r - 使用 r 中的核密度估计生成样本

Question

我需要使用 R 中的核密度估计从现有数据中生成样本。在我的数据中缺少负值（并且不能），但在生成样本中存在负值。

library(ks)
set.seed(1)
par(mfrow=c(2,1))

x<-rlnorm(100)
hist(x, col="red", freq=F)

y <- rkde(fhat=kde(x=x, h=hpi(x)), n=100)
hist(y, col="green", freq=F)

如何限制 KDE 和生成样本的范围？

Answer 1

rkde传递一个positive论点：

y <- rkde(
  fhat = kde(x=x, h=hpi(x)), 
  n    = 100, 
  positive = TRUE
)

另一种方法是在估计之前转换数据（例如，用对数），使其不受约束，并在随机数生成之后将其转换回来。

x2 <- log(x)
y2 <- rkde(fhat=kde(x=x2, h=hpi(x2)), n=100)
y <- exp(y2)
hist(y, col="green", freq=F)

Answer 2

如果您可以接受不是 KDE 的密度估计，请查看 logspline 包。这是估计密度估计的另一种方法，并且有一些参数可以设置下限（和/或上限），以便得到的估计不会超出界限并且在界限附近有意义。

这是一个基本示例：

set.seed(1)
x<-rlnorm(100)
hist(x, prob=TRUE)

lines(density(x), col='red')

library(ks)
tmp <- kde(x, hpi(x))
lines(tmp$eval.points, tmp$estimate, col='green')

library(logspline)
lsfit <- logspline(x, lbound=0)
curve( dlogspline(x,lsfit), add=TRUE, col='blue' )

curve( dlnorm, add=TRUE, col='orange' )

您可以使用该函数从拟合密度生成新数据点，rlogspline还有plogspline和qlogspline函数。