Actualmente estoy tratando de estimar la densidad de una distribución conjunta de K unidimensional, vehículos recreativos. Tengo a mi disposición un conjunto de N puntos de muestreo, cada uno de los cuales representa un resultado de la K RVs.
Algunos detalles acerca de mi problema:
la RVs son independientes
la RVs necesidad no pertenecen a la misma familia de distribuciones
la Rv puede todos ser discretos o de todo ser continua, pero no tanto
Sé que los límites superior e inferior para cada RV; en el caso discreto, conozco los valores que la RV puede tomar.
Ahora, yo soy la estimación de la densidad de cada uno de RV por separado, utilice la ksdensity función en MATLAB. La independencia de la asunción, a continuación, me permite producir un conjunto de densidad mediante el producto de las densidades individuales. Estoy esperando para mejorar la precisión de mi estimación, esto ya sea por el uso de otro método (que puedo código en MATLAB) o por jugar con las opciones en ksdensity (tales como el núcleo del tipo, el apoyo, la anchura de la densidad de la ventana).
Estoy específicamente con la esperanza de que la gente puede arrojar luz sobre:
¿Cuál es el método a utilizar para el caso discreto vs el caso continuo. En el caso discreto, vale la pena especificar los límites y los valores? En el caso continuo,
Si alguna vez hace sentido para olvidar la independencia de la asunción y estimar la distribución conjunta como una distribución conjunta
Si alguien sabe de algún simple material de lectura sobre el tema.
