从核密度生成随机样本时的不同结果答案

【问题标题】：Different results when generating random samples from kernel density从核密度生成随机样本时的不同结果
【发布时间】：2014-09-27 03:03:17
【问题描述】：

library(ks)

x<-rnorm(1000)
hist(x, col="red")

y <- rkde(kde(x), n=1000)
hist(y, col="green")

y <- rkde(density(x), n=1000)
hist(y, col="blue")

最后一个直方图是错误的。我之前使用过density，我发现它对于更复杂的分布是准确的。为什么在这种情况下它表现如此糟糕？谢谢

【问题讨论】：

【解决方案1】：

因为你用错了函数。 rkde 需要一个 kde 类的对象。 density 不返回 kde 对象并且结构不同。

这就像告诉某人开枪并递给他们霰弹枪弹，然后想知道为什么当他们开火时它并没有真正起到任何作用。

【讨论】：

好的。我认为rkde 可用于从每个内核生成随机样本。我是这样，如何从使用density 或其他包（如ash）获得的内核生成随机样本？
看看 rkde 在做什么，并为密度返回的对象模仿它
我的目的不是开发一个使用Silverman, B. (1986) Density Estimation for Statistics and Data Analysis . Chapman & Hall/CRC. London的包，而是使用一个存在的函数（如果存在）。
对于快速而肮脏的事情，以下似乎是合理的：x <- rnorm(30);o <- density(x); my_samp <- sample(o$x, 1000, replace = TRUE, prob = o$y)
查看 rkde 的代码，我的方法似乎与它正在做的非常接近，但它们为每个采样值添加了少量抖动。