.62042. https://books.google.co.jp/books?id=e-xsrjsL7WkC 
  • Wasserman, L. (2005). All of Statistics: A Concise Course in Statistical Inference, Springer Texts in Statistics.

関連項目

編集

外部リンク

編集

📚 Artikel Terkait di Wikipedia

確率密度関数

確率密度関数(かくりつみつどかんすう、(英: probability density function、PDF)とは、確率論において、連続型確率変数がある値をとるという事象の確率密度を記述する関数である。確率変数がある範囲の値をとる確率を、その範囲にわたって確率密度関数を積分することにより得ることが

同時分布

同時累積分布関数(joint cumulative distribution function)、同時確率密度関数(joint probability density function)、同時確率質量関数(joint probability mass function)も同様に F X 1 , X 2 , … , X n

条件付き確率分布

Y=y)}{P(X=x)}}} 連続確率変数で連続確率分布の場合、条件付き確率密度関数(conditional probability density function)は f X ( x ) > 0 {\displaystyle f_{X}(x)>0} の時に以下のように定義する。 f Y ( y ∣

生存関数

density function、PDF)と呼ばれる。方程式では、PDF を f(t) と表記する。時間が離散的な値(1日、2日、など)しか取れない場合、故障時間の分布は確率質量関数(probability mass function

確率分布

PX のラドン=ニコディム微分であり、零集合を除いて一意である。fX を連続型確率変数 X の確率密度関数 (probability density function, PDF) という。 確率分布 PX が絶対連続であるとは、任意の(ルベーグ測度に関しての)零集合 N に対して、 P X ( N )

アトル・セルバーグ

zeta function 1946 On the remainder in the formula for N(T), the number of zeros of ζ (s) in the strip O[t[T - Oslo, 1944 On the normal density of primes

生存分析

S(t)=\Pr(T>t)=\int _{t}^{\infty }f(u)\,du=1-F(t).} 同様に、生存事象密度関数(survival event density function)は次のように定義できる。 s ( t ) = S ′ ( t ) = d d t S ( t ) = d d t ∫ t ∞ f (

行動圏

distribution)という概念である。利用分布は二次元確率密度関数(a two dimensional probability density function)の形式をとり、その関数は行動圏内のある空間に動物が発見される確率を示す。一般に、ある個体の行動圏はその個体の位置点を長期間にわたって