Esta pode ser uma pergunta ingênua, mas aqui vai. Se eu tiver um conjunto de dados empíricos e ajustar uma densidade de kernel a ele, e obter um novo valor único, possivelmente proveniente do mesmo processo que gerou o conjunto de dados original, posso atribuir uma probabilidade de que esse novo valor pertença ao conjunto / processo simplesmente lendo o valor fora do eixo y, onde o novo valor no eixo x cruza a linha de densidade do kernel e divide pela área sob a linha de densidade?
Respostas:
Não , receio que não. A estimativa da densidade do kernel é a função de densidade da probabilidade . O valor y é uma estimativa da densidade de probabilidade com o valor de x , portanto, a área sob a curva entre x 1 e x 2 estima a probabilidade da variável aleatória X cair entre x 1 e x 2 , assumindo que Xfoi gerado pelo mesmo processo que gerou os dados que você alimentou na estimativa de densidade do kernel. A estimativa de densidade do kernel não diz nada sobre a probabilidade de um novo valor ser gerado pelo mesmo processo.