R中kdensity包中的自定义内核

Question

我在将定制内核插入 R 包时需要帮助，这可能吗？在 kdensity 包中，它声明“内核函数可以从内置内核列表中选择或定制。”

我在网上找到了一个关于如何使用 kdensity 包插入自定义内核的教程，但是我仍然不清楚它实际上是如何工作的。

这里是教程的链接： (https://cran.r-project.org/web/packages/kdensity/vignettes/tutorial.html)。

我想要做的是使用自定义内核 0.5e^(-|x|) 和模拟随机正态数据 (x=rnorm(100,6,2) 来绘制内核估计值。然后从那里，更改带宽以查看它对绘图的影响。

根据教程，给出了高斯核的例子，代码如下：

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

x 是数据，y 是要评估的点，h 是带宽。

因此，基于此，我创建了这个：

    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 包中运行它，得到了这个错误：

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

显然有些地方不对劲，我不知道如何解决。

感谢任何帮助！

Answer 1

两件事：

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

这给了

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