Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Ajuste la distribución del kernel utilizando ksdensity

En este ejemplo se muestra cómo generar una estimación de densidad de probabilidad del kernel a partir de datos de ejemplo mediante la función.ksdensity

Paso 1. Cargue datos de muestra.

Cargue los datos de ejemplo.

load carsmall;

Estos datos contienen las mediciones de millas por galón () para las diferentes marca y modelos de automóviles, agrupados por país de origen (), año del modelo () y otras características del vehículo.MPGOriginYear

Paso 2. Genere una estimación de densidad de probabilidad del kernel.

Se utiliza para generar una estimación de densidad de probabilidad del kernel para los datos de millas por galón ().ksdensityMPG

[f,xi] = ksdensity(MPG);

De forma predeterminada, utiliza una función de suavizado de kernel normal y elige un ancho de banda óptimo para estimar densidades normales, a menos que especifique lo contrario.ksdensity

Paso 3. Trace la estimación de densidad de probabilidad del kernel.

Trace la estimación de densidad de probabilidad del kernel para visualizar la distribución.MPG

plot(xi,f,'LineWidth',2) title('Miles per Gallon') xlabel('MPG')

La gráfica muestra el PDF de la distribución del kernel apta para los datos en todas las series de automóviles.MPG La distribución es suave y bastante simétrica, aunque es ligeramente sesgada con una cola derecha más pesada.

Consulte también

| |

Temas relacionados