Werte von kernel-Dichte-Schätzung in R

Ich versuche, Dichte Schätzungen für das Protokoll der Aktienkurse in R. ich weiß, ich kann zeichnen Sie es mit plot(density(x)). Aber eigentlich möchte ich Werte für die Funktion.

Ich versuche, die Implementierung der kernel-Dichte-Schätzung der Formel. Hier ist, was ich habe, so weit:

a <- read.csv("boi_new.csv", header=FALSE)
S = a[,3] # takes column of increments in stock prices
dS=S[!is.na(S)] # omits first empty field

N = length(dS)                  # Sample size
rseed = 0                       # Random seed
x = rep(c(1:5),N/5)             # Inputted data

set.seed(rseed)   # Sets random seed for reproducibility

QL <- function(dS){
    h = density(dS)$bandwidth
    r = log(dS^2)
    f = 0*x
    for(i in 1:N){
        f[i] = 1/(N*h) * sum(dnorm((x-r[i])/h))
    }
    return(f)
}

QL(dS)

Jede Hilfe wäre sehr geschätzt werden. An diesem Tage!

Ich war auf der Suche nach Werten für die Dichte-Funktion.

InformationsquelleAutor Ruth O'Brien | 2013-01-27

  1. 18

    Können Sie ziehen Sie die Werte direkt aus der density Funktion:

    x = rnorm(100)
d = density(x, from=-5, to = 5, n = 1000)
d$x
d$y

    Alternativ, wenn Sie wirklich wollen, schreiben Sie Ihre eigenen kernel-Dichte-Funktion, hier finden Sie den code, um Ihnen den Einstieg:

    1. Setzen Sie die Punkte z und x Bereich:

      z = c(-2, -1, 2)
x = seq(-5, 5, 0.01)

    2. Nun fügen wir die Punkte zu einem Graphen

      plot(0, 0, xlim=c(-5, 5), ylim=c(-0.02, 0.8), 
     pch=NA, ylab="", xlab="z")
for(i in 1:length(z)) {
   points(z[i], 0, pch="X", col=2)
}
 abline(h=0)

    3. Setzen Sie die Normale Dichte um jeden Punkt:

      ## Now we combine the kernels,
x_total = numeric(length(x))
for(i in 1:length(x_total)) {
  for(j in 1:length(z)) {
    x_total[i] = x_total[i] + 
      dnorm(x[i], z[j], sd=1)
  }
}

      und hinzufügen von Kurven zum Diagramm:

      lines(x, x_total, col=4, lty=2)

    4. Schließlich, berechnen Sie die vollständige Schätzung:

      ## Just as a histogram is the sum of the boxes, 
## the kernel density estimate is just the sum of the bumps. 
## All that's left to do, is ensure that the estimate has the
## correct area, i.e. in this case we divide by $n=3$:

plot(x, x_total/3, 
       xlim=c(-5, 5), ylim=c(-0.02, 0.8), 
       ylab="", xlab="z", type="l")
abline(h=0)

      Dies entspricht 

      density(z, adjust=1, bw=1)

    Den plots oben geben:

    Werte von kernel-Dichte-Schätzung in R

    Danke soooo viel! Sie sind ein Lebensretter. Gestarrt, an diesem Tage. Kann Ihnen nicht genug danken!

    InformationsquelleAutor csgillespie

Schreibe einen Kommentar