Prezado Andre,

Pode usar a estimação Kernel que é um método não-paramétrico para estimação de densidades que pode ser visto como um aperfeiçoamento do histograma pois gera uma função suavizada.
Precisa defir a função Kernel a ser utilizada e o tamanho da janela(h) ou tamanho da largura da banda(binwidth).
O fator preponderante é o valor de h, pois este define o formato da curva estimada, e sua escolha é arbitrária.
As funções Kernel mais conhecidas são:
Uniforme
Tricúbica
Gaussiana
Epanechnikov

#############Exemplos no R#####################################################

##Exemplo 1
data(precip)
hist(precip, prob=T)
precip.d <- density(precip)
lines(precip.d)


##Exemplo2
plot(density(precip,n=1000))
rug(precip)
lines(density(precip,bw='nrd'),col='red')
lines(density(precip,bw='ucv'),col='green')
lines(density(precip,bw='SJ-ste'),col='yellow')
lines(density(precip,bw='SJ-dpi'),col='blue')


plot(density(precip,n=1000))
rug(precip)
lines(density(precip,bw=4),col='red')
lines(density(precip,bw=5),col='green')
lines(density(precip,bw=6),col='yellow')
lines(density(precip,bw=7),col='blue')

##Exemplo 3
#Estimação de densidades
#bandwidth=largura da janela
data(faithful)
attach(faithful)
hist(eruptions,breaks="scott",prob=T)
den<-density(eruptions)
lines(den)
den # x valor do tempo de erupção, y valor de densidade estimado, bw ótimo, não precisa se preocupar para achá-lo, o próprio pacote o encontra.
names(den)
summary(eruptions)
summary(den$x)


##Exemplo 4
require(MASS)
data(Boston)
attach(Boston)
hist(rm, prob=T)
rm.d <- density(rm)###### Kernel gaussiano, o defaut do R
rm.d$bw###### tamanho da largura da banda
rug(rm)
lines(rm.d)
curve(dnorm(x,mean(rm),sd(rm)),0,10,add=T,col="blue")##comando para jogar a curva da normal


On 23-08-2014 19:21, Andre Oliveira wrote:
Walmes,
sei que tem várias funções para construir os gráficos de densidade empírica, mas qual função você tem usado com esta finalidade no momento e que tem dado melhores resultados?
obrigado
 



André Oliveira Souza


Em Sexta-feira, 22 de Agosto de 2014 17:42, walmes . <walmeszeviani@gmail.com> escreveu:


Para ser bem sincero, o histograma, seja com os melhores elementos/recursos, de um pacote ou outro, está começando a ficar ultrapassado e deixando o lugar para os gráficos de densidade empírica. Nas minhas aulas eu tenho dado mais enfase ao gráfico de densidade que o histograma. E a principal razão é bem simples, é quando desejamos comparar a distribuição a partir de amostras de diferentes populações. Com histogramas há uma certa dificuldade de sobrepor na mesma janela os resultados para mais de duas amostras porque os retângulos, sem o devido cuidado, podem esconder outros de menor altura atrás deles, comprometendo a visualização. Claro que é possível usar retângulo com semitransparência mas não se pode assumir esse conhecimento de todo usuário. Com os gráficos de densidade, que traçam as linhas da função de densidade empírica, permitem sobreposição mais facilmente. Outras coisa interessante é a facilidade na identificação da moda da distribuição como sendo o pico da função traçada. No histograma é fácil achar a classe modal, mas um valor para a moda é menos óbvio, apesar de ser possível interpolar considerando a frequência das classes vizinhas. O bom do histograma é que se pode cobrar em provas, basta o aluno saber classificar dados e obter frequências ao passo que a densidade empírica tem aplicabilidade limitada sem computador.

À disposição.
Walmes.

_______________________________________________
R-br mailing list
R-br@listas.c3sl.ufpr.br
https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.



_______________________________________________
R-br mailing list
R-br@listas.c3sl.ufpr.br
https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.