如何解决如何在python中将内核密度估计用于截断的分布?
我有以下数据框:
import numpy as np
import pandas as pd
import scipy.stats as st
df1 = pd.DataFrame({'x':np.random.uniform(0,1,100),'y':np.random.uniform(0,100)})
我估计x
和y
的分布在一起:
x1 = df1['x']
y1 = df1['y']
kernel1 = st.gaussian_kde(np.vstack([x1,y1]))
如果绘制kernel1
,我们将看到x
和y
将带有一些负值,这些负值在原始数据集中不存在。
是否可以估计截断的(到0)分布?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。