Альтернативой является подход Куперберга и его коллег, основанный на оценке плотности с использованием сплайнов для аппроксимации логарифмической плотности данных. Я покажу пример, используя данные из ответа @ whuber, который позволит сравнить подходы.
set.seed(17)
x <- rexp(1000)
Для этого вам понадобится пакет logspline ; установите его, если это не так:
install.packages("logspline")
Загрузите пакет и оцените плотность, используя logspline()
функцию:
require("logspline")
m <- logspline(x)
Далее я предполагаю, что объект d
из ответа @ whuber присутствует в рабочей области.
plot(d, type="n", main="Default, truncated, and logspline densities",
xlim=c(-1, 5), ylim = c(0, 1))
polygon(density(x, kernel="gaussian", bw=h), col="#6060ff80", border=NA)
polygon(d, col="#ff606080", border=NA)
plot(m, add = TRUE, col = "red", lwd = 3, xlim = c(-0.001, max(x)))
curve(exp(-x), from=0, to=max(x), lty=2, add=TRUE)
rug(x, side = 3)
Полученный график показан ниже, а плотность сплайн-логарифмов показана красной линией
Кроме того, поддержка плотности может быть указана с помощью аргументов lbound
и ubound
. Если мы хотим предположить, что плотность равна 0 слева от 0, и в 0 есть разрыв, мы могли бы использовать lbound = 0
в вызове logspline()
, например,
m2 <- logspline(x, lbound = 0)
Выводит следующую оценку плотности (показанную здесь с исходным m
подбором лог-сплайна, так как предыдущий рисунок уже был занят).
plot.new()
plot.window(xlim = c(-1, max(x)), ylim = c(0, 1.2))
title(main = "Logspline densities with & without a lower bound",
ylab = "Density", xlab = "x")
plot(m, col = "red", xlim = c(0, max(x)), lwd = 3, add = TRUE)
plot(m2, col = "blue", xlim = c(0, max(x)), lwd = 2, add = TRUE)
curve(exp(-x), from=0, to=max(x), lty=2, add=TRUE)
rug(x, side = 3)
axis(1)
axis(2)
box()
Получившийся сюжет показан ниже
x
х = 0x