R中的kdensity包中的自定义内核

Question

我需要将定制内核插入R包的帮助，这可能吗？ 在kdensity软件包中，它声明“内核功能可以从内置内核列表中选择或定制。”

我在网上找到了有关如何使用kdensity包插入自定义内核的教程，但是，我仍然不清楚它的实际工作原理。

这是教程的链接：（ https://cran.r-project.org/web/packages/kdensity/vignettes/tutorial.html ）。

我想做的是使用自定义内核0.5e ^（-| x |）和模拟随机正态数据（x = rnorm（100,6,2）来绘制内核估计值。然后从那里更改带宽看看这如何影响情节。

在本教程的基础上，它给出了高斯内核的示例，并对其进行了如下编码：

    gaussian = list(
     kernel  = function(y, x, h) dnorm((y-x)/h),
     sd      = 1,
     support = c(-Inf, Inf))

其中x是数据，y是您要评估它的点，h是带宽。

因此，基于此，我创建了以下代码：

    k1=list(
     kernel=function(y,x,h){
     inside=(y-x)/h
     0.5*exp(-1*abs(inside))
     },

     suport=c(-Inf,Inf)
     )

然后，我在kdensity包中运行它，并得到以下错误：

   kde=kdensity(N,kernel = "k1",bw=0.5)
   Error: The supplied kernel ('k1') is not implemented.

显然是不对的，我不确定如何解决。

任何帮助表示赞赏！

Answer 1

两件事情：

1. support ，而不是suport
2. kernel = k1而不是kernel = "k1"

这给

k1 <- list(
  kernel = function(y,x,h) {
    inside <- (y - x) / h
    0.5 * exp(-1 * abs(inside))},
  support = c(-Inf, Inf))
kdensity(rnorm(1000), kernel = k1, bw = 0.5)
# 
# Call:
# kdensity(x = rnorm(1000), bw = 0.5, kernel = k1)
#
# Data:      rnorm(1000) (1000 obs.)
# Bandwidth: 0.5 ('user supplied')
# Support:   (-Inf, Inf)
# Kernel:    k1
# Start:     uniform