[英]Sample point probability from density surface
我创建了一个二维密度表面:
library(MASS)
a <- data$x
b <- data$y
f1 <- kde2d(a, b, n = 100)
filled.contour(f1)
我想确定一个样本点是否位于密度表面的中心 80% 内。 有没有办法对 Σ p > 0.8 的轮廓 map 进行采样? 我不需要单个点的概率(如本例中),而是该点在概率分布中的位置。
编辑:使用来自 user2554330 的非常有用的答案,我创建了我的实际数据点的 map。 我有一个双峰分布。 我还能使用这种方法吗?
基本上你想要做的需要两个步骤:首先,找到估计密度的轮廓,使得 80% 的点落在该轮廓内。 然后找到每个点的密度,看它是否高于那个轮廓。
我们没有你的data
变量,所以我会伪造一个:
data <- data.frame(x = rnorm(200), y = rnorm(200))
library(MASS)
a <- data$x
b <- data$y
f1 <- kde2d(a, b, n = 100)
filled.contour(f1)
第一步,您可以使用kde2d
的结果,如下所示。 它返回f1$z
中的密度值矩阵。 这些将是密度值,大约与点落在对应于该矩阵条目的矩形中的概率成比例。 因此,要找到轮廓值,请执行以下操作:
total <- sum(f1$z)
sorted <- sort(as.numeric(f1$z), decreasing = TRUE)
cumulative <- cumsum(sorted/total)
contourlevel <- sorted[min(which(cumulative > 0.80))]
对于第二步,您需要创建一个近似于 kde2d 给出的结果的kde2d
。 fields::interp.surface
function 可以做到这一点。
densities <- fields::interp.surface(f1, data)
检查我们是否得到了正确的等高线水平:
table(densities > contourlevel)
plot(data, col = ifelse(densities > contourlevel, "green", "red"))
结果如下:
data <- data.frame(x = rnorm(1000), y = rnorm(1000))
library(MASS)
a <- data$x
b <- data$y
f1 <- kde2d(a, b, n = 100)
filled.contour(f1)
total <- sum(f1$z)
sorted <- sort(as.numeric(f1$z), decreasing = TRUE)
cumulative <- cumsum(sorted/total)
contourlevel <- sorted[min(which(cumulative > 0.80))]
densities <- fields::interp.surface(f1, data)
table(densities > contourlevel)
#>
#> FALSE TRUE
#> 167 833
plot(data, col = ifelse(densities > contourlevel, "green", "red"))
由代表 package (v0.3.0) 于 2021 年 2 月 10 日创建
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.