Eine nichtparametrische Methode zur Schätzung einer unbekannten Wahrscheinlichkeitsdichte, indem an beobachtete Stichprobenpunkte glatte, skalierte Kernelfunktionen gesetzt und aufsummiert werden.

Prinzip

Ersetze jeden Stichprobenpunkt durch eine lokalisierte Erhebung (Kernel) mit Bandbreite, die die Glätte kontrolliert; die Summe approximiert die zugrunde liegende stetige Dichte mit wachsender Stichprobengröße.

Demonstration

Bei Stichproben x_i und Kernel K ist der Schätzer an x gegeben durch (1/nh) Σ_i K((x−x_i)/h); die Wahl von K und Bandbreite h bestimmt den Bias‑Varianz‑Tradeoff.

Fehlanwendung

Die Verwendung einer zu kleinen Bandbreite erzeugt scheinhaftes Multimodalität und Overfitting, während eine zu große Bandbreite echte Struktur verwischt und underfittet.

Konsequenz

Bietet eine flexible, glatte Dichteschätzung, nützlich zur Visualisierung, Moduserkennung und als Baustein in nichtparametrischer Inferenz und Klassifikation.

Umkehrung

Statt diskrete Stichproben zu glätten, um eine Dichte zu erhalten, eine glatte Zieldichte in kernelgewichtete Beiträge zerlegen, um die stichprobenerzeugenden Komponenten zu rekonstruieren.

Abgrenzung

Geeignet, wenn Daten Stichproben aus einem stetigen Träger sind und Glättungsannahmen gelten; problematisch bei gemischten diskret‑stetigen Daten, in hohen Dimensionen ohne Reduktion oder bei Randverzerrung an Stützgrenzen.

Semantische Spannung

Steht im Wettbewerb mit parametrischen Dichten, wenn eine bestimmte Modellsfamilie gerechtfertigt ist; KDE tauscht Modellparsimonie gegen Flexibilität und erfordert sorgfältige Bandbreitenauswahl.

Synthese

Eine einfache, datengetriebene Glättungstechnik, die durch Aggregation lokaler Kernelbeiträge zentriert an Stichprobenpunkten eine stetige Näherung einer unbekannten Dichte rekonstruiert.