Diskussion:Kerndichteschätzer

Worum geht es?

Ich hoffe, die überarbeitete Einführung und die Bilder machen nun deutlicher, worum es geht. Allerdings sollte man nicht übersehen, dass die Thematik selbst etwas abstrakt ist. Es geht um ein Verfahren zur stetigen Schätzung einer unbekannten Wahrscheinlichkeitsverteilung auf Basis einer gegebenen Stichprobe, also weniger um konkrete Gegenstände als Maschinen oder Personen.

-- Moritz

klassische Statistik

Mit klassischer statistik bezeichnet man i.a. die herkömmlichen, parametergebundenen verfahren. Hier geht man i.a. von einer bekannten Verteilung, am liebsten der Normalverteilung aus. Weicht die tatsächlich vorhandene erheblich davon ab, werden die Analysen zuverlässiger, wenn man auf alternative Verfahren zurückgreift. Es war übrigens kein Zufall, dass ich revertet habe. Ich habe mir die Liste deiner Beiträge durchgesehen, Unheil befürchtend. --Philipendula 13:12, 21. Mai 2006 (CEST)

1:0 für dich. Wie wärs mit einem Artikel Klassische Statistik? --Chrisqwq 13:21, 21. Mai 2006 (CEST)

Gibt für einen Artikel nichts her. --Philipendula 13:22, 21. Mai 2006 (CEST)

redirect auf parametrische Verfahren, weil gleichbedeutend? --Chrisqwq 13:31, 21. Mai 2006 (CEST)

Parzen-Fenster

Hat jemand was dagegen, wenn ich eine Weiterleitung von Parzen-Fenster hierher lege und das auch im Titel vermerke? Ebenso wäre dann ein Interwikilink von en:Parzen window fällig. Da der Inhalt ein wenig kryptisch ist (ich habe keine Lust mir etwas zu Lebesgue-Dichte zu suchen um dieses nachzuvollziehen) kann ich das nicht endeutig beurteilen. --chrislb 问题 12:52, 9. Aug 2006 (CEST)

Das wäre sehr sinnvoll. Bei der Gelegenheit kann auch gleich die überflüssige Weiterleitung Parzen Fenster entfernt werden. --213.39.130.105 19:31, 21. Feb. 2017 (CET)

Darstellung einer eindimensionalen Verteilung?

In der aktuellen Version heisst es im 1. Satz: „Die Kerndichteschätzung ist ein Verfahren zur Darstellung einer eindimensionalen Verteilung.“ Aber kann man damit nicht n-dimensionale Dichten schätzen? Ich verstehe zu wenig vom Thema, daher möchte ich Änderungen lieber den Profis überlassen. Vielen Dank an alle Autoren!

Man kann auch mehrdimensionale Verteilungen mit einer KDE schätzen. Hier liegt sogar der besondere Vorteil dieser Methode, da die Kernel-Anzahl allein durch die Größe des Datensatzes bestimmt wird. Ein Histogramm hingegen wird mit jeder weiteren Dimension unpraktikabler. --MrStochastic 18:46, 24. Okt. 2008 (CEST)