Welche nicht- / semiparametrischen Methoden zur Schätzung einer Wahrscheinlichkeitsdichte aus einer Datenstichprobe verwenden Sie?
(Bitte geben Sie nicht mehr als eine Methode pro Antwort an.)
Antworten:
Dirichlet-Prozessmischungsmodelle können ein sehr flexibler nichtparametrischer Bayes'scher Ansatz für die Dichtemodellierung sein und können auch als Bausteine in komplexeren Modellen verwendet werden. Sie sind im Wesentlichen eine unendliche Verallgemeinerung parametrischer Gaußscher Mischungsmodelle und erfordern keine vorherige Angabe der Anzahl der Komponenten in der Mischung.
Gaußsche Prozesse können auch ein anderer nichtparametrischer Bayes'scher Ansatz zur Dichteschätzung sein. Siehe dieses Gaussian Process Density Sampler- Papier.
Ich verwende Silvermans Adaptive Kernel Density Estimator. siehe zB akjHilfeseite
Halbtiefe, auch Bag-Plots genannt.
Ein schönes kurzes Papier von Jose Bernardo gibt hier eine nützliche Bayes'sche Methode zur Schätzung einer Dichte. Aber wie bei den meisten Bayes'schen Dingen müssen die Rechenkosten für diese Methode bezahlt werden.