¿Qué métodos no / semiparamétricos para estimar una densidad de probabilidad de una muestra de datos está utilizando?
(No incluya más de un método por respuesta)
Respuestas:
Los modelos de mezcla de Dirichlet Process pueden ser un enfoque bayesiano no paramétrico muy flexible para el modelado de densidad, y también pueden usarse como bloques de construcción en modelos más complejos. Son esencialmente una generalización infinita de los modelos de mezcla gaussiana paramétricos y no requieren especificar de antemano el número de componentes en la mezcla.
Los procesos gaussianos también pueden ser otro enfoque bayesiano no paramétrico para la estimación de densidad. Vea este documento Gaussian Process Density Sampler .
Uso el estimador de densidad de kernel adaptativo de Silverman. ver, por ejemplo, la akjpágina de ayuda
Profundidad de medio espacio, también conocida como parcelas de bolsas.
Un buen artículo breve de José Bernardo aquí da un útil método bayesiano para estimar una densidad. Pero como con la mayoría de las cosas bayesianas, el costo computacional debe pagarse por este método.