Se o kernel Epanechnikov é teoricamente ideal ao fazer a estimativa de densidade do kernel, por que não é mais comumente usado?


17

Eu li (por exemplo, aqui ) que o núcleo Epanechnikov é ideal, pelo menos em um sentido teórico, ao fazer uma estimativa da densidade do núcleo. Se isso for verdade, por que o Gaussiano aparece com tanta frequência quanto o kernel padrão ou, em muitos casos, o único kernel, nas bibliotecas de estimativa de densidade?


2
Duas questões se entrelaçaram aqui: por que não usar mais comumente? por que o Gaussian geralmente é o kernel padrão / único? Pode parecer trivial, mas o nome Epanechnikov pode parecer difícil de soletrar e pronunciar corretamente para pessoas que não são fluentes nesse idioma. (Eu não tenho certeza se E. era russo; não encontrei detalhes biográficos.) Além disso, se eu mostrar (por exemplo) um peso biológico, comente sua forma de sino, largura finita e comportamento nas bordas, que parecem mais fácil de vender. Epanechnikov é o padrão no Stata kdensity.
Nick Cox

3
Eu acrescentaria que essa otimização teórica tem pouca influência na prática, se houver.
Xian

2
É um nome familiar. Se faz sentido usar um kernel que não possui suporte finito, você deve preferir. No que diz respeito à minha experiência, não faz sentido; portanto, a escolha parece social, não técnica.
Nick Cox

2
@ NickCox, sim, E era um cara russo, não é uma abreviação :) Ele era uma pessoa enigmática, isso é tudo que você pode encontrar sobre ele. Lembro-me também um muito útil livro alguém com seu nome escrito em calculadoras programáveis, sim, foi uma grande coisa no momento
Aksakal

1
@amoeba Ele trabalhou no Институт радиотехники e электроники Российской Академии Наук им. Котельникова, eu aposto que ele fez uma pesquisa classificada, nome completo é Епанечников Виктор Александрович
Aksakal

Respostas:


6

A razão pela qual o kernel Epanechnikov não é universalmente usado por sua otimização teórica pode muito bem ser que o kernel Epanechnikov não é realmente teoricamente ideal . Tsybakov critica explicitamente o argumento de que o núcleo Epanechnikov é "teoricamente ótimo" nas páginas 16-19 da Introdução à estimativa não paramétrica (seção 1.2.4).

Tentando resumir, sob algumas suposições sobre o kernel K e uma densidade fixa p one, temos que o erro quadrado integrado médio é, da forma

(1)1nhK2(u)du+h44SK2(p(x))2dx.

A principal crítica a Tsybakov parece estar minimizando os núcleos não negativos, pois muitas vezes é possível obter estimadores com melhor desempenho, que são até negativos, sem restringir os núcleos não negativos.

O primeiro passo do argumento para o kernel Epanechnikov começa minimizando (1) sobre h todos os kernels não negativos (em vez de todos os kernels de uma classe mais ampla) para obter uma largura de banda "ideal" para K

hMISE(K)=(K2nSK2(p)2)1/5

e o kernel "ideal" (Epanechnikov)

K(u)=34(1u2)+

cujo erro quadrado integrado médio é:

hMISE(K)=(15n(p)2)1/5.

Porém, essas escolhas não são viáveis, pois dependem do conhecimento (via p ) da densidade desconhecida p - portanto, são quantidades "oraculares".

Uma proposição feita por Tsybakov implica que o MISE assintótico para o oráculo de Epanechnikov é:

(2)limnn4/5Ep(pnE(x)p(x))2dx=34/551/54((p(x))2dx)1/5.

Tsybakov diz que (2) costuma ser considerado o MISE mais viável, mas depois mostra que é possível usar kernels da ordem 2 (para os quais ) para construir estimadores de kernel, para cada , de modo queSK=0ε>0

lim supnn4/5Ep(p^n(x)p(x))2dxε.

Mesmo que não seja necessariamente não negativo, ainda há o mesmo resultado para o estimador de peças positivo, (que é garantido seja negativo, mesmo que não seja):p^npn+:=max(0,p^n)K

lim supnn4/5Ep(pn+(x)p(x))2dxε.

Portanto, para pequeno o suficiente, existem estimadores verdadeiros que possuem MISE assintótico menor que o oráculo Epanechnikov , mesmo usando as mesmas premissas na densidade desconhecida .ε p

Em particular, resulta-se que o menor valor do MISE assintótico para um fixo sobre todos os estimadores de kernel (ou partes positivas dos estimadores de kernel) é . Portanto, o oráculo de Epanechnikov não está nem perto de ser o ideal, mesmo quando comparado aos verdadeiros estimadores.p0

A razão pela qual as pessoas avançaram no argumento para o oráculo de Epanechnikov é que muitas vezes se argumenta que o próprio núcleo não deveria ser negativo, porque a densidade em si não era negativa. Mas, como Tsybakov aponta, não é preciso assumir que o núcleo não é negativo para obter estimadores de densidade não negativos e, ao permitir que outros kernels possam ser estimadores de densidade não negativos que (1) não são oráculos e (2) ter um desempenho arbitrariamente melhor que o oráculo Epanechnikov para um fixop . Tsybakov usa essa discrepância para argumentar que não faz sentido defender a otimização em termos de um fixo , mas apenas as propriedades de otimização uniformes em uma classepde densidades. Ele também aponta que o argumento ainda funciona ao usar o MSE em vez do MISE.

EDIT: Ver também Corolário 1.1. na p.25, onde o núcleo de Epanechnikov se mostra inadmissível com base em outro critério. Tsybakov realmente parece não gostar do núcleo Epanechnikov.


4
+1 para uma leitura interessante, mas isso não responde por que o kernel gaussiano é usado com mais frequência que o kernel Epanechnikov: ambos são não negativos.
Ameba diz Reinstate Monica

@amoeba Isso é verdade. No mínimo, isso responde à pergunta no título, que é apenas sobre o kernel Epanechnikov. (Ou seja, ele aborda a premissa para a questão e mostra que ela é falsa.)
Chill2Macht

3
(+1) Uma coisa a ter em atenção com o esquema de Tsybakov de tomar a parte positiva de uma estimativa do núcleo possivelmente negativa - que é pelo menos a minha memória de sua sugestão - é que, embora o estimador de densidade resultante possa dar uma melhor convergência do MSE à densidade real , a estimativa de densidade em geral não será uma densidade válida (já que você está cortando a massa e não se integra mais a 1). Se você realmente se importa apenas com o MSE, isso não importa, mas às vezes isso será um problema significativo.
Dougal

2

O núcleo gaussiano é usado, por exemplo, na estimativa de densidade através de derivadas:

difdxi(x)1bandwidthj=1Ndikdxi(Xj,x)

Isso ocorre porque o kernel Epanechnikov possui 3 derivadas antes de ser identicamente zero, ao contrário do Gaussiano, que possui infinitas derivações (que não são zero). Veja a seção 2.10 no seu link para mais exemplos.


2
A primeira derivada do kernel Epanechnikov (observe o segundo n , a propósito) não é contínua onde a função cruza os próprios limites do kernel; isso pode ser mais um problema.
Glen_b -Reinstala Monica

i

1
@AlexR. Embora o que você diz seja verdade, não entendo como isso explica por que o Gaussiano é tão comum na estimativa de densidade comum (em oposição a estimar a derivada da densidade). E mesmo ao estimar derivadas, a seção 2.10 sugere que o gaussiano nunca é o núcleo preferido.
John Rauser

@ JohnRauser: Lembre-se de que você precisa usar kernels Epanechnikov de ordem superior para otimizar. Geralmente, as pessoas usam um gaussiano porque é mais fácil trabalhar com e tem propriedades melhores.
Alex R.

1
@AlexR eu discutia sobre "[u] geralmente as pessoas usam um gaussiano"; você tem dados sistemáticos sobre a frequência de uso ou isso é apenas uma impressão baseada no trabalho que você vê? Eu vejo pesos pesados ​​com frequência, mas não reivindicaria mais do que isso.
Nick Cox
Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.