统计学补充概念03-核密度估计

概念

核密度估计（Kernel Density Estimation，简称 KDE）是一种非参数统计方法，用于估计随机变量的概率密度函数（Probability Density Function，PDF）。它通过在每个数据点周围放置核函数（通常是一个正态分布），然后将这些核函数叠加起来来估计概率密度函数。核密度估计常用于数据分布的可视化和平滑。

代码实现

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import norm
from sklearn.neighbors import KernelDensity

# 生成一组模拟观测数据
np.random.seed(42)
data = np.random.normal(5, 2, 100)

# 创建一组测试点用于绘制估计的概率密度函数
x = np.linspace(min(data), max(data), 1000).reshape(-1, 1)

# 使用scikit-learn的KernelDensity进行核密度估计
kde = KernelDensity(kernel='gaussian', bandwidth=0.5).fit(data.reshape(-1, 1))
log_dens = kde.score_samples(x)

# 绘制原始数据和估计的概率密度函数
plt.hist(data, bins=20, density=True, alpha=0.5, color='blue', label='Histogram')
plt.plot(x, np.exp(log_dens), color='red', label='Kernel Density Estimation')
plt.xlabel('Value')
plt.ylabel('Density')
plt.legend()
plt.title('Kernel Density Estimation')
plt.show()