Python 为什么不';t相同的核密度估计积分为一(1)?
我使用Scipy通过KDE函数(Scipy.stats.KDE.gaussian_KDE(x))来估计非正态数据的分布。这很有效(令人惊讶),但我尝试使用类的integrate_KDE(x)函数量化两个不同KDE的重叠。我认为将KDE与相同的KDE集成意味着它完全重叠,从而产生最大可能值(假设为1)。相反,对于一维KDE,我得到了0.0578167144336356(见图)Python 为什么不';t相同的核密度估计积分为一(1)?,python,scipy,kde,probability-density,Python,Scipy,Kde,Probability Density,我使用Scipy通过KDE函数(Scipy.stats.KDE.gaussian_KDE(x))来估计非正态数据的分布。这很有效(令人惊讶),但我尝试使用类的integrate_KDE(x)函数量化两个不同KDE的重叠。我认为将KDE与相同的KDE集成意味着它完全重叠,从而产生最大可能值(假设为1)。相反,对于一维KDE,我得到了0.0578167144336356(见图) TL;DR为什么不将相同的内核密度估计集成到一(1)中呢?您能提供一个问题的解决方案吗?格式化非常困难,因为我目前正在使
TL;DR为什么不将相同的内核密度估计集成到一(1)中呢?您能提供一个问题的解决方案吗?格式化非常困难,因为我目前正在使用手机。这里有一个尝试:导入scipy.stats作为stats数据,data.shape#(数组([[131126121,…,106112114]],dtype=uint8),(13559))kde=stats.kde.gaussian(数据)integrate)total=kde.integrate#integrate#0.008264704266359856 f(x)over inf
my_-kde。integrate_-kde(其他_-kde)
积分密度的逐点乘积。这样的产品一般不是概率密度,在区间[0, 2 ]上考虑均匀分布F(x)=0.5。那么f(x)**2的积分是0.5。