Podczas wizualizacji danych jednowymiarowych często stosuje się technikę szacowania gęstości jądra w celu uwzględnienia nieprawidłowo wybranych szerokości pojemników.
Czy w moim jednowymiarowym zbiorze danych występują niepewności pomiaru, czy istnieje standardowy sposób na włączenie tych informacji?
Na przykład (i wybaczcie mi, jeśli moje rozumienie jest naiwne) KDE przekształca profil gaussowski z funkcjami delta obserwacji. To jądro Gaussa jest współużytkowane przez każdą lokalizację, ale parametr Gaussa może być zmieniany w celu dopasowania do niepewności pomiaru. Czy istnieje standardowy sposób na wykonanie tego? Mam nadzieję odzwierciedlić niepewne wartości za pomocą szerokich jąder.
Zaimplementowałem to po prostu w Pythonie, ale nie znam standardowej metody ani funkcji do wykonania tego. Czy są jakieś problemy z tą techniką? Zauważam, że daje to dziwnie wyglądające wykresy! Na przykład
W tym przypadku niskie wartości mają większe niepewności, więc zwykle zapewniają szerokie płaskie jądra, podczas gdy KDE przeważa niskie (i niepewne) wartości.