直方图的最优数据基分箱

Kevin H. Knuth

直方图的最优数据基分箱

数据分析、统计与概率 2013-09-17 v2 概率论统计理论计算物理统计理论

作者: Kevin H. Knuth

摘要

直方图是方便的非参数密度估计器，至今仍被广泛使用。基于直方图的概率密度模型所估计的汇总量取决于箱数的选择。我们引入了一种直接的数据基方法，用于确定均匀箱宽直方图中的最优箱数。通过分配多项似然和非信息先验，我们推导了在给定数据下分段常数密度模型中箱数的后验概率。此外，我们估计了所得箱高的均值和标准差，考察了小样本量和数字化数据的影响，并展示了该方法在多维直方图中的应用。

关键词

直方图分箱最优箱数后验概率多项似然非信息先验密度估计多维直方图

引用

@article{arxiv.physics/0605197,
  title  = {Optimal Data-Based Binning for Histograms},
  author = {Kevin H. Knuth},
  journal= {arXiv preprint arXiv:physics/0605197},
  year   = {2013}
}

备注

30 pages and 6 figures. Version 2 corrects an error involving comparisons to other techniques(see Discussion)

直方图的最优数据基分箱

摘要

关键词

引用

备注

相关论文