R中的kdensity包中的自定義內核

Question

我需要將定制內核插入R包的幫助，這可能嗎？ 在kdensity軟件包中，它聲明“內核功能可以從內置內核列表中選擇或定制。”

我在網上找到了有關如何使用kdensity包插入自定義內核的教程，但是，我仍然不清楚它的實際工作原理。

這是教程的鏈接：（ https://cran.r-project.org/web/packages/kdensity/vignettes/tutorial.html ）。

我想做的是使用自定義內核0.5e ^（-| x |）和模擬隨機正態數據（x = rnorm（100,6,2）來繪制內核估計值。然后從那里更改帶寬看看這如何影響情節。

在本教程的基礎上，它給出了高斯內核的示例，並對其進行了如下編碼：

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

其中x是數據，y是您要評估它的點，h是帶寬。

因此，基於此，我創建了以下代碼：

    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包中運行它，並得到以下錯誤：

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

顯然是不對的，我不確定如何解決。

任何幫助表示贊賞！

Answer 1

兩件事情：

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

這給

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