and then estimates the parameters o

and then estimates the parameters of the assumed distribution from the data. This approach has advantages as long as
the distributional assumption is correct. The main disadvantage of the parametric approach is the lack of flexibility. Each
parametric family of distributions constrains the shapes of f(x). The idea of the non-parametric approach is to avoid
restrictive assumptions about the form of f(x) and to estimate this directly from the data. A well-known non-parametric
estimator of the pdf is the histogram. It is simple but it is not continuous. Furthermore, the choice of the bin width could
significantly affect the shape of f(x).
Alternatively, the pdf can be estimated by means of the kernel density estimator technique [20,21], which approximates
the density function as

ผลลัพธ์ (ไทย) 1:

แล้วประเมินพารามิเตอร์ของการแจกสันนิษฐานจากข้อมูล วิธีนี้มีข้อดีตราบเท่าอัสสัมชัญขึ้นไม่ถูกต้อง ข้อเสียหลักของวิธีแบบพาราเมตริกคือ ขาดความยืดหยุ่น แต่ละครอบครัวกระจายพาราเมตริกจำกัดทรง f(x) ความคิดของวิธีการไม่ใช่พาราเมตริกจะหลีกเลี่ยงสมมติฐานที่เข้มงวดเกี่ยวกับแบบฟอร์ม f(x) และประเมินนี้โดยตรงจากข้อมูล รู้จักไม่ใช่พาราเมตริกประมาณของ pdf ฮิสโตแกรมได้ ก็ง่าย ๆ แต่ไม่ต่อเนื่อง นอกจากนี้ สามารถเลือกความกว้างของช่องอย่างมีนัยสำคัญมีผลต่อรูปร่างของ f(x)หรือ สามารถประเมิน pdf โดยเคอร์เนลความหนาแน่นประมาณเทคนิค [20,21], ที่ approximatesฟังก์ชันความหนาแน่นเป็น

ผลลัพธ์ (ไทย) 2:

แล้วประมาณการค่าพารามิเตอร์ของการกระจายสันนิษฐานจากข้อมูล วิธีการนี้มีข้อดีตราบเท่าที่
สมมติฐานกระจายถูกต้อง ข้อเสียเปรียบหลักของวิธีการที่ตัวแปรคือการขาดความยืดหยุ่น แต่ละ
ครอบครัวตัวแปรของการกระจาย constrains รูปร่างของ f (x) ความคิดของวิธีการที่ไม่ตัวแปรคือการหลีกเลี่ยง
ข้อสมมติฐานเกี่ยวกับรูปแบบของ f (x) และในการประเมินนี้โดยตรงจากข้อมูลที่ ที่รู้จักกันดีไม่พารา
ประมาณการของไฟล์ PDF เป็นกราฟ มันเป็นเรื่องง่าย แต่ก็ไม่ต่อเนื่อง นอกจากนี้ทางเลือกของความกว้างของถังที่อาจ
ส่งผลกระทบต่อรูปทรงของ f (x)
หรือไฟล์ PDF สามารถประมาณโดยวิธีการของเทคนิคการประมาณค่าความหนาแน่นของเมล็ด [20,21] ซึ่งใกล้เคียงกับ
ฟังก์ชันความหนาแน่นเป็น

ผลลัพธ์ (ไทย) 3:

แล้วประมาณพารามิเตอร์ของการแจกแจง สันนิษฐานจากข้อมูล วิธีการนี้มีข้อดีตราบเท่าที่
สมมติฐานการแจกแจงถูกต้อง ข้อเสียเปรียบหลักของวิธีการพาราเมตริก คือ ขาดความคล่องตัว แต่ละครอบครัวของพารามิเตอร์ของการแจกแจง
ครอบครองรูปร่างของ f ( x ) ความคิดของวิธีการที่ไม่ใช้พารามิเตอร์เพื่อหลีกเลี่ยง
สมมติฐานที่เข้มงวดเกี่ยวกับรูปแบบของ f ( x ) และประมาณนี้ได้โดยตรงจากข้อมูล ที่รู้จักกันดีที่ไม่ใช้พารามิเตอร์
ประมาณการของ PDF เป็นกราฟแสดงความถี่ มันเป็นเรื่องง่าย แต่มันไม่ต่อเนื่อง นอกจากนี้ การเลือกถังกว้างอาจ
มีผลต่อรูปร่างของ f ( x )
หรือไฟล์ PDF ที่สามารถประมาณโดยใช้เทคนิค [ estimator หนาแน่นเคอร์เนล 20,21 ]ซึ่งมีฟังก์ชันความหนาแน่นเป็น