Pourquoi cette estimation de densité de noyau a-t-elle des valeurs supérieures à 1.0?

Question

J'essaie d'analyser les caractéristiques du Pima Indians Diabetes Data Set (suivez le lien pour obtenir l'ensemble de données) en traçant leurs distributions de densité de probabilité. Je n'ai pas encore supprimé les données 0 invalides, donc les graphiques montrent parfois un biais à la gauche. Pour la plupart, les distributions regard précis:

J'ai un problème avec le regard de l'intrigue pour DiabetesPedigree, qui montre des probabilités plus de 1,0 (pour x ~ entre 0,1 et 0,5). Si je comprends bien, les probabilités combinées devraient être égales à 1,0.

J'ai isolé le code de la parcelle DiatebesPedigree mais le même travaillera pour les autres en changeant la valeur dataset_index:

import pandas as pd 
import numpy as np 
import matplotlib.pyplot as plt 
from scipy.stats import gaussian_kde 

dataset_index = 6 
feature_name = "DiabetesPedigree" 
filename = 'pima-indians-diabetes.data.csv' 

data = pd.read_csv(filename) 
feature_data = data.ix[:, dataset_index] 

graph_min = feature_data.min() 
graph_max = feature_data.max() 

density = gaussian_kde(feature_data) 
density.covariance_factor = lambda : .25 
density._compute_covariance() 

xs = np.arange(graph_min, graph_max, (graph_max - graph_min)/200) 
ys = density(xs) 

plt.xlim(graph_min, graph_max) 
plt.title(feature_name) 
plt.plot(xs,ys) 

plt.show() 

Answer 1

Comme l'a justement marqué, un Continuous pdf dit jamais Si la valeur est inférieure à 1, avec le pdf pour la variable aléatoire continue, la fonction p (x) n'est pas la probabilité. vous pouvez vous référer aux varibales aléatoires continues et leurs distributions