Какова цель графика плотности или графика kde?

График плотности

График плотности, также известный как график оценки плотности ядра (KDE), представляет собой графическое отображение данных, показывающее функцию плотности вероятности (PDF) данных. Он используется для визуализации распределения данных и выявления закономерностей и тенденций в данных.

Цель графика плотности — дать вам визуальное представление об основном распределении данных. Это может помочь вам понять форму и распространение данных, а также выявить любые необычные значения или выбросы. Его также можно использовать для сравнения распределения нескольких переменных или групп.

Поскольку на них не влияет количество интервалов, графики плотности имеют преимущество перед гистограммами, поскольку они лучше определяют форму распределения. Диаграммы плотности включают, например, кривые нормального распределения.

Применение и интерпретация

Применение и интерпретация: Допустим, у нас есть набор данных с возрастом 1000 пользователей кредитных карт. Нас интересует, как распределяется возрастное распределение.

Мы видим, что пик на графике ниже составляет чуть больше 45. На гистограмме мы бы обнаружили, что концентрация значений находится в диапазоне 45–50 (если бы интервал был шириной пять лет). Однако эта цифра плотности дает нам более точное положение. Также предоставляется непрерывное представление распределения.

Как интерпретировать кривые плотности

Распределение значений в конкретном наборе данных можно быстро и наглядно понять с помощью кривых плотности, которые существуют в различных размерах и формах. Они особенно полезны для улучшения нашей способности визуализировать —

Количество пиков

Мы можем быстро определить количество «пиков» в конкретном распределении, используя кривые плотности. Поскольку в каждом из приведенных выше распределений был только один пик, мы бы отнесли эти распределения к унимодальным.

Однако некоторые распределения, называемые бимодальными распределениями, могут иметь два пика. Кроме того, иногда возможны мультимодальные распределения с двумя или более пиками. Мы можем быстро определить количество пиков в распределении, нарисовав кривую плотности для набора данных.

асимметрия

Асимметрия — это термин, используемый для определения симметрии распределения. По кривым плотности мы можем сразу определить, является ли график левым, правым или не имеет перекоса.

Расположение среднего и медианы

Мы можем быстро определить, больше ли среднее или медиана в конкретном распределении, основываясь на асимметрии кривой плотности. более конкретно

Когда кривая плотности смещена влево, среднее значение меньше медианы.
Среднее значение больше медианы, когда кривая плотности наклонена вправо.
Среднее значение и медиана идентичны, если кривая плотности не имеет перекоса.

Свойства кривых плотности

Характеристики кривых плотности следующие:

Каждый раз площадь под кривой в сумме составляет 100%.
Никогда кривая не будет отклоняться от оси X.
Когда вы создаете или оцениваете кривые плотности для различных распределений, помните об этих двух истинах.

Кде сюжет

Гистограмма, стопка прямоугольников, всегда будет выглядеть волнистой, независимо от выбранной длины интервала (снова подумайте о кирпичах). Иногда нам нужно вычислить более гладкую оценку, поскольку она может быть более точной. Мы можем немного изменить нашу стратегию, чтобы учесть это.

Метод гистограммы преобразует каждую точку данных в прямоугольник с определенной областью, который затем размещается «рядом» с соответствующей точкой данных. Что, если бы мы могли насыпать «кучу песка» на каждую точку данных и посмотреть, как формируется песок вместо использования прямоугольников?

Заключение

В заключение, график плотности или график KDE — это графическое отображение данных, которое показывает функцию плотности вероятности данных. Он используется для визуализации распределения данных и выявления закономерностей и тенденций в данных. Цель графика плотности — дать вам визуальное представление об основном распределении данных и помочь вам понять форму и распространение данных. Его можно использовать для сравнения распределения нескольких переменных или групп, а также для выявления любых необычных значений или выбросов в данных.