Una alternativa es el enfoque de Kooperberg y colegas, basado en la estimación de la densidad utilizando splines para aproximar la densidad logarítmica de los datos. Mostraré un ejemplo utilizando los datos de la respuesta de @ whuber, lo que permitirá una comparación de enfoques.
set.seed(17)
x <- rexp(1000)
Necesitará el paquete logspline instalado para esto; instálelo si no es:
install.packages("logspline")
Cargue el paquete y calcule la densidad usando la logspline()
función:
require("logspline")
m <- logspline(x)
A continuación, supongo que el objeto d
de la respuesta de @ whuber está presente en el espacio de trabajo.
plot(d, type="n", main="Default, truncated, and logspline densities",
xlim=c(-1, 5), ylim = c(0, 1))
polygon(density(x, kernel="gaussian", bw=h), col="#6060ff80", border=NA)
polygon(d, col="#ff606080", border=NA)
plot(m, add = TRUE, col = "red", lwd = 3, xlim = c(-0.001, max(x)))
curve(exp(-x), from=0, to=max(x), lty=2, add=TRUE)
rug(x, side = 3)
La gráfica resultante se muestra a continuación, con la densidad de la línea de registro mostrada por la línea roja.
Además, el soporte para la densidad se puede especificar mediante argumentos lbound
y ubound
. Si deseamos suponer que la densidad es 0 a la izquierda de 0 y hay una discontinuidad en 0, podríamos usar lbound = 0
en la llamada a logspline()
, por ejemplo
m2 <- logspline(x, lbound = 0)
Obteniendo la siguiente estimación de densidad (que se muestra aquí con el m
ajuste de la línea de registro original ya que la figura anterior ya estaba ocupada).
plot.new()
plot.window(xlim = c(-1, max(x)), ylim = c(0, 1.2))
title(main = "Logspline densities with & without a lower bound",
ylab = "Density", xlab = "x")
plot(m, col = "red", xlim = c(0, max(x)), lwd = 3, add = TRUE)
plot(m2, col = "blue", xlim = c(0, max(x)), lwd = 2, add = TRUE)
curve(exp(-x), from=0, to=max(x), lty=2, add=TRUE)
rug(x, side = 3)
axis(1)
axis(2)
box()
La trama resultante se muestra a continuación
x
x = 0x