Interpretacja / wykorzystanie gęstości jądra

13

To może być naiwne pytanie, ale proszę bardzo. Jeśli mam zestaw danych empirycznych i dopasuję do niego gęstość jądra, a następnie uzyskam nową pojedynczą wartość, która prawdopodobnie pochodzi z tego samego procesu, który wygenerował oryginalny zestaw danych, czy mogę przypisać prawdopodobieństwo, że ta nowa wartość należy do zestawu / proces po prostu odczytując wartość z osi y, gdzie nowa wartość na osi x przecina linię gęstości jądra i dzieli się przez obszar pod linią gęstości?

czytnik babelproofreader
źródło

Odpowiedzi:

13

Nie , obawiam się, że nie. Oszacowanie gęstości jądra jest funkcją gęstości prawdopodobieństwa . Wartość y jest oszacowaniem gęstości prawdopodobieństwa przy tej wartości x , więc obszar pod krzywą między x 1 a x 2 szacuje prawdopodobieństwo zmiennej losowej X   mieszczącej się między x 1 a x 2 , zakładając, że Xzostał wygenerowany przez ten sam proces, który wygenerował dane, które zostały wprowadzone do oszacowania gęstości jądra. Oszacowanie gęstości jądra nie mówi nic o prawdopodobieństwie wygenerowania nowej wartości przez ten sam proces.

jeden przystanek
źródło
jeśli yaxis to c (0, 0,05, 0,10, 0,15) i xaxis c (5,10,15,20), a średnia to 12,5. Czy wyjaśniłbyś te wykresy, ponieważ istnieje 15% szansy, że średnia wynosiłaby 12,5? Trudno mi zrozumieć oś Y?
user1471980,