平滑的网格规范 c.d.f。估计（"kerdiest" 包）
Grid specification in smooth c.d.f. estimation ("kerdiest" package)
我想得到一个累积分布函数的平滑估计。其中一种方法是集成核密度估计器，得到核分布估计器。为了得到一个，我使用了 "kerdiest" 包中的 kde 函数。
问题是我必须指定一个对结果影响很大的网格。网格的默认选择导致图形与经验分布函数图有显着差异（见图；白点代表经验 c.d.f）。我可以获取网格值，以便内核估计器和 ecdf 重合，但我不明白它是如何工作的。
那么，什么是网格，应该如何选择呢？有没有其他方法可以得到分布函数的核估计量？
我一直在试验的数据是 R 中 Old Faithful Geyser 数据集的等待时间。
密码是
x <- faithful$waiting
library("kerdiest")
n = length(x)
kcdf <- kde(type_kernel = "n", x, bw = 1/sqrt(n))
plot(kcdf$Estimated_values)
lines(ecdf(x))
您应该同时使用 Estimated_values 和 grid 值来形成初始图，而不是使用默认绘图函数进行绘图。 lines 函数将具有正确的 x 值。 （这里的线索是你的情节的标签。当看到 "Index" 标签时，你可能想知道它是否是正确的比例。当情节获得单个数值向量时，它使用它们的排序序列作为 "Index" 值，所以你看到整数：1:length(vector))
with( kcdf, plot(Estimated_values ~ grid) ) # using plot.formula
lines(ecdf(x))
我想得到一个累积分布函数的平滑估计。其中一种方法是集成核密度估计器，得到核分布估计器。为了得到一个，我使用了 "kerdiest" 包中的 kde 函数。
问题是我必须指定一个对结果影响很大的网格。网格的默认选择导致图形与经验分布函数图有显着差异（见图；白点代表经验 c.d.f）。我可以获取网格值，以便内核估计器和 ecdf 重合，但我不明白它是如何工作的。
那么，什么是网格，应该如何选择呢？有没有其他方法可以得到分布函数的核估计量？
我一直在试验的数据是 R 中 Old Faithful Geyser 数据集的等待时间。
密码是
x <- faithful$waiting
library("kerdiest")
n = length(x)
kcdf <- kde(type_kernel = "n", x, bw = 1/sqrt(n))
plot(kcdf$Estimated_values)
lines(ecdf(x))
您应该同时使用 Estimated_values 和 grid 值来形成初始图，而不是使用默认绘图函数进行绘图。 lines 函数将具有正确的 x 值。 （这里的线索是你的情节的标签。当看到 "Index" 标签时，你可能想知道它是否是正确的比例。当情节获得单个数值向量时，它使用它们的排序序列作为 "Index" 值，所以你看到整数：1:length(vector))
with( kcdf, plot(Estimated_values ~ grid) ) # using plot.formula
lines(ecdf(x))