Kernel density estimation is a stat

Kernel density estimation is a statistical technique which allows a continuous probability distribution to be estimated from empirical data. It is based on the concept of a kernel function, which is a continuous normalised functional form that is peaked (or ‘centred’) at a defined point. To produce an estimate from a set of data points, one such kernel function is centred at each data point, and the sum of these is taken. This essentially produces a ‘smoothed’ version of the data, in which each point is replaced by a ‘bump’ and these are superimposed upon each other. For spatial data, this produces a surface in which the influence of each point is distributed across its immediate vicinity, while for temporal data the influence is spread through time. In the context of crime prediction, these effects can be taken to reflect spatio-temporal propagation of risk, and it is clear that the ProMap approach is an informal version of this principle.

ผลลัพธ์ (ไทย) 1:

การประเมินความหนาแน่นของเคอร์เนลเป็นเทคนิคทางสถิติซึ่งช่วยให้การกระจายความน่าเป็นอย่างต่อเนื่องที่จะประเมินจากข้อมูลเชิงประจักษ์ มันขึ้นอยู่กับแนวคิดของฟังก์ชันเคอร์เนล ซึ่งเป็นฟอร์มแบบต่อเนื่องหักทำงานที่แหลม (หรือ 'อยู่') ที่จุดกำหนด ในการผลิตการประเมินจากกลุ่มของจุดข้อมูล ฟังก์ชันเคอร์เนลหนึ่งดังกล่าวเป็นศูนย์กลางในแต่ละจุดข้อมูล และผลรวมเหล่านี้จะนำมา นี้เป็นหลักผลิตแบบ 'เรียบ' ของข้อมูล ซึ่งแต่ละจุดถูกแทนที่ ด้วย 'ชน' และเหล่านี้จะซ้อนทับกัน ข้อมูล spatial นี้ผลิตพื้นผิวที่โน้มน้าวใจกลุ่มของแต่ละจุดกระจายทั่วปริมณฑลทันที ในขณะที่ขมับข้อมูล โน้มน้าวใจกลุ่มนี้แพร่กระจายผ่านเวลา ในบริบทของการคาดการณ์อาชญากรรม ผลกระทบเหล่านี้สามารถดำเนินการเพื่อการเผยแพร่ spatio ขมับสะท้อนความเสี่ยง และเป็นที่ชัดเจนว่า วิธี ProMap เป็นรุ่นที่ไม่เป็นทางการของหลักการนี้

ผลลัพธ์ (ไทย) 2:

เคอร์เนลความหนาแน่นของการประมาณค่าเป็นเทคนิคทางสถิติซึ่งจะช่วยให้การกระจายอย่างต่อเนื่องจะได้รับการประเมินจากข้อมูลเชิงประจักษ์ มันขึ้นอยู่กับแนวคิดของฟังก์ชั่นเคอร์เนลซึ่งเป็นรูปแบบการทำงานอย่างต่อเนื่องปกติที่แหลม (หรือ 'ศูนย์กลาง) ที่เด Fi จุดเน็ด การผลิตการประมาณการจากชุดของจุดข้อมูลหนึ่งฟังก์ชันเคอร์เนลดังกล่าวมีศูนย์กลางอยู่ที่จุดข้อมูลในแต่ละครั้งและผลรวมของเหล่านี้จะได้รับการ นี้เป็นหลักผลิต 'เรียบรุ่นของข้อมูลซึ่งในแต่ละจุดจะถูกแทนที่ด้วย' ชน 'และเหล่านี้จะซ้อนทับอยู่กับแต่ละอื่น ๆ สำหรับข้อมูลเชิงพื้นที่นี้ผลิตพื้นผิวที่อิทธิพลของแต่ละจุดจะมีการกระจายไปทั่วบริเวณใกล้เคียงของตนในขณะที่สำหรับข้อมูลขมับอิทธิพลแพร่กระจายผ่านเวลา ในบริบทของการทำนายอาชญากรรมผลกระทบเหล่านี้สามารถนำไปขยายพันธุ์อีกครั้งสะท้อน spatio กาลของความเสี่ยงและเป็นที่ชัดเจนว่าวิธีการ ProMap เป็นรุ่นทางการของหลักการนี้

ผลลัพธ์ (ไทย) 3:

น่าจะประมาณนี้แหละ เป็นสถิติที่ช่วยให้มีการแจกแจงความน่าจะเป็นของตัวแปรสุ่มแบบต่อเนื่องจะถูกประเมินจากข้อมูลเชิงประจักษ์ มันขึ้นอยู่กับแนวคิดของเคอร์เนลฟังก์ชันซึ่งเป็นอย่างต่อเนื่องเนื่องจากการทำงานรูปแบบนั่นคือแหลม ( หรือ " ศูนย์กลาง " ) ที่ เดอ จึงลงจุด เพื่อผลิตประมาณการจากชุดของจุดข้อมูล เช่นเคอร์เนลฟังก์ชันเป็นศูนย์กลางในแต่ละจุดข้อมูลและผลรวมของเหล่านี้ถูกถ่าย นี้เป็นหลักผลิตเรียบ " " รุ่นของข้อมูล ซึ่งในแต่ละจุดจะถูกแทนที่โดย " ชน " และเหล่านี้จะทับกับแต่ละอื่น ๆ ข้อมูลเชิงพื้นที่ ซึ่งสร้างพื้นผิวซึ่งในfl uence ของจุดแต่ละจุดจะกระจายทั่วบริเวณในทันที ขณะที่ข้อมูลในเวลาfl uence จะแพร่กระจายผ่านเวลา ในบริบทของการคาดการณ์อาชญากรรม ผลกระทบเหล่านี้สามารถถูก re fl ect เชิงพื้นที่และเวลาการกระจายความเสี่ยง และเป็นที่ชัดเจนว่า promap วิธีการเป็นรุ่นที่เป็นทางการของหลักการนี้