在 R 中的单个观察值上使用内核绘制内核密度估计答案

【问题标题】：Plot kernel density estimation with the kernels over the individual observations in R在 R 中的单个观察值上使用内核绘制内核密度估计
【发布时间】：2016-12-10 16:26:00
【问题描述】：

为了简短起见，我想要实现的是一个像正确的情节：

我想获得一个标准的 KDE 图，其各个内核绘制在观察结果上。

最好的解决方案是考虑所有不同的核函数（例如矩形、三角形等）。

【问题讨论】：

每次观察的内核代表什么？某种不确定性度量？
内核的结果是一个概率密度函数（红线）。 KDE 实际上是通过“总结”这些内核而组成的。也许，这个link 有助于理解
您的提示帮助我计算了单个内核，所以我想念的最后一件事是将两个图调整到相同的比例，以便可以正确地将其绘制在同一个图中。有人对此有任何想法吗？

标签： r plot kernel-density

【解决方案1】：

在阅读了Answer 之后，我设法想出了一个解决方案。

# Create some input data
x<-c(19, 20, 10, 17, 16, 13, 16, 10,  7, 18)


# Calculate the KDE
kde<-density(x,kernel="gaussian",bw=bw.SJ(x)*0.2)

# Calcualte the singel kernels/pdf's making up the KDE of all observations
A.kernel<-sapply(x, function(i) {density(i,kernel="gaussian",bw=kde$bw)},simplify=F)
sapply(1:length(A.kernel), function(i){A.kernel[[i]][['y']]<<-(A.kernel[[i]][['y']])/length(x)},simplify=F)


# Plot everything together ensuring the right scale (the area of the single kernels is corrected) 
plot(kde)
rug(x,col=2,lwd=2.5)
sapply(A.kernel, function(i){
        lines(i,col="red")}
        )

结果如下所示：

【讨论】：