statsmodels.nonparametric.kde.KDEUnivariate¶

class statsmodels.nonparametric.kde.KDEUnivariate(endog)[source]¶

单变量核密度估计器。

Parameters:¶

endogarray_like

需要估计密度的变量。

Attributes:¶

cdf

返回在支持点处评估的累积分布函数。

如果尚未调用fit，则不会生效。

cumhazard

返回在支持点处评估的风险函数。

如果尚未调用fit，则不会生效。

entropy

返回在支持点处评估的微分熵

如果未调用fit，则不会生效。为确保不会调用log(0)，每个概率都增加了1e-12。

icdf

逆累积分布（分位数）函数

如果未调用fit，则无法工作。使用scipy.stats.mstats.mquantiles。

sf

返回在支持点处评估的生存函数。

如果尚未调用fit，则不会生效。

另请参阅

KDEMultivariate

kdensity, kdensityfft

注释

如果计算cdf、sf、cumhazard或entropy，它们是基于核的定义而不是FFT近似来计算的，即使密度是用FFT = True拟合的。

KDEUnivariate 由于其基于FFT的实现，比 KDEMultivariate 快得多。 它应该优先用于单变量、连续数据。 KDEMultivariate 也支持混合数据。

示例

>>> import statsmodels.api as sm
>>> import matplotlib.pyplot as plt

>>> nobs = 300
>>> np.random.seed(1234)  # Seed random generator
>>> dens = sm.nonparametric.KDEUnivariate(np.random.normal(size=nobs))
>>> dens.fit()
>>> plt.plot(dens.cdf)
>>> plt.show()

方法

evaluate(点)	在一点或多点处评估密度。
fit([kernel, bw, fft, weights, gridsize, ...])	将密度估计附加到 KDEUnivariate 类。

属性

cdf	返回在支持点处评估的累积分布函数。
cumhazard	返回在支持点处评估的风险函数。
entropy	返回在支持点处评估的微分熵
icdf	逆累积分布（分位数）函数
sf	返回在支持点处评估的生存函数。