Ядро (статистика)

Ядром (англ. kernel) в статистике и эконометрике называют окно (весовую функцию). Байесовская, непараметрическая статистика и теория распознавания образов трактуют термин по-разному.

Непараметрическая статистика

В непараметрической статистике под ядром понимается весовая функция, используемая при оценке распределений и параметров (ядерная оценка плотности, ядерная регрессия). Ядра также применяются при анализе временных рядов. Ядерная оценка требует специфицировать ширину окна.

Определение

Неотрицательная вещественнозначная интегрируемая функция K называется ядром. В большинстве случаев желательно, чтобы функция удовлетворяла ещё двум требованиям:

  • Нормирование:
  • Симметрия:

Если функция обладает первым свойством, то результатом ядерной оценки плотности действительно будет плотность вероятности. Второе свойство гарантирует, что среднее значение распределения равно среднему использованной выборки.

Если функция K является ядром, то ядром будет и функция K*(u) = λKu) при λ > 0. Данный результат позволяет выбрать масштаб, подходящий для имеющихся данных.

Часто используемые ядерные функции

В практике распространены несколько типов ядер: равномерное, треугольное, Епанечниково[1], гауссово и проч.

Ниже дана таблица с перечнем часто используемых ядер. Если носитель ядра K ограничен, то для всех значений u вне носителя .

Ядерные функции, K(u) Эффективность[2] относительно Епанечникова ядра
Равномерное

Носитель:

Kernel uniform.svg     92.9%
Треугольное

Носитель:

Kernel triangle.svg     98.6%
Епанечниково

(параболическое)

Носитель:

Kernel epanechnikov.svg     100%
Биквадратное

Носитель:

Kernel quartic.svg     99.4%
Триквадратное

Носитель:

Kernel triweight.svg     98.7%
Трикубическое

Носитель:

Kernel tricube.svg     99.8%
Гауссово Kernel exponential.svg     95.1%
Косинусоидальное

Носитель:

Kernel cosine.svg     99.9%
Логистическое Kernel logistic.svg     88.7%
Сигмоидальное Kernel logistic.svg     84.3%
Сильвермана[3] Kernel Silverman.svg     не определена

Графики некоторых ядер

Kernels.svg

Примечания

  1. Epanechnikov, V. A. Non-Parametric Estimation of a Multivariate Probability Density (англ.) // Theory of Probability and Its Applications : journal. — 1969. — Vol. 14, no. 1. — P. 153—158. — doi:10.1137/1114019.
  2. Эффективность определена как.
  3. Silverman, B. W. Density Estimation for Statistics and Data Analysis (англ.). — Chapman and Hall, London, 1986.

Литература